యూసఫ్ టాగీ మొల్లాయి, కరంషాహి ఎ మరియు సయ్యద్ యూసఫ్ ఎర్ఫానిఫార్డ్
ఇరాన్లో, భూమి నిర్వహణకు సంబంధించి అటవీ జాబితా సమాచారం చాలా అవసరం ఎందుకంటే ఇరాన్లో 10% అడవులతో కూడి ఉంది. అందువల్ల, చెట్ల గణనలు, ఎత్తు, DBH మరియు వాల్యూమ్ వంటి ఖచ్చితమైన అటవీ సమాచారం అటవీ నిర్వహణకు కీలకం. అటువంటి డేటా సాంప్రదాయకంగా శ్రమతో కూడుకున్న మరియు సమయం తీసుకునే ఫీల్డ్ మెజర్మెంట్ను కలిగి ఉన్నప్పటికీ, రిమోట్ సెన్సింగ్ వంటి కొత్త సాంకేతికతలు ఈ ఫీల్డ్ కొలతలలో కొన్నింటికి అనుబంధంగా మరియు భర్తీ చేశాయి. వ్యక్తిగత చెట్ల సమాచారాన్ని సేకరించేందుకు వివిధ రకాల సెన్సార్లు ఉపయోగించబడినప్పటికీ, WV-2 అధిక ప్రాదేశిక మరియు వర్ణపట రిజల్యూషన్ను కలిగి ఉన్నందున ఉపరితల సమాచారాన్ని సేకరించేందుకు ఇటీవల వరల్డ్వ్యూ-2 (WV-2) ఉపయోగించబడింది. ఈ అధ్యయనంలో, WV-2 ఉపగ్రహాన్ని వర్గీకరించడానికి మరియు అధ్యయన సైట్లలో UAV ఇమేజ్తో అంచనా ఖచ్చితత్వాన్ని చేయడానికి ఆబ్జెక్ట్ బేస్ వర్గీకరణలు (KNN మార్గంతో) ఉపయోగించబడ్డాయి. ఎండిన చెట్లను వెలికితీసేందుకు ఆబ్జెక్ట్ ఆధారిత అల్గోరిథం యొక్క వర్గీకరణ ఖచ్చితత్వం ఉత్తమమని అధ్యయనం సూచిస్తుంది. వ్యక్తిగత చెట్లను గుర్తించడం మరియు కొలవడం నుండి అటవీ లక్షణాలను సేకరించేందుకు WV-2 డేటా యొక్క అవకాశాన్ని అంచనా వేయడానికి ఈ అధ్యయనం నిర్వహించబడింది. మా ఫలితాలు WV-2 డేటా, ఆబ్జెక్ట్-బేస్డ్ క్లాసిఫికేషన్తో కూడిన NDVI అనేక కారణాల వల్ల మరియు అనేక అటవీ విస్తీర్ణంలో చెట్ల మరణాలను గుర్తించడానికి ఉపయోగించవచ్చని నిరూపిస్తున్నాయి.