مقایسه روشهای طبقه بندی پیکسل پایه، شئ پایه و درخت تصمیم در تهیه نقشه تیپ های جنگل با استفاده از داده های سنجش از دور (مطالعه موردی: جنگل آستارا)

نقشه های قابل اعتماد از تیپ جنگل ها نقش مهمی در اتخاذتصمیمات بهینه برای مدیریت اکوسیستمهای جنگلی در نواحی وسیع ایفا می کنند. در سال های اخیر تهیه این نقشه ها از طریق طبقه بندی رقومی دادههای سنجش از دور به عنوان جایگزینی مناسب موردتوجه قرار گرفته است. نتایج حاصله در این زمینه برحسب روشهای طبقهبندی مورداستفاده، وضعیت پوشش جنگلی، شرایط منطقه موردمطالعه و دادههای بکار گرفته شده متفاوت بوده است. هدف از این تحقیق، مقایسه روشهای طبقهبندی پیکسلپایه و شئپایه و درخت تصمیم برای تهیه نقشه تیپهای جنگل با استفاده از تصویر ماهوارهای SPOT۵ در محدودهای از جنگل آستارا واقع در شمال ایران است. اطلاعات زمینی با استفاده از ۱۵۳ پلات به صورت تصادفی درمساحت های یک هکتاری تهیه گردید. نوع تیپ در هر پلات بر اساس درصد فراوانی کل نوع گونهها تعیین شد و شامل تیپهای انجیلی آمیخته، پهن برگ مخلوط، ممرز آمیخته، راش آمیخته و حفاظتی بود. برای تهیه نقشه این تیپها، در روش پیکسلپایه با استفاده از داده های طیفی و طبقهبندیکننده شبکه عصبی، صحت کلی ۰۴/۵۲ درصد و ضریب کاپای ۳۹/۰ حاصل شد و در روش طبقهبندی شئپایه با روش نزدیکترین همسایه و توابع فازی، صحت کلی ۳/۶۳ درصد و ضریب کاپای ۵۴/۰ بدست آمد. به دلیل تشابه طیفی تیپهای آمیخته جنگل و تفکیک پذیری پائین آنها از یکدیگر در محدوده باندهای طیفی از اطلاعات بافت و دادههای توپوگرافی موثر در پراکنش مکانی تیپها شامل ارتفاع، جهت، شیب و فاصله از شبکه آبراهه برای کلاسهبندی تیپهای آمیخته جنگل استفاده گردید. بکارگیری دادههای کمکی در روشهای طبقهبندی پیکسلپایه و شئپایه حاکی از مفید بودن مدل رقومی ارتفاع در مقایسه با سایر دادههای کمکی در تفکیک تیپها داشت. استفاده از دادههای مربوط به فاکتورهای محیطی بعنوان متغیرهای کمکی در کنار دادههای طیفی در روش درخت تصمیم به صحت کلی ۵/۷۶ درصد و ضریب کاپای ۷/۰ در تفکیک تیپهای آمیخته جنگل منجرشد که نشان دهنده افزایش قابل ملاحظه صحت میباشد. مقایسه نتایج حاصل از روشهای طبقهبندی بکار گرفته شده در این تحقیق بیانگر پتانسیل بالای روش شئپایه در بکارگیری دادههای طیفی برای کلاسهبندی تیپهای آمیخته جنگل در مقایسه با روش طبقهبندی پیکسلپایه بود. همچنین تیپهای آمیخته جنگل با استفاده از دادههای کمکی در کنار دادههای طیفی با روش درخت تصمیم بهتر از روشهای پیکسلپایه و شئپایه در محدوده مطالعه تفکیک شد.