ارزيابي مشخصات چاله هاي لايه ‌رويه جاده هاي جنگلي با استفاده ازتصاوير پهپاد

مقدمه و هدف: لايه‌رويه جاده با گذشت زمان و بر اثر ترافيك و عوامل جوي دچار آسيب هاي مختلف مي شوند و از كيفيت آن ها كاسته مي شود. بنابراين، استخراج سريع و دقيق ناهنجاري لايه رويه براي نظارت مؤثر بر وضعيت سلامت جاده بسيار مهم است. به منظور بهبود كارايي بازرسي لايه‌رويه، امروزه پهپادها ابزار مفيدي براي به دست آوردن اطلاعات قابل اعتماد در زمينه لايه رويه جاده استفاده مي شود. مواد و روش ها: اين پژوهش با هدف آشكارسازي خرابي لايه رويه جاده هاي جنگلي با استفاده از تصاوير پهپاد و فنون پردازش تصوير در جاده اي به طول 3/6 كيلو متر در جنگل آموزشي و پژوهشي دكتر بهرام نيا استان گلستان انجام گرفت. تصاوير حاصل از پهپاد با استفاده از محاسبات فتوگرامتري پردازش و تصوير ارتوموزائيك و مدل رقومي ارتفاع زمين تهيه شد؛ سپس تصاوير حاصل جهت شناسايي و بررسي چاله هاي لايه‌رويه با استفاده از سه الگوريتم يادگيري نظارت شده نزديك ترين همسايه، K - نزديكترين همسايه  و ماشين بردار پشتيبان مورد بررسي و ارزيابي قرار گرفت. يافته ها: نتايج نشان داد كه تصوير ارتوموزائيك حاصل از محاسبات فتوگرامتري داراي صحت بالايي است. همچنين بررسي صحت الگوريتم هاي مورد استفاده جهت طبقه بندي و شناسايي چاله ها نشان داد كه اين الگوريتم ها قابليت خوبي در شناسايي خرابي لايه‌رويه جاده دارند. الگوريتم نزديك ترين همسايه، K - نزديكترين همسايه و ماشين بردار پشتيبان به ترتيب خرابي هاي لايه رويه را با صحت 92/04، 94/31 و 96/59 درصد برآورد كردند. نتيجه گيري: الگوريتم ماشين بردار پشتيبان يك الگوريتم يادگيري نظارت شده با صحت 96/59 درصد داراي بيشترين صحت طبقه بندي در مقايسه با دو الگوريتم ديگر بود و به عنوان يك روش مناسب جهت طبقه بندي و شناسايي خرابي ها در اين پژوهش معرفي شد. از تصاوير پهپاد حاصل و الگوريتم هاي يادگيري نظارت شده مي توان براي شناسايي ناهنجاري لايه رويه جاده هاي جنگلي از جمله چاله ها استفاده كرد.