Ağaç Türlerinin Hassas Tanımlanması ve Yaprak Alanı İndeksi Elde Edilmesi için Hiper Spektral Görüntüleme

Mangrovlar, kıyı ortamlarındaki en önemli ekolojik bariyerler arasında yer alır ve sağlıkları kıyı şeridi istikrarını, biyoçeşitliliği ve karbon depolamasını doğrudan etkiler. Mangrov ekosistemlerinin durumunu anlamak için iki gösterge özellikle önemlidir: ağaç türlerinin dağılımı Ve yaprak alanı indeksi (LAI). Son yıllarda, hiperspektral mangrov ekolojik izleme Bu yöntem, her iki bilgi türünü de yüksek hassasiyet ve verimlilikle yakalamak için giderek daha etkili bir yaklaşım haline gelmiştir.

Yapılan bir araştırmada, Zhangjiang Nehri Ağzı Mangrov Milli Doğa Koruma Alanı, İHA tabanlı hiperspektral görüntüleme, destek sağlamak amacıyla kullanıldı. Hiperspektral kamera ile ağaç türlerinin hassas tespiti Ve Hiper spektral görüntüleme kullanılarak yaprak alanı indeksi elde edilmesi. Sonuçlar, hiperspektral uzaktan algılama yönteminin baskın mangrov türlerini doğru bir şekilde ayırt edebildiğini ve karmaşık gelgit bölgelerinde ekolojik değerlendirme, restorasyon planlaması ve bitki örtüsü izleme için güvenilir LAI (Yaprak Alan İndeksi) tahmini sağlayabildiğini göstermiştir.

Hiperspektral Mangrov Ekolojik İzlemenin Önemi

Mangrov rezervleri genellikle parçalı ve üst üste binen desenlerde büyüyen birden fazla tür içerir. Aynı zamanda, kıyı sulak alanlarındaki saha araştırmaları genellikle gelgitler, çamurlu arazi ve düşük erişilebilirlik nedeniyle sınırlıdır. Bu durum, geleneksel bitki örtüsü araştırmalarını yavaş, emek yoğun ve ölçeklendirilmesi zor hale getirir.

Ağaç Türlerinin Hassas Tanımlanmasına Duyulan İhtiyaç

Mangrov ormanlarının yönetimi için tür düzeyinde bilgi şarttır. Farklı türlerin farklı ekolojik işlevleri, büyüme tepkileri ve restorasyon değerleri vardır. Tür dağılımının doğru haritalandırılması, araştırmacılara ve rezerv yöneticilerine habitat yapısını anlamada ve daha iyi koruma kararları almada yardımcı olur.

Bu yüzden Hiperspektral kamera ile ağaç türlerinin hassas tespiti Bu, son derece önemli bir uygulamadır. Geleneksel görüntüleme yöntemleriyle karşılaştırıldığında, hiperspektral görüntüleme, görsel olarak benzer türler arasındaki ince spektral farklılıkları yakalayabilir. Bu da onu, RGB veya standart çok spektral görüntülerle tek başına doğru sınıflandırmanın zor olduğu karışık mangrov ortamlarında özellikle değerli kılar.

Yaprak Alanı İndeksi Elde Etmenin Önemi

Hiperspektral kamera ile yaprak alanı indeksi elde edilmesi Ekolojik izlemenin bir diğer önemli bileşeni de LAI'dir. LAI, bitki örtüsü yoğunluğunu, bitki büyüme durumunu ve fotosentetik kapasiteyi yansıtır. Ekosistem verimliliğini, bitki sağlığını ve restorasyon performansını değerlendirmek için yaygın olarak kullanılır.

Geleneksel LAI ölçüm yöntemleri genellikle zaman alıcıdır ve büyük ölçekli sulak alan izleme için uygun değildir. Buna karşılık, hiperspektral yaprak alanı indeksi alma Bu yöntem, geniş alanlarda ağaç örtüsü parametrelerini tahmin etmenin daha hızlı ve ölçeklenebilir bir yolunu sunarken, yüksek doğruluk seviyesini de korur.

Mangrov İzlemesinde Hiper Spektral Kameraların Avantajları

Bu çalışma, hiperspektral görüntülemenin hem ince ağaç türü tanımlaması Ve yaprak alanı indeksi alma karmaşık kıyı ekosistemlerinde.

Tür Ayrımı için Yüksek Spektral Hassasiyet

Hiperspektral bir kamera, sürekli bir spektral aralık boyunca ayrıntılı yansıma bilgilerini kaydedebilir; bu da türler arasındaki yaprak ve bitki örtüsü yansımalarındaki küçük farklılıkları tespit etmeyi mümkün kılar. Bu özellik özellikle önemlidir, özellikle de... hiperspektral kamera tabanlı ağaç türü tanımlama, Sınıflandırmanın, ince ama istikrarlı spektral değişimlere bağlı olduğu durumlarda.

