Watershed vs. Region Growing for Individual Tree Segmentation from Airborne LiDAR: An Urban Case Study in Bologna
تقارن هذه الدراسة بين خوارزميتي تقسيم الأحواض والنمو المتزايد لتجزئة الأشجار الحضرية الفردية من بيانات ليدار (LiDAR) المحمولة جواً في بولونيا، كاشفةً عن ملفات تعريف تمييزية متميزة لكل طريقة مع تسليط الضوء على أوجه القصور في السجلات البلدية الحالية كحقائق أرضية، ومبرهنةً على وجود مسار نموذجي لاستخلاص مؤشرات الغطاء النباتي مثل الكتلة الحيوية وإنتاج حبوب اللقاح.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
تخيل أنك محقق تحاول حل لغز في غابة عملاقة غير مرئية. لكن هذه ليست غابة من التراب والأوراق التي يمكنك لمسها؛ إنها غابة من حزم الضوء. يستخدم العلماء أداة خاصة تسمى LiDAR (كشف الضوء وتحديد المدى) لإطلاق أشعة الليزر من السماء. ترتد أشعة الليزر هذه عن كل شيء — المباني، والسيارات، والأشجار — وتعود لتخبرنا بدقة مدى ارتفاعها. الأمر يشبه ارتداء المدينة لبدلة ثلاثية الأبعاد مكونة من ملايين النقاط الصغيرة.
الآن، تخيل أن لديك كومة هائلة من هذه النقاط، ومهمتك هي معرفة أي النقاط تنتمي لأي شجرة. تسمى هذه العملية التجزئة (segmentation). وهي عملية صعبة لأن الأشجار في المدن غالبًا ما تنمو بالقرب من بعضها البعض، وتتشابك أغصانها مثل خيوط المعكرونة المتداخلة، كما أن بعضها يكون طويلاً بينما البعض الآخر قصير. إذا لم تتمكن من التمييز بين شجرة وأخرى، فلن تتمكن من عدّها، أو قياس صحتها، أو تخمين مقدار الكربون الذي تمتصه من الهواء. وهذا أمر مهم لأن المدن تزداد حرارة، والأشجار هي مكيفات الهواء الطبيعية. ولإدارتها، نحتاج إلى معرفة من هو مَن بالضبط وسط هذا الحشد الأخضر.
تتحدث هذه الورقة عن محققين مختلفين يحاولان حل هذا اللغز في مدينة بولونيا بإيطاليا. المحقق الأول يستخدم طريقة تسمى Watershed (تقنية تقسيم المياه)، وهي تشبه سكب الماء فوق منظر طبيعي وعر. يتدفق الماء نحو الوديان، وحيث يلتقي الماء من واديين مختلفين، يكون ذلك هو الحد الفاصل بين شجرتين. أما المحقق الثاني الذي يستخدم Region Growing (نمو المنطقة)، فهو يشبه أكثر لعبة "توصيل النقاط". يبدأ من قمة الشجرة مباشرة ويمسك بالنقاط القريبة التي تبدو وكأنها تنتمي لنفس العائلة، لينمو الشجرة نحو الخارج حتى يصطدم بجار له.
اختبر الباحثون كلا المحققين على 12 شريحة مختلفة من المدينة. وإليكم ما وجدوه: وجد المحقق الذي يستخدم طريقة Watershed أشجارًا أكثر — 7,589 شجرة! لكنه بدا مندفعًا بعض الشيء؛ فقد قطع الأشجار الكبيرة إلى قطع صغيرة كثيرة، ووجد عددًا هائلًا من الأشجار الصغيرة التي يبلغ طولها حوالي 5 أمتار فقط. كان الأمر كأنه يرى شجرة بلوط ضخمة ويظن أنها في الواقع غابة من الشتلات الصغيرة لأن "الماء" علق في المنخفضات الصغيرة للأوراق.
أما محقق Region Growing فكان أكثر تحفظًا. لقد وجد أشجارًا أقل — 6,432 شجرة — ولكنه كان أفضل في رصد العمالقة. فقد نجح في تحديد الأشجار التي يزيد طولها عن 40 مترًا، والتي فاتتها الطريقة الأخرى. حدث هذا لأن طريقة "نمو المنطقة" لم تقم بتنعيم البيانات، بل حافظت على النقاط العالية والحادة لأطول الأشجار سليمة.
حاول الفريق أيضًا التحقق من عملهم بمقارنته بالقائمة الرسمية لأشجار المدينة، وهي قاعدة بيانات تسمى Alberi in manutenzione. كانوا يأملون في استخدام هذه القائمة كـ "حقيقة" لمعرفة من هو المصيب. لكن القائمة تبين أنها فوضوية نوعًا ما؛ فحوالي نصف الأشجار التي رآها نظام الـ LiDAR لم تكن موجودة في القائمة على الإطلاق. كما أن بعض المواقع في القائمة كانت تحتوي على أشجار لم تعد موجودة، وكانت سجلات الارتفاع تعود في الغالب إلى 20 عامًا مضت. كان الأمر كأنك تحاول التحقق من واجبك المنزلي باستخدام كتاب مدرسي من عقد من الزمن فقد نصف صفحاته. وبسبب ذلك، لم يستطع المؤلفون الجزم بأي المحققين كان مثاليًا، لكنهم استطاعوا رؤية أن قائمة المدينة القديمة لم تكن جيدة بما يكفي لتكون هي الحكم.
رغم هذا الارتباك، استخدم الفريق خرائط الأشجار الجديدة الخاصة بهم لحساب بعض الأرقام الرائعة. فقد قدروا كمية الكربون التي تخزنها كل شجرة (مما يساعد في محاربة تغير المناخ) وكمية حبوب اللقاح التي قد تنتجها (مما قد يجعل الناس يعطسون). وحولوا كل هذه البيانات إلى خريطة تفاعلية حيث يمكنك النقر على الشجرة لرؤية ارتفاعها، وحجمها، و"قوة حبوب اللقاح" الخاصة بها.
ما هي الخلاصة الكبرى؟ قائمة الأشجار القديمة في المدينة قديمة وغير موثوقة. طرق الـ LiDAR الجديدة تعمل، لكنها تحتاج إلى ضبط دقيق. طريقة "Watershed" سريعة ولكنها قد ترى الكثير من الأشجار الصغيرة، بينما طريقة "Region Growing" رائعة في رصد العمالقة ولكنها قد تفقد بعض التفاصيل. يقترح المؤلفون أنه في المستقبل، يجب علينا دمج عمليات المسح السماوي هذه مع المسوحات الأرضية والمسوحات الميدانية الحديثة للحصول على الصورة المثالية. وحتى ذلك الحين، توفر هذه العملية الجديدة للمدينة طريقة قوية ومحدثة لرؤية مساحاتها الخضراء، حتى وإن كانت الخرائط القديمة لا تزال تحاول اللحاق بالركب.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.