Please use this identifier to cite or link to this item: https://ptsldigital.ukm.my/jspui/handle/123456789/475901
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorWan Shafrina Wan Mohd Jaafar, Ts Dr.-
dc.contributor.authorAisyah Marliza Muhmad Kamarulzaman (P103420)-
dc.date.accessioned2023-10-05T06:42:54Z-
dc.date.available2023-10-05T06:42:54Z-
dc.date.issued2021-06-10-
dc.identifier.otherukmvital:130786-
dc.identifier.urihttps://ptsldigital.ukm.my/jspui/handle/123456789/475901-
dc.descriptionPembalakan memilih yang dijalankan di Hutan Simpanan Kekal (HSK) dapat memberikan impak yang besar terhadap kawasan yang dibalak. Aktiviti ini mempengaruhi sesebuah sistem ekologi hutan dan mengakibatkan perubahan pada alam sekitar. Bagi mengekalkan kelestarian kawasan HSK, pemantauan dan pemetaan kesemua impak akibat daripada aktiviti pembalakan seperti pengesanan tunggul kayu, pokok tumbang, jalan balak utama, lorong penarik dan bukaan kanopi hutan adalah sangat penting. Dalam kajian ini, penilaian indikator impak akibat pembalakan memilih dianalisis dan dikaji menggunakan gabungan bidang inventori hutan dan teknologi penderiaan jauh dengan menggunakan imej pesawat udara tanpa pemandu (UAV). Kawasan penyelidikan seluas 48 hektar terletak di Hutan Simpan Ulu Jelai, Lipis, Pahang. Kajian ini bertujuan untuk mengesan indikator impak utama iaitu tunggul kayu, menilai kaedah pengkelasan yang terbaik bagi mengesan kesemua indikator impak dan mengetahui keluasan yang terjejas akibat daripada aktiviti pembalakan memilih di kawasan Hutan Simpan Ulu Jelai. Kaedah integrasi Padanan Templat (TM) dan Analisis Imej Berasaskan Objek (OBIA) diaplikasikan bertujuan untuk pengesanan dan proses segmentasi dilakukan terhadap tunggul kayu yang dikategorikan sebagai indikator utama. Hasil kajian output daripada proses integrasi di atas dikelaskan menggunakan pengkelasan pembelajaran mesin. Bukaan kanopi hutan digunakan untuk mengesan kawasan yang terjejas daripada Model Ketinggian Kanopi (CHM) melalui beberapa ciri-ciri maklumat daripada kaedah pengkelasan. Jika dibandingkan dengan data lapangan, pengesanan tunggul kayu yang menggunakan kaedah integrasi TM dan OBIA memberikan ketepatan keseluruhan sebanyak 75.8%. Kesan lain daripada aktiviti pembalakan seperti lorong penarik, pokok tumbang dan jalan balak utama diekstrak melalui pengkelasan hutan dengan menggunakan algoritma Mesin Vektor Sokongan (SVM) dan Rangkaian Neural Buatan (ANN). Pengkelasan pembelajaran mesin daripada pendekatan SVM menggunakan kernel fungsi asas jejarian (RBF) memberikan ketepatan keseluruhan sebanyak 85.0%, sementara ANN dengan 500 iterasi memberikan ketepatan 79.4%. Aktiviti pembalakan juga mengakibatkan pengurangan keluasan hutan sebanyak 18.6%. Hasil kajian ini menunjukkan bahawa UAV dapat digunakan untuk melakukan analisis impak secara efisien dan dapat digunakan untuk melengkapkan prosedur inventori hutan yang konvensional.,Sarjana-
dc.language.isomay-
dc.publisherUKM, Bangi-
dc.relationInstitute of Climate Change / Institut Perubahan Iklim-
dc.rightsUKM-
dc.subjectPembalakan-
dc.subjectUniversiti Kebangsaan Malaysia -- Dissertations-
dc.subjectDissertations, Academic -- Malaysia-
dc.titlePengesanan indikator impak selepas pembalakan memilih menggunakan imej pesawat udara tanpa pemandu-
dc.typeTheses-
dc.format.pages166-
Appears in Collections:Institute of Climate Change / Institut Perubahan Iklim

Files in This Item:
File Description SizeFormat 
Pengesanan indikator impak selepas pembalakan memilih menggunakan imej pesawat udara tanpa pemandu.pdf
  Restricted Access
Partial1.67 MBAdobe PDFThumbnail
View/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.