ناصری با اشاره به اهمیت پایش سلامت جنگلها گفت: سرخشکیدگی و خشکیدگی درختان از جمله چالشهای مهم بومشناختی و مدیریتی در جنگلهای ایران است. شناسایی بهموقع این پدیدهها میتواند به مدیران جنگل کمک کند تا کانونهای آسیبدیده را سریعتر شناسایی کرده و اقدامات مدیریتی مناسب را در مناطق بحرانی انجام دهند.
وی افزود: هدف این پژوهش، ارائه روشی نوین برای شناسایی، پایش و بررسی تغییرات مکانی درختان سرخشکیده و خشکیده با استفاده از دادههای سنجشازدور با قدرت تفکیک مکانی بالا نظیر تصاویر رقومی پهپاد و بهکارگیری الگوریتمهای پیشرفته هوش مصنوعی بود. منطقه جنگلی النگدره گرگان بهعنوان محدوده مطالعه انتخاب شد و وضعیت درختان در سالهای ۱۳۹۳، ۱۳۹۵ و ۱۴۰۴ مورد بررسی قرار گرفت.
این پژوهشگر اظهار کرد: در مرحله نخست، تصاویر مربوط به سالهای مورد مطالعه پس از انجام اصلاحات هندسی پردازش شدند و مدلهای رقومی سطح و ارتوفتوموزاییک منطقه تهیه شد. سپس با برداشت و تهیه نقشههای دقیق واقعیت زمینی، موقعیت درختان سرخشکیده و خشکیده مشخص شد تا از این اطلاعات برای آموزش و ارزیابی مدلهای هوش مصنوعی استفاده شود.
وی ادامه داد: برای شناسایی خودکار درختان هدف، چهار مدل هوش مصنوعی شامل YOLO11s-SAM، YOLO11s-seg، DeepLabV3+ و SegFormer به کار گرفته شدند. عملکرد این مدلها با استفاده از شاخصهایی مانند F1-score، صحت کلی و ضریب کاپا مورد ارزیابی قرار گرفت تا میزان دقت آنها در شناسایی درختان آسیبدیده مشخص شود.
ناصری افزود: نتایج ارزیابی عملکرد اجرایی مدلها نشان داد که مدل SegFormer در سه دوره مورد بررسی عملکرد بهتری داشت. بااینحال، در ارزیابی نقطهای، مدل تلفیقی YOLO11s-SAM در هر سه سال بهترین عملکرد را نشان داد. در ارزیابی مبتنی بر پلیگون نیز YOLO11s-SAM در سالهای ۱۳۹۳ و ۱۳۹۵ و SegFormer در سال ۱۴۰۴ عملکرد برتری داشتند. …
