مقايسه روش‌هاي ناپارامتري طبقه‌بندي بردار پشتيبان و درخت تصميم در برآورد ويژگي‌هاي كمي تك درختان بلوط ايراني، تالاب هفت برم، روي تصاوير ماهواره‌ايي WorldView-2

Compare of non-parametric classification methods involve SVM and Decision Tree in evaluation quantitative characteristic of individual tress of Persian Oak (Quercus Brantii Lindl.), Haft Barm wetland on WorldView-2 satellite images

يكي از متداول­ترين كاربردهاي جنگل داري، شناسايي درختان منفرد و تركيب گونه­ هاي درختان با استفاده از تجزيه و تحليل تصوير و طبقه­ بندي تصاوير ماهواره­اي يا هوايي است. هدف از اين مطالعه، ارزيابي روش­ هاي طبقه­ بندي بردار پشتيبان (SVM) و درخت تصميم (DT) در برآورد ويژگي­ هاي كمي درختان بلوط در تصاوير WorldView-2 و تصاوير پهپادي (UAV) است. در اين مطالعه، جنگل هفت برم شيراز، به عنوان منطقه مورد مطالعه به منظور بررسي پتانسيل تصاوير ماهواره­اي WV-2مورد بررسي قرار گرفت. برآورد پارامترهاي جنگلي با تمركز روي استخراج تك درخت با استفاده از روش­ هاي طبقه­ بندي SVM و DT با ارزيابي ماتريس پيچيده و سطح زير منحني (AUC) با كمك تصوير هوايي فانتوم4 (UAV) در دو منطقه مجزا مورد ارزيابي قرار گرفت. داده ­ها با استفاده از آزمون ­هاي Tمستقل، تحليل رگرسيون چند متغيره، با استفاده از نرم افزار ،Excel 2016 ، SPSS 2و PCI Geomatica 16 ،ENVI,5eCognation,8.7 و Google Earth 7.3 تحليل شد. طبقه ­بندي بردار پشتيبان، بالاترين و بهترين دقت را در برآورد پارامترهاي تك درخت داشت. روش طبقه ­بندي SVM، يك روش بسيار مفيد براي شناسايي درختان بلوط در جنگل­ هاي كوهستاني زاگرس مي­باشد. با استفاده از داده ­هاي WV-2، پارامترهاي درختان منفرد در جنگل مي­توانند استخراج شوند. روش بردار پشتيبان بر روي تصاوير WV-2 با صحت كلي SVM، 96 درصد و ضريب كاپاي آن0/97 نتايج قابل قبولي را بدست آورد. نتايج حاصل از تجزيه و تحليل رگرسيوني نشان داد كه استفاده از تصاوير ماهواره ايي WV-2 (R2=0.98) براي برآورد تاج پوشش درختان مناسب است. در حالي كه پهپاد، پتانسيل ارائه راه حل ­هاي قابل انعطاف و عملي براي نقشه برداري جنگل­ ها را دارد، برخي از مسائل مربوط به كيفيت تصوير هنوز هم براي بهبود عملكرد طبقه ­بندي بايد مورد توجه قرار گيرند.

One of the most common uses of forestry is to identify individual trees and compassions tree species using image analysis and satellite or aerial image classification. The aim of this study is to evaluate support vector machines (SVM) and Decision Tree (DT) classification methods in estimating the quantitative characteristics of oak trees in WorldView-2 images and UAVs.
In this study, Haft-Barm forest, Shiraz, was considered as a study area to assess the potential of Worldview-2 satellite images in 2015. Estimation of forest parameters with a focus on single tree extraction using SVM and DT classification methods with complex matrix evaluation and area under operational characteristic curve (AUC) with the help of UAV4 Phantom Bird image was evaluated in two separate areas. Data were analyzed using independent T-tests, multivariate regression analysis, using SPSS 25, Excel 2016, eCognation v. 8.7, ENVI, 5, PCI Geomatica 16 and Google Earth 7.3 software. The SVM classification had the highest and best accuracy in estimating single tree parameters. The SVM classification method was a very useful way to identify the oak tree Zagros mountain forest. Using WV-2 data, the parameters of single trees in the forest can be extracted. The SVM algorithm using WV-2 also produced very promising result, with 96% overall accuracy and a Kappa index of 0.97. The results of regression analysis indicated that using WV-2 images (R2= 0.97) was suitable for estimating canopy area on the forest.  While UAVs have the potential to provide flexible and practical solutions for mapping forests, some issues related to image quality still need to be addressed to improve classification performance.