ارزیابی مدلهای پارامتریک و ناپارامتریک در تخمین تراکم تاجپوشش جنگلهای زاگرس با استفاده از سنجش از دور و یادگیری ماشین
نویسندگان
1 استادیار گروه علوم و فناوریهای محیطی، دانشکده مهندسی انرژی و منابع پایدار، دانشگاه تهران
2 دانشکده منابع طبیعی و محیطزیست،دانشگاه فردوسی مشهد، مشهد، ایران
3 بخش تحقیقات جنگلها و مراتع، مرکز تحقیقات کشاورزی و منابع طبیعی استان خوزستان، سازمان تحقیقات، آموزش و ترویج کشاورزی، اهواز،
4 دانشیار، دانشکده علوم جنگل، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، ایران
5 استاد، دانشکده علوم جنگل، دانشگاه علوم کشاورزی و منابع طبیعی، گرگان، ایران
doi
10.22059/ije.2025.397227.1873چکیده
موضوع: ارزیابی مدلهای پارامتریک و ناپارامتریک در تخمین تراکم تاجپوشش جنگلهای زاگرس با استفاده از سنجش از دور و یادگیری ماشین.هدف: هدف از انجام این تحقیق مقایسۀ روشهای پارامتریک و ناپارامتریک در برآورد درصد تاجپوشش جنگل در بخشی از اکوسیستم زاگرس بود.روش تحقیق: برای رسیدن به هدف تحقیق از نمونه برداری میدانی جهت تعیین درصد تاج پوشش و تصویر ماهوارهای با اندازه تفکیک مکانی بالا پلیآدیساستفاده شد و شاخصهای TSAVI، NDVI و WDVI تهیه گردید. سپس ارزشهای حاصل از تهیۀ شاخصهای پوشش گیاهی در محل قطعات نمونه با استفاده از تابع Zonal statistical در Arc GIS استخراج و از رگرسیون خطی چندگانه و شبکۀ عصبی مصنوعی برای برآورد تراکم پوشش گیاهی استفاده شد. برای مقایسۀ این دو مدل از متغیرهای RMSE، RMSE% و R2 استفاده شد.یافتهها: نتایج رگرسیون خطی چندگانه نشان داد که میزان R2 و RMSE% در سطح اعتماد 0/05 بهترتیب برابر 0/54 و 10/4 بود. همچنین نتایج شبکۀ عصبی مصنوعی نشان داد که میزان R2 و RMSE% بهترتیب برابر 0/82 و 4/5 به دست آمد.نتیجهگیری: نتایج مقایسۀ مدلهای رگرسیونی خطی چندگانه و شبکۀ عصبی مصنوعی نشان داد که شبکۀ عصبی ضمن خطای کمتر، برآورد بهتری نسبت به رگرسیون خطی چندگانه در برآورد تراکم پوشش گیاهی دارد.