بررسی قابلیت داده های تصاویر رقومی هوایی ultracam-d در شناسایی گونه‌های درختی در جنگل های آمیخته خزری (مطالعه موردی: شصت کلاته گرگان)

تشخیص گونه های درختی و تهیه نقشه ترکیب درختان نقش مهمی در اتخاذ تصمیمات بهینه برای مدیریت بوم سازگان جنگلی در نواحی وسیع ایفا می کنند. بررسی قابلیت منابع متفاوت سنجش‌ازدوری نظیر تصاویر رقومی هوایی در منابع مختلف جنگلی به‌عنوان راهکار جایگزین روش‌های زمینی در سال‌های اخیر موردتوجه قرارگرفته است. داده‌های سنجش از دور، به ویژه تصاویر هوایی رقومی با قدرت تفکیک مکانی و رادیومتری بالا ابزار مناسبی برای شناسایی گونه‌های درختی می‌توانند باشند. در روش های معمول پیکسل‌پایه، طبقه‌بندی پیکسل‌های تصاویر می‌تواند با الگوریتم‌های مختلفی صورت گیرد. روش های متداول طبقه بندی رقومی نظیر الگوریتم حداکثر شباهت، رایج‌ترین روش‌های مبتنی بر طبقه‌بندی پیکسل پایه می باشند. استفاده از روش های نوین طبقه‌بندی نظیر الگوریتم ناپارامتریک ماشین بردار پشتیبان و مقایسه کارایی این الگوریتم‌ها ضروری می باشد. سابقه و هدف: با توجه به انجام چند تحقیق در بررسی قابلیت تصاویر رقومی هوایی در جنگل‌های شهری و جنگلکاری‌های شمال کشور و عدم وجود تحقیق در زمینه بررسی قابلیت تصاویر رقومی هوایی در شناسایی گونه های درختی در جنگل های آمیخته خزری، هدف از این تحقیق، بررسی قابلیت تصاویر هوایی رقومی (ultracam-d) در شناسایی گونه های درختی جنگل‌های پهن‌برگ آمیخته خزری (در بخشی از سری یک جنگل شصت کلاته گرگان) و مقایسه کارایی دو الگوریتم پیکسلپایه حداکثر شباهت و ماشین بردار پشتیبان است. مواد وروش ها: نقشه واقعیت زمینی گونه‌های درختی با ثبت دقیق موقعیت مکانی 128 پایه درختی با سیستم موقعیت‌یاب جهانی تفاضلی تهیه گردید. تشخیص و طبقه‌بندی گونه های درختی به روش پیکسل پایه با مجموعه باندهای اصلی و مصنوعی حاصل از پردازش باندها و با استفاده از دو الگوریتم حداکثر شباهت و ماشین بردار پشتیبان صورت گرفت. ارزیابی صحت نقشه های حاصل از طبقه بندی ها با استفاده از 25 درصد نمونه های واقعیت زمینی انجام شد، یافته ها: نتایج ارزیابی صحت بعد از انجام فیلتر نشان دادند نقشه حاصل از طبقه‌بندی با الگوریتم حداکثر شباهت به ترتیب دارای صحت کلی و ضریب کاپا 63/ 63 درصد و 51/ 0 و برای الگوریتم ماشین بردار پشتیبان به ترتیب 42/ 37 درصد و 2/ 0 بوده است. نتیجه گیری: با مقایسه نتایج حاصل نمایان شده که روش طبقه‌بندی پیکسل پایه در تشخیص گونه‌های درختی به خاطر خاصیت فلفل نمکی یا استفاده نکردن از داده های کمکی در فرآیند طبقه بندی (شیب، ارتفاع و غیره) به‌طور نسبی موثر واقع نشده است. استفاده از دیگر روش‌ها مثل روش طبقه بندی شی پایه در تشخیص گونه‌های درختی پیشنهاد می‌شود. هم چنین باید ارزیابی قابلیت این تصاویر، در شرایط رویشگاهی مختلف امتحان شود.