Yousef Taghi Mollaei, Karamshahi A und Seyyed Yousef Erfanifard
Im Iran sind Informationen zur Waldinventur für die Landbewirtschaftung von entscheidender Bedeutung, da 10 % des Landes aus Wäldern bestehen. Deshalb sind genaue Waldinformationen wie Baumzahl, Höhe, BHD und Volumen für die Waldbewirtschaftung von entscheidender Bedeutung. Während derartige Daten traditionell arbeits- und zeitintensive Feldmessungen erforderten, haben neue Technologien wie die Fernerkundung einige dieser Feldmessungen ergänzt und ersetzt. Obwohl zur Extraktion von Informationen über einzelne Bäume unterschiedliche Arten von Sensoren verwendet wurden, wurde in letzter Zeit WorldView-2 (WV-2) zur Extraktion von Oberflächeninformationen verwendet, da WV-2 über eine hohe räumliche und spektrale Auflösung verfügt. In dieser Studie wurden objektbasierte Klassifikatoren (mit KNN-Methode) verwendet, um den WV-2-Satelliten zu klassifizieren und die Genauigkeit mit UAV-Bildern an den Untersuchungsstandorten zu bewerten. Die Studie ergab, dass die Klassifizierungsgenauigkeit des objektbasierten Algorithmus für die Extraktion trockener Bäume am besten geeignet war. Diese Studie wurde durchgeführt, um die Möglichkeit zu bewerten, mithilfe von WV-2-Daten Waldmerkmale durch Identifizierung und Messung einzelner Bäume zu extrahieren. Unsere Ergebnisse zeigen, dass WV-2-Daten und NDVI mit objektbasierter Klassifizierung verwendet werden können, um Baumsterben mit zahlreichen Ursachen und in mehreren Waldbedeckungstypen zu erkennen.