Zhangjiang Nehri ağzı koruma alanında, baskın mangrov türleri arasında şunlar yer almaktadır: Kandelia obovata, Aegiceras corniculatum, Ve Avicennia marina Karmaşık bir mozaik dağılımda ortaya çıkarlar. Spektral farklılıkları, hiperspektral görüntüleme yoluyla etkili bir şekilde yakalanabilir ve geleneksel araştırma yaklaşımlarına göre daha doğru sınıflandırmayı destekler.

Bitki Örtüsü Yapısı Analizi için Yüksek Mekansal Çözünürlük

İHA hiperspektral görüntüleme, spektral zenginliğin yanı sıra yüksek mekansal detay da sunmaktadır. 100 metrelik uçuş yüksekliğinde, görüntüler santimetre düzeyinde yer çözünürlüğüne ulaşarak ağaç örtüsü yapısının, taç dokusunun ve bitki örtüsü sınırlarının net bir şekilde gözlemlenmesini sağlamıştır.

Bu, özellikle şu açıdan önemlidir: hiperspektral mangrov ekolojik izleme, Çünkü tür sınıflandırması ve LAI hesaplaması, taç ve ağaç örtüsü seviyesindeki ayrıntılı yapısal bilgilerden fayda sağlar.

Ekolojik Uygulamalar için Güvenilir Veriler

İstikrarlı görüntü elde etme, herhangi bir ekolojik izleme iş akışı için kritik öneme sahiptir. Yüksek kaliteli hiperspektral veriler, spektral analiz, özellik çıkarma, sınıflandırma modelleri ve bitki örtüsü parametre tersine çevirme işlemlerinin güvenilirliğini artırır. Bu durumda, hiperspektral görüntüleme iş akışı, her ikisi için de güçlü bir veri temeli sağlamıştır. hiperspektral kamera ile ince tür tanıma Ve Hiper spektral görüntüleme kullanılarak yaprak alanı indeksi elde edilmesi.

Hiper Spektral Mangrov Ekolojik İzleme için Veri Toplama ve Ön İşleme

Sağlam bir iş akışı, uygun veri toplama planlaması ve ön işleme ile başlar. Kıyı sulak alanlarında, zamanlama ve çevresel koşullar uzaktan algılama verilerinin kalitesini önemli ölçüde etkileyebilir.

İHA Uçuş Planlaması ve Araştırma Tasarımı

Hava araştırması şu tarihte gerçekleştirildi: Aralık 2024, düşük gelgit sırasında, Bu sayede gelgit suyunun görüntü alımına olan etkisi azaltıldı. Araştırma alanı, araştırma verimliliğini ve veri tutarlılığını artırmak için altı bölüme ayrıldı. İHA uçuş parametreleri, hem geniş kapsama alanı hem de ince mekansal detay sağlamak üzere ayarlandı.

Bu çalışmada kullanılan hiperspektral görüntüleme sistemi şuydu: Ramoton RT-FS60. Veri toplama sırasında platform yaklaşık olarak şu çözünürlük seviyesine ulaştı: 4,71 cm uçuş irtifasının altında 100 metre, uçuş hızıyla 5 m/s ve ana uçuş hattı açısı 87°.

Radyometrik Düzeltme ve Görüntü Oluşturma

Ham hiperspektral veriler şu şekilde işlendi: ENVI 5.3 Atmosferik etkilerin, aydınlatma koşullarının ve güneş açısı değişiminin etkisini azaltmak için radyometrik düzeltme yapıldı. Ardından, mangrov rezervinin eksiksiz bir hiperspektral görüntüsünü oluşturmak için geometrik hizalama ve şerit mozaikleme işlemleri tamamlandı.

Mangrov Alanı Çıkarma

Araştırmacılar, mangrov bitki örtüsünü hedef olmayan yüzeylerden izole etmek için bir yöntem uyguladılar. NDVI eşik yöntemi çeşitli yöntemler kullanarak 0,53 ile 1,00 arası. Bu işlem, su kütlelerini, tuzlu bataklıkları ve yapay yüzeyleri maskeledi. Sonuç daha sonra manuel yorumlama yoluyla iyileştirilerek, sonraki analizler için mangrov alanının doğru bir şekilde çıkarılması sağlandı.

Bu ön işleme iş akışı, performansın iyileştirilmesi için hayati önem taşıyordu. hiperspektral kamera ağaç türü tanımlaması Ve hiperspektral yaprak alanı indeksi alma.

