ارزيابي دقت داده‌هاي پهپاد در برآورد ميزان خشكيدگي درختان شمشاد (مطالعه موردي: پارك جنگلي سيسنگان استان مازندران)

پيشينه و هدف پارك جنگلي سيسنگان يكي از زيستگاه هاي مهم شمشاد خزري در كشور به‌حساب مي آيد. اما در چند سال اخير به دليل بيماري خشكيدگي دچار بحران شده و بسياري از پايه هاي شمشاد از بين رفته اند. پايش و مديريت اين منطقه مي تواند در اموري مانند كنترل، حفاظت و حمايت اين منطقه مؤثر باشد. به دليل مساحت زياد پايه هاي از بين رفته، امكان برآورد مساحت به‌صورت دقيق با استفاده از داده هاي موجود وجود ندارد. اندازه گيري هاي دستي نيز كاري بسيار زمان‌بر و طاقت فرساست. اين امر مستلزم اين است تا راهي بيابيم كه به‌صورت دقيق و خودكار اين فرآيند را انجام دهد. پهپادها با استفاده از سنجنده هاي بسياري دقيقي (تفكيك مكاني) كه دارند، اين امكان را فراهم آورده اند. روش هاي مختلف طبقه بندي نيز از راهكارهايي هستند كه مي توان به‌منظور تفكيك خودكار درختان خشكيده از درختان سبز به كار گرفت. هدف از اين پژوهش، ارزيابي توانايي داده هاي پهپادهاي ارزان قيمت با سنجنده ‌هاي معمولي در آشكارسازي و پهنه بندي مناطق دچار خشكيدگي اثبات گردد و با توجه به اينكه هزينه پهپادهايي با سنجنده هاي چند طيفي (باند لبه قرمز و مادون ‌قرمز نزديك) بسيار زياد است، بتوان اين هزينه را كاهش داد. مواد و روش هاپارك جنگلي سيسنگان در 30 كيلومتري شرق شهرستان نوشهر استان مازندران در عرض جغرافيايي 30 ́ 33 ̊ 36 تا 30 ́ 35 ̊ 36 و طول جغرافيايي 00 ́ 47 ̊ 51 تا 30 ́ 49 ̊ 51 قرارگرفته است. اين پارك علاوه بر نقش تفرجي كه دارد بسياري از گونه هاي گياهي مهم كشور در آن رشد يافته اند. ازجمله مهم‌ترين اين گونه ها مي توان به شمشاد خزري اشاره كرد. پهپادي كه در اين پژوهش استفاده گرديد از نوع پهپادهاي عمودپرواز است. دوربيني كه بر روي اين وسيله تعبيه ‌شده است قابليت ثبت تصاوير 20 مگاپيكسلي را دارد. عمليات تصويربرداري در تاريخ هشتم آذرماه 1396، ساعت 10 صبح انجام پذيرفت كه مدت‌زمان آن 45 دقيقه طول كشيد. براي نمونه برداري ميداني از منطقه موردمطالعه بازديد به عمل آمد و نقاط مختلف آن ازنظر تراكم پايه هاي خشكه‌دار شمشاد و درختان سبز مشخص گرديد. سپس سه قطعه‌نمونه دايره اي با شعاع 60 متر و مساحت 1.13 هكتار در منطقه طراحي گرديد و تراكم پايه هاي خشكه دار شمشاد و پايه هاي زنده و سبز در آن ها مشخص گرديد. سپس در هر قطعه‌ نمونه در نقاطي كه پايه هاي شمشاد قرار داشتند، 50 نقطه تعليمي و همچنين در نقاطي كه پايه هاي زنده، پوشش علفي كف و تمشك نيز قرار داشتند، 50 نقطه  ثبت گرديد. در اين پژوهش به‌منظور بررسي ميزان دقت تصاوير پهپاد در شناسايي و طبقه بندي مناطق پوشيده از خشكه دار هاي شمشاد، كوچك‌ترين پايه هاي خشكه‌دار شمشاد كه كمترين وسعت تاج را داشتند نيز ثبت گرديد. به دليل اينكه تصاوير پهپاد احتياج به تصحيحات هندسي دارند، ابتدا ازنظر هندسي و موقعيت جغرافيايي تصحيح شدند. به‌منظور انجام فرآيند طبقه بندي، وارد نرم افزار ENVI شدند. در هر قطعه‌نمونه 100 نقطه ثبت گرديده بود كه 75 عدد از آن ها براي انجام فرآيند طبقه بندي نظارت‌شده و 25 عدد از آن ها نيز براي ارزيابي صحت طبقه بندي استفاده گرديد. براي طبقه بندي اين تصاوير از سه الگوريتم طبقه بندي نظارت ‌شده شبكه عصبي مصنوعي، حداكثر احتمال و حداقل فاصله به‌ كاربرده شد. در پايان پس از انجام هركدام از مراحل طبقه بندي، از فيلتر پايين گذر با ابعاد پنجره 3 در 3 پيكسل، براي هموارسازي تصاوير استفاده شد. براي ارزيابي نتايج نيز شاخص هاي ضريب كاپا و دقت كلي به كار گرفته شد. نتايج و بحث در اين تعداد قطعه‌نمونه، 579 پايه اندازه گيري گرديد. شمشاد با اختلاف زيادي، بيشترين فراواني را در منطقه به خود اختصاص داد. پس‌ازآن ممرز و انجيلي و بلوط به ترتيب دررتبه هاي بعدي قرار دارند. از نتايج حاصل مشخص شد كه الگوريتم شبكه عصبي مصنوعي بهترين نتايج را نسبت به دو الگوريتم ديگر داشته است. اما نتايج شبكه عصبي مصنوعي نيز با توجه به شرايط قطعه‌نمونه داراي نوساناتي است. اين الگوريتم با دقت كلي 97.47 درصد و ضريب كاپا 0.94 بهترين نتايج را در تفكيك و آشكارسازي خشكه دار هاي شمشاد در قطعه‌نمونه با غلبه خشكه دارهاي شمشاد داشتند. پس از الگوريتم شبكه عصبي مصنوعي، الگوريتم بيشينه شباهت نتايج مطلوب تري را در تفكيك پايه هاي خشكه‌دار شمشاد از خود نشان داد. الگوريتم كمترين فاصله نتايج مطلوبي از خود نشان داد، اما ميزان دقت آن به‌اندازه دو الگوريتم قبل نبود. هر سه الگوريتم در تفكيك پايه ها در قطعه‌نمونه با غلبه پايه هاي زنده نتايج ضعيف تري را نسبت به دو قطعه‌نمونه ديگر از خود نشان دادند. قطعه‌نمونه با غلبه پايه هاي زنده و سبز در مقايسه با دو قطعه‌نمونه ديگر پديده‌ها و عوارض بيشتري را در خود جاي‌داده است و از نظر بافت تصوير نيز در مقايسه با دو قطعه ‌نمونه ديگر تفاوت هاي زياد و محسوسي دارد. در اين قطعه ‌نمونه علاوه بر وجود پايه هاي سبز و خشكه‌ دارهاي شمشاد، پوشش علفي كف و توده هاي تمشك نيز به چشم مي خورد. در اين پژوهش نتايج طبقه بندي و آشكارسازي خشكه دارهاي شمشاد با استفاده از الگوريتم شبكه عصبي مصنوعي بسيار بهتر از الگوريتم هاي بيشينه شباهت و كمترين فاصله بود. ازجمله دلايل بهتر بودن نتايج الگوريتم شبكه عصبي مصنوعي مي توان به غيرخطي بودن و ناپارامتريك بودن آن اشاره كرد. اما در طبقه بندي به‌وسيله الگوريتم هاي سنتي مانند روش هاي آماري، به دليل اينكه انعطاف پذيري كمتري دارند، دقت پايين‌تري داشته. انواع پارامتