قابليت تصوير ماهواره اي Rapid Eye در تهيه نقشه پراكنش تاج پوشش درختان منطقه جنگلي دشت برم استان فارس

Capability of Rapid Eye Satellite Imagery to Map the Distribution of Canopy Trees in Dashtebarm Forest Area of Fars Province

در اين تحقيق قابليت تصاوير ماهواره‌اي Rapid Eyeدر تهيه نقشه پراكنش تاج ­پوشش درختان بلوط در جنگل‌هاي زاگرس، در منطقه جنگلي دشت­ برم شهرستان كازرون استان فارس مورد بررسي قرار گرفت. در اين مطالعه كيفيت داده­ ها به لحاظ هندسي و راديومتري مورد بررسي قرار گرفت و تصحيح هندسي تصاوير با استفاده از روش چند­جمله­ اي و با استفاده از نقاط كنترل زميني با دقت مناسب انجام شد. به منظور بررسي بكارگيري باندهاي مصنوعي حاصل از پردازش ­هاي مناسب در فرآيند طبقه ­بندي، تصاوير شاخص ­هاي طيفي مناسب گياهي از طريق نسبت‌گيري باندها و تصاوير مولفه ­هاي اصلي با استفاده از تجزيه مؤلفه‌هاي اصلي ايجاد شدند. نقشه واقعيت زميني تاج ­پوشش درختان با اندازه ­گيري محدوده تاج درختان در قطعات نمونه‌ي مربعي شكل با مساحت 400 متر­مربع به‌صورت تصادفي در منطقه تهيه شد. 70 درصد از قطعات نمونه به‌ عنوان نمونه تعليمي و 30 درصد بقيه به‌عنوان نمونه آزمون به ‌صورت تصادفي انتخاب شدند. طبقه­ بندي به دو صورت نقطه و پليگون با دو الگوريتم بيشينه احتمال و ماشين ­بردار پشتيبان، بر روي تصوير اصلي، باند­هاي پردازش‌شده و تركيب تصوير اصلي با باندهاي پردازش‌شده صورت گرفت. نتايج ارزيابي صحت نقشه­ ها در اين مطالعه نشان داد كه بالاترين صحت كلي و ضريب كاپا به ­ترتيب با مقدار 98/52 درصد و 0/97؛ در حالت نقطه‌اي با باند­هاي پردازش‌شده و الگوريتم ­هاي بيشينه احتمال و همچنين با تركيب تصويراصلي با باندهاي پردازش‌شده و الگوريتم ماشين­ بردار پشتيبان ( SVM )، بوده است. همچنين در طبقه ­بندي به‌صورت پليگون، بالاترين صحت كلي و ضريب كاپا مربوط به نقشه­ هاي طبقه­ بندي شده بااستفاده از باند­هاي پردازش‌شده، با مقدار 87/50 درصد و 0/75 با الگوريتم بيشينه احتمال و 90/78 درصد و ضريب‌ كاپاي 0/81 با الگوريتم ماشين­بردار پشتيبان بوده است. به­ طور كلي نتايج اين مطالعه نشان داد كه تصاوير Rapid Eyeبراي تهيه نقشه پراكنش تاج­ پوشش درختان جنگلي در جنگل­ هاي زاگرس داراي قابليت مناسب مي­ باشد.

In this research, the possibility of using capability of Rapid Eye satellite imagery for mapping the crown distribution of oak trees in Zagros forests was investigated in the Dashtebarm forest area of ​​Kazeroun, Fars province. In this study, data quality was investigated geometrically and radiometrically and geometric correction of the images was done using a linear method and using precision ground control points. In order to investigate the use of artificial bands obtained from appropriate processes in the classification process, images of appropriate plant spectrum indices were created by mapping the bands and images of the main components using the principal components analysis (PCA index). The vegetation map of crowns of trees was measured by measuring the crowns of trees in square sample samples with an area of ​​400 square meters in a randomized way. 70% of samples were selected as educational sample and 30% of the rest were randomly selected. Two-point and polygonal classifications with two maximum likelihood algorithms and support vector machines were was performed on the original image, the processed bands, and the main image composition of the processed bands. The results of the accuracy assessment of the maps in this study showed that the highest overall accuracy and Kappa coefficient were 98.52% and 0.97, respectively, in the point of processing with processed bands and maximum likelihood algorithms, as well as by composition of with the original image composition The original is with processed bands and support vector machines algorithm (SVM). Also, in the polygonal classification, the highest overall accuracy and kappa coefficient of the maps classified using the processed bands were 87.50% and 0.75 with the maximum likelihood algorithm and 90.78% and coefficient Kappa 0.81 has been supported by the car engine algorithm. In general, the results of this study showed that Rapid Eye images are suitable for preparing the crown distribution map of forest trees in Zagros forests