Hiperspektral Kamera ile Hassas Ağaç Türü Tanımlaması

Ön işleme aşamasından sonra, araştırma şu konulara odaklandı: Hiperspektral kamera ile ağaç türlerinin hassas tespiti, Bu da çalışmanın temel hedeflerinden biridir.

Çok Ölçekli Bölümleme ve Özellik Oluşturma

İşlenmiş hiperspektral görüntüler bir yöntem kullanılarak analiz edildi. nesne yönelimli çok ölçekli segmentasyon yöntemi. En uygun segmentasyon ölçeği şu şekilde belirlenmiştir: 25, birleşme ölçeğiyle 80, Bu sayede aşırı veya yetersiz segmentasyon riski etkili bir şekilde azaltılır.

Toplam 323 özellik Verilerden şu unsurlar oluşturuldu:

Orijinal spektral bant özellikleri
Bitki örtüsü indeksleri
Doku özellikleri
Şekil özellikleri
LiDAR'dan elde edilen yükseklik özellikleri
LiDAR'dan türetilen yoğunluk özellikleri

Bu yüksek boyutlu özellik kümesi, güçlü bir temel sağladı: Hiperspektral kamera tabanlı hassas ağaç türü tanımlama karışık mangrov ormanlarında.

Özellik Seçimi ve Derin Öğrenme Sınıflandırması

Korelasyon analizinden sonra çıkarıldı 273 son derece gereksiz özellik, Geri kalan değişkenler ise şu yöntemler kullanılarak incelendi:

RF-RFE
XGBoost
LightGBM

Seçilen sonuçların kesişimi şunu oluşturdu: 14 boyutlu optimal özellik kümesi, Hassas spektral, yapısal ve ağaç örtüsüyle ilgili değişkenler de dahil olmak üzere.

Bu özellikler daha sonra sisteme girildi. Swin-UperNet Baskın mangrov türlerini sınıflandırmak için derin öğrenme modeli. Bu iş akışı, türler arasında doğru ayrım yapılmasını sağladı. Kandelia obovata, Aegiceras corniculatum, Ve Avicennia marina, pratik değerini göstererek hiperspektral kamera ile ince tür tanıma ekolojik uygulamalarda.

Ağaç Türü Tanımlama Sonuçları

Genel sınıflandırma doğruluğuna ulaşıldı. 91.18%, ile Kappa katsayısı 0,85, Bu durum, model tahminleri ile saha koşulları arasında güçlü bir uyum olduğunu göstermektedir.

Üreticinin her tür için doğruluk oranı şu şekildeydi:

Aegiceras corniculatum: 92.08%
Avicennia marinası: 91.38%
Kandelia obovata: 90.66%

Bu sonuçlar şunu doğrulamaktadır: Hiperspektral kamera ile ağaç türlerinin hassas tespiti Mangrov ekosistemi izleme çalışmaları için doğru ve uygulanabilir tür haritaları sağlayabilir.

Hiper Spektral Görüntüleme Kullanarak Yaprak Alanı İndeksi Elde Etme

Tür sınıflandırma sonuçlarına dayanarak, bir sonraki adım şuydu: Hiper spektral görüntüleme kullanılarak yaprak alanı indeksi elde edilmesi, Bu da çalışmanın bir diğer temel odak noktasıdır.

Türlere Özgü LAI Elde Etme Stratejisi

Araştırmacılar, tüm mangrov bitki örtüsüne tek bir model uygulamak yerine, her tür için ayrı ayrı hassas özellikler seçtiler. Bu türe özgü strateji, doğruluğu artırdı. hiperspektral kamera yaprak alanı indeksi alma, Çünkü farklı mangrov türleri arasında taç yapısı ve spektral tepki değişiklik gösterir.

Model Geliştirme ve Karşılaştırma

Seçilen özellikler üç LAI tahmin algoritmasına dahil edildi:

SVR
PLSR
BPNN

Araştırma ekibi, farklı özellik seçme yöntemlerini bu algoritmalarla birleştirerek bir yapı oluşturdu. dokuz hibrit çapraz model ve geri çağırma performanslarını karşılaştırdılar.

En uygun modeller aşağıdaki gibi belirlenmiştir:

RF-RFE + SVR için Kandelia obovata
RF-RFE + SVR için Avicennia marina
XGBoost + BPNN için Aegiceras corniculatum

Bu yaklaşım önemli ölçüde iyileşme sağladı. hiperspektral yaprak alanı indeksi alma Tür düzeyinde performans.

LAI Veri Toplama Sonuçları

Elde edilen LAI değerleri, saha ölçümleriyle oldukça tutarlıydı.

