تعیین قابلیت دادههای سنجندة ASTER و روشهای درخت طبقهبندی و رگرسیونی و جنگل تصادفی در تهیة نقشة تیپ جنگل
نویسندگان
1 دانشیار گروه علوم جنگل، دانشکدة منابع طبیعی، دانشگاه علوم کشاورزی و منابع طبیعی ساری، ساری، ایران
2 دانشجوی دکتری گروه علوم جنگل، دانشکدة منابع طبیعی، دانشگاه علوم کشاورزی و منابع طبیعی ساری، ساری، ایران
3 دانشجوی دکتری گروه علوم جنگل، دانشکدة منابع طبیعی، دانشگاه علوم کشاورزی و منابع طبیعی ساری، ساری، ایران
4 دانشیار گروه جنگلداری، دانشکدة منابع طبیعی، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، گرگان، ایران
doi
10.22059/jfwp.2015.53078چکیده
شناسایی واحدهای همگن و تفکیک آنها و نهایتاً برنامهریزی برای هر واحد، اصولیترین راه برای مدیریت واحدهای جنگلی محسوب میشود. هدف از این مطالعه، تهیة نقشة تیپ جنگل با استفاده از دادههای سنجندة ASTER و نیز استفاده از دو الگوریتم درخت طبقهبندی و رگرسیونی و جنگل تصادفی در سری یک جنگل آموزشی و پژوهشی دارابکلا است. برای این هدف، ابتدا با استفاده از شبکة آماربرداری 350×500 متر تعداد 150 قطعه نمونه در کل سری برداشت شد. پس از پیشپردازشهای لازم مانند تصحیح هندسی، اتمسفریک، پردازشهای نسبتگیری باندها، ایجاد شاخصهای متداول گیاهی، تجزیة مؤلفة اصلی، و تولید شاخص تسلدگپ (روشنایی، سبزینگی، نمناکی) انجام شد. سپس مقادیر طیفی متناظر با قطعات نمونه بر روی باندهای اصلی و پردازششده استخراج شد و ارزشهای سایر پیکسلها با استفاده از الگوریتمهای مورد بررسی طبقهبندی شد. ارزیابی صحت نتایج طبقهبندی با تعدادی قطعه نمونه که در فرایند طبقهبندی شرکت نداشتند صورت گرفت. نتایج نشان داد که نقشة تهیهشده با استفاده از روش جنگل تصادفی با صحت کلی 66 درصد و ضریب کاپای 58/0 در مقایسه با روش الگوریتم درخت طبقهبندی و رگرسیونی بهترتیب با صحت کلی 58 درصد و ضریب کاپای 49/0 دارای صحت بالاتری است. در مجموع نتایج نشان داد که دادههای سنجندة ASTER و الگوریتمهای درخت طبقهبندی و رگرسیونی و جنگل تصادفی نتایج مقبولی در تهیة نقشة تیپ جنگل در جنگل دارابکلا دارند.