اندازه‌گیری‌های مبتنی بر تلفن اطلاعات سریع و دقیقی در مورد سلامت جنگل‌ها ارائه می‌کنند — ScienceDaily

هولکامب می گوید: «ما می خواستیم الگوریتمی ایجاد کنیم که بتواند در جنگل های طبیعی تر استفاده شود و بتواند با چیزهایی مانند شاخه های کم آویزان یا درختان دارای بی نظمی طبیعی مقابله کند.

محققان این اپلیکیشن را در سه جنگل مختلف – یکی در بریتانیا، ایالات متحده و کانادا – در بهار، تابستان و پاییز آزمایش کردند. این اپلیکیشن قادر بود 100 درصد تنه درختان را تشخیص دهد و میانگین ضریب خطای 8 درصدی داشت که با میزان خطای اندازه گیری با دست قابل مقایسه است. با این حال، این برنامه به طور قابل توجهی سرعت فرآیند را افزایش داد و تقریباً چهار و نیم برابر سریعتر از اندازه گیری درختان به صورت دستی بود.

در حالی که این روش قابل اعتماد است، زیرا اندازه گیری ها از روی زمین، درخت به درخت انجام می شود، این روش زمان بر است. علاوه بر این، خطای انسانی می تواند منجر به تغییرات در اندازه گیری ها شود.

از آنجایی که ابزار اندازه‌گیری آنها نیازی به آموزش تخصصی ندارد و از حسگرهایی استفاده می‌کند که قبلاً در تعداد فزاینده‌ای از تلفن‌ها گنجانده شده‌اند، محققان می‌گویند که این ابزار می‌تواند ابزار دقیق و کم‌هزینه‌ای برای اندازه‌گیری جنگل، حتی در شرایط پیچیده جنگل باشد.

محققان قصد دارند تا اواخر بهار امسال اپلیکیشن خود را برای گوشی های اندرویدی در دسترس عموم قرار دهند.

محققان دیگر با استفاده از این نوع حسگر، برخی از مطالعات اندازه‌گیری جنگل را انجام داده‌اند، با این حال این مطالعه بر روی جنگل‌های بسیار مدیریت شده متمرکز شده است که در آن درختان مستقیم، فاصله یکسان و زیر درختان به طور منظم پاک می‌شوند. هولکامب و همکارانش می خواستند آزمایش کنند که آیا این حسگرها می توانند نتایج دقیقی را برای جنگل های مدیریت نشده به سرعت، به طور خودکار و در یک تصویر واحد ارائه دهند یا خیر.

محققان الگوریتمی توسعه داده‌اند که از تکنیک‌های بینایی کامپیوتری برای اندازه‌گیری دقیق درختان تقریباً پنج برابر سریع‌تر از روش‌های سنتی و دستی استفاده می‌کند.

برخی از جنبه‌های اندازه‌گیری جنگل را می‌توان با استفاده از حسگرهای گران قیمت LiDAR انجام داد، اما هولکامب و همکارانش می‌خواستند تعیین کنند که آیا این اندازه‌گیری‌ها را می‌توان با استفاده از حسگرهای ارزان‌تر و با وضوح پایین‌تر، از سنسورهایی که در برخی از تلفن‌های همراه استفاده می‌شود، انجام داد. اپلیکیشن های واقعیت افزوده

این الگوریتم از سنسورهای LiDAR کم‌هزینه و با وضوح کم استفاده می‌کند که در بسیاری از تلفن‌های همراه گنجانده شده‌اند و نتایجی را ارائه می‌دهد که به همان اندازه دقیق، اما سریع‌تر از تکنیک‌های اندازه‌گیری دستی هستند. نتایج در مجله گزارش شده است سنجش از دور.

محققان الگوریتمی طراحی کردند که از حسگر LiDAR گوشی هوشمند برای تخمین خودکار قطر تنه از یک تصویر واحد در شرایط میدانی واقعی استفاده می‌کند. این الگوریتم در یک برنامه سفارشی ساخته شده برای یک گوشی هوشمند اندرویدی گنجانده شده است و قادر است نتایج را تقریباً در زمان واقعی بازگرداند.

این تحقیق تا حدی توسط بورس تحصیلی فارغ التحصیل دیوید چریتون، شورای تحقیقات ملی کانادا و بورسیه تحصیلات تکمیلی ممتاز هاردینگ حمایت شد.



منبع

آملیا هولکامب، نویسنده اول از دپارتمان علوم و فناوری کامپیوتر کمبریج، می‌گوید: «وقتی می‌خواهید بفهمید یک جنگل چقدر کربن در حال جداسازی است، این اندازه‌گیری‌های زمینی بسیار ارزشمند هستند، اما زمان‌بر هستند.» ما می‌خواستیم بدانیم که آیا می‌توانیم این فرآیند را خودکار کنیم یا خیر.

هولکامب گفت: “من شگفت زده شدم که این برنامه به خوبی کار می کند.” “گاهی اوقات دوست دارم آن را با یک جنگل شلوغ یا درختی به شکل عجیب و غریب به چالش بکشم، و فکر می کنم هیچ راهی وجود ندارد که بتواند آن را درست کند، اما این کار را می کند.”

محققان دانشگاه کمبریج الگوریتمی را توسعه دادند که اندازه گیری دقیقی از قطر درخت را ارائه می دهد، اندازه گیری مهمی که توسط دانشمندان برای نظارت بر سلامت جنگل و سطوح ترسیب کربن استفاده می شود.

اندازه گیری دستی اولیه مورد استفاده در اکولوژی جنگل، قطر درخت در ارتفاع سینه است. این اندازه‌گیری‌ها برای تعیین سلامت درختان و اکوسیستم جنگلی گسترده‌تر و همچنین میزان کربن در حال جداسازی استفاده می‌شوند.

برای توسعه این الگوریتم، محققان ابتدا مجموعه داده های خود را با اندازه گیری دستی درختان و گرفتن عکس جمع آوری کردند. با استفاده از تکنیک‌های پردازش تصویر و بینایی کامپیوتری، آن‌ها توانستند الگوریتمی را آموزش دهند تا تنه‌ها را از شاخه‌های بزرگ متمایز کند، مشخص کند درخت‌ها به کدام سمت متمایل شده‌اند و اطلاعات دیگری که می‌تواند به آن کمک کند اطلاعات جنگل‌ها را اصلاح کند.

Matthew Newman

Matthew Newman Matthew has over 15 years of experience in database management and software development, with a strong focus on full-stack web applications. He specializes in Django and Vue.js with expertise deploying to both server and serverless environments on AWS. He also works with relational databases and large datasets
[ Back To Top ]