Tahmini LAI aralıkları şunlardı:

Kandelia obovata: 0.897–3.001, ortalama 1.416
Aegiceras corniculatum: 0,934–1,919, ortalama 1,355
Avicennia marinası: 0,913–2,221, ortalama 1,443

Modeller arasında, sonuç şu şekildedir: Avicennia marina özellikle güçlüydü:

R² = 0,87
MAE = 0,02
RMSE = 0,04

İçin Kandelia obovata, Model şu sonuçları elde etti:

R² = 0,81
MAE = 0,09
RMSE = 0,05

Bu sonuçlar şunu göstermektedir ki Hiper spektral kamera ile yaprak alanı indeksi elde edilmesi Ekolojik analiz ve restorasyon izleme için güvenilir ve hassas ağaç örtüsü bilgileri üretebilir.

Bitki örtüsü izleme için havadan hiperspektral kamera

Mangrov izleme için İHA hiperspektral görüntüleme

Hiperspektral görüntüleme kullanılarak ağaç türlerinin sınıflandırılması

Hiperspektral Mangrov Ekolojik İzlemenin Ekolojik Değeri

Bu çalışmanın önemi teknik doğruluğun ötesine geçiyor. Aynı zamanda şunu da gösteriyor: hiperspektral mangrov ekolojik izleme Ekosistem yönetimine ve bilimsel karar alma süreçlerine pratik destek sağlayabilir.

Mangrovların Durumunda Mekansal Desenlerin Ortaya Çıkarılması

Çalışma, rezerv genelinde mangrov yaprak alanı indeksi (LAI) değerlerinde belirgin bir mekansal eğilim ortaya koyarak şu örüntüyü göstermiştir: Kuzeyden güneye doğru azalıyor, sonra artıyor ve tekrar azalıyor.. Bu tür mekânsal bilgiler, bitki örtüsünün durumu, habitat çeşitliliği ve ekolojik işlev hakkında değerli bilgiler sağlar.

Çok Kaynaklı Özelliklerle Ekolojik Yorumlamayı Geliştirme

Bir diğer önemli bulgu ise, bu iki unsurun birlikte katkısıydı. yükseklik özellikleri Ve yoğunluk özellikleri LAI tahminine ilişkin olarak, spektral bilgilerin yapısal özelliklerle entegre edilmesinin LAI tahmin performansını artırabileceğini doğrulamaktadır. hiperspektral yaprak alanı indeksi alma ve mangrov ağaç örtüsü dinamiklerinin yorumlanmasını iyileştirmek.

Koruma ve Restorasyon Çalışmalarını Desteklemek

Birleştirerek Hiperspektral kamera ile ağaç türlerinin hassas tespiti Ve Hiper spektral görüntüleme kullanılarak yaprak alanı indeksi elde edilmesi, Bu sayede araştırmacılar ve koruma yöneticileri şu konularda daha doğru bilgilere ulaşabilirler:

Mangrov koruma planlaması
Restorasyon etkinliği değerlendirmesi
Bitki sağlığı izleme
Sulak alan kaynak yönetimi
Uzun vadeli ekosistem gözlemi

Bu durum, hiperspektral uzaktan algılamayı kıyı ekolojik koruması için son derece değerli bir araç haline getiriyor.

Havadan Bitki Örtüsü İzleme Ürün Bilgileri

Havadan bitki örtüsü izleme uygulamaları için bu çalışmada kullanılan sistem şuydu: Ramoton RT-FS60. Başlıca özellikleri şunlardır:

Spektral aralık: 400–1000 nm
Spektral çözünürlük: 2,5 nm
Spektral bantlar: 1200
Uzamsal pikseller: 1920

Bu teknik özellikler, hiperspektral görüntülemeyi aşağıdakiler için son derece uygun hale getirir:

İnce ağaç türü tanımlaması
Yaprak alanı indeksi alma
Mangrov ekolojik izleme
Sulak alan bitki örtüsü analizi
Orman kaynakları araştırmaları
Mahsul büyüme değerlendirmesi

Çözüm

Zhangjiang Nehri Deltası Mangrov Milli Doğa Koruma Alanı'nda yapılan bu çalışma, hiperspektral uzaktan algılamanın son derece etkili olduğunu göstermektedir. Hiperspektral kamera ile ağaç türlerinin hassas tespiti, Hiper spektral kamera ile yaprak alanı indeksi elde edilmesi, Ve hiperspektral mangrov ekolojik izleme.

Genel tür sınıflandırma doğruluğu ile 91.18% ve LAI alma hatası en düşük seviyede 0.04, Bu iş akışı, karmaşık kıyı ekosistemlerinde İHA hiperspektral görüntülemenin güçlü potansiyelini göstermektedir. Mangrovların korunması, restorasyonu ve yönetimi için hassas ve verimli veri desteği sağlarken, ormancılık, sulak alanlar ve bitki örtüsü izleme alanlarında da geniş uygulama potansiyeli sunmaktadır.