معلومات محددة حول أنواع الأشجار دقيقة للغاية بالنسبة لمراقبة الموارد الغابية وإدارتها وتقييم النظام البيئي ودراسة التنوع الحيوي. استنادًا إلى توافر بيانات الطيف العالي و ليزر LiDAR (الكشف والتحديد بالضوء) على متن الطائرات، فإن هذا يعطي فرصًا جديدة لتصنيف أنواع الأشجار في الغابات. على الرغم من أنه تمت العديد من الدراسات الصغيرة لتصنيف أنواع الأشجار استنادًا إلى بيانات الطيف العالي و LiDAR في السنوات الأخيرة، فإن العوامل التي تؤثر على دقة تصنيف البيانات الطيفية و LiDAR في السيناريوهات الأكبر للغابات لا تزال غير كافية. ولذلك، من أجل تحسين دقة تصنيف أنواع الأشجار في الغابات الصناعية على المدى الأطول في التطبيقات الفعلية، تم تصميم 4 استراتيجيات تصنيف (مشتقات الفهرس النباتي للصور متعددة الفوهات غير المعدلة من ناحية دالة توزيع انعكاس الثنائي BRDF (Bidirectional Reflectance Distribution Function) ؛ مشتقات الفهرس النباتي للصور متعدلة من ناحية BRDF ؛ مشتقات الفهرس النباتي للصور مع BRDF مع ميزة ارتفاع الأشجار ؛ مشتقات الفهرس النباتي للصور مع BRDF مع ميزة ارتفاع الأشجار ومعلومات تجمع كرات الأشجار)، واستنادًا إلى مزرعة سهانبا في سهل الطائرة كدراسة حالة، تم التركيز على تحليل مقارنة هذه الاستراتيجيات الأربع لتحديد مدى تأثير المعالجة الموحدة للطيف في الصور التي تم الحصول عليها على متن الطائرات وإدخال ميزات ارتفاع الأشجار ومعلومات تجمع الأشجار على دقة تصنيف أنواع الأشجار في الغابات الصناعية. وأظهرت الدراسة (1) أن تصنيف أنواع الأشجار على أساس معلومات تقسيم الأشجار يمكن أن يقلل بشكل فعّال من الأخطاء في تصنيف أنواع الأشجار الموجودة في نفس التاج الواحد، وإن المساهمة في تحسين دقة تصنيف أنواع الأشجار كانت signifiantة بنسبة 10.74٪؛ (2) عن طريق إجراء معالجة موحدة للصور المأخوذة على متن الطائرات، على الرغم من أنه تم تقليل الفروق في الانعكاس الطيفي لأنواع الأشجار نفسها بسبب هندسة الشمس - المراقبة، إلا أن تأثيره على تحسين دقة تصنيف أنواع الأشجار كان محدودًا (بنسبة 3.48٪)؛ (3) في المناطق التي يكون فيها بنيان الأشجار الرأسي مماثلًا بشكل كبير بين الأنواع المختلفة من الأشجار، أو في المناطق التي يوجد فيها نفس النوع من الأشجار في مراحل نمو متعددة نفسها، يمكن أغفال المساهمة لارتفاع بنائي التاج CHM (Canopy Height Model) في تحسين دقة تصنيف أنواع الأشجار (بنسبة 0.67٪) تماما. وباختصار، على الرغم من أن تصنيف أنواع الأشجار بتوافر الطيف العالي وLiDAR يُظهر قيمة تطبيقية جيدة وإمكانات جيدة في غابات الاصطناعية على نطاق واسع، إلا أنه ما زال هناك حاجة إلى تحليل عميق وتطوير للعوامل العديدة التي تؤثر، من أجل وضع أسس علمية لتنفيذ مراقبة فعالة للموارد الغابية وإدارتها وتطبيقات الاستشعار عن بعد الأخرى في صناعة الحراج.

تصنيف الأشجار؛ بيانات الطيف العالي على متن الطائرات؛ معالجة BRDF؛ بيانات LIDAR؛ تقسيم الأشجار الفردية؛ غابات الاصطناعية؛ فهرس النباتات؛ سهانبا في سهل الطائرة