عنوان مقاله :
بررسي قابليت هاي تصاوير رقومي هوايي دوربين UltraCam-D در تشخيص گونه‌هاي كنار و گون مناطق نيمهخشك (مطالعه موردي پشتكوه استان بوشهر)
پديد آورندگان :
رشيدي، محمدجواد داﻧﺸﮕﺎه ﻋﻠﻮم ﻛﺸﺎورزي و ﻣﻨﺎﺑﻊ ﻃﺒﻴﻌﻲ - داﻧﺸﻜﺪه ﻣﻨﺎﺑﻊ ﻃﺒﻴﻌﻲ، ﺳﺎري , فلاح، اصغر شتايي داﻧﺸﮕﺎه ﻋﻠﻮم ﻛﺸﺎورزي و ﻣﻨﺎﺑﻊ ﻃﺒﻴﻌﻲ - داﻧﺸﻜﺪه ﻣﻨﺎﺑﻊ ﻃﺒﻴﻌﻲ، ﺳﺎري , جويباري، شعبان داﻧﺸﮕﺎه ﻋﻠﻮم ﻛﺸﺎورزي و ﻣﻨﺎﺑﻊ ﻃﺒﻴﻌﻲ - داﻧﺸﻜﺪه ﻣﻨﺎﺑﻊ ﻃﺒﻴﻌﻲ، گرگان
كليدواژه :
الگوريتمهاي پارامتري و ناپارامتري , سنجش از دور , جنگل‌هاي نيمهخشك , شاخص‌هاي پوشش گياهي
چكيده فارسي :
اين تحقيق با هدف بررسي قابليت‌هاي تصاوير رقومي UltraCam-D در شناسايي و تفكيك گونه‌هاي درختچه‌اي كنار و بوته‌اي پاياي گون و تهيه نقشه پراكنش آنها، در بخشي از مناطق نيمهخشك استان بوشهر انجام شد. روش‌هاي مختلف بارزسازي شامل آناليز بافت، تجزيه مؤلفه‌هاي اصلي و نسبت‌گيري بر روي باندها اعمال شد. ميان اين باندها پنج گروه باندي شامل باندهاي اصلي، مجموعه باندي حاصل از آناليز بافت تصوير، باندهاي اصلي به همراه شاخص‌ها و باند اول حاصل از تجزيه مؤلفه‌هاي اصلي و مجموعه بهترين باندهاي حاصل ازحد شاخص مطلوبيت انتخاب شد. نمونه‌هاي تعليمي به روش ميداني تهيه شد و سپس 70 درصد نمونه‌ها با الگوريتمهاي مختلف طبقه‌بندي كننده پيكسل پايه شامل فاصله ماهالانوبيس، حداكثر احتمال، شبكه عصبي، ماشين بردار پشتيبان و جنگل تصادفي براي طبقه‌بندي گروه هاي باندي استفاده شد. ارزيابي صحت نتايج با استفاده از 30 درصد از نمونه‌هاي واقعيت زميني انجام شد. بر اساس نتايج، بالاترين صحت كلي (85/69 درصد) و ضريب كاپا (0/72) در تفكيك سه كلاس گونه درختچه‌اي كنار، بوته‌اي پايا گون و خاك با ساير پوشش گياهي مختلط، مربوط به طبقه‌بندي با الگوريتم فاصله ماهالانوبيس اعمال‌شده بر مجموعه باندهاي اصلي، اولين باند حاصل از تجزيه مولفه اصلي (PC1)، شاخص گياهي (NDVI) و شاخص پوشش گياهي تعديل كننده اثر خاك (SAVI) بود. به‌طوركلي بررسي نتايج حاصل از طبقه‌بندي با روش پيكسل پايه نشان‌دهنده كارآيي قابل‌قبول داده‌هاي رقومي UltraCam-D در شناسايي و تفكيك گونه‌هاي مناطق بياباني به ويژه گونه‌هاي درختچه‌اي كنار از گون و ساير گونه‌هاي بوته‌اي است.
چكيده لاتين :
The present research was carried out with the aim of identification and separation of zizyphus spina christi and Astragalus sp. species as well as providing a distribution map of the mentioned species using UltraCam-D digital images in a part of the mountainous Bushehr province. Different techniques of enhancement were applied including Texture Analysis, Principal Component Analysis (PCA) and ratio of the bands. Five band groups were selected including main bands, band set obtained from image texture analysis, main bands along with indices and the first obtained band from PCA and a collection of the best bands obtained from OIF. The training samples were produced through field method. Then, 70% of the samples were applied for various classifier pixel-based algorithms including, Mahalanobis Distance classification, Maximum Likelihood classification, Neural Net Classification, Support Vector Machine (SVM) and Random Forest classification. Verification of the results was carried out using 30% of actual ground samples. Results of assesment of images classified by various algorithm showed that the maximum overall accuracy (85.69%) and kappa coefficient (0.72) in separating the three classes of zizyphus spina christi, Astragalus sp. and soil from the other mixed vegetation cover are for classification by Mahalanobis Distance Classification algorithm applied on group of four main band, PC1, NDVI and SAVI. In general, the results of classification by pixel-based method represent proper efficiency of UltraCam-D digital data for identification and separation of desert regions species particularly zizyphus spina christi from Astragalus sp and shrub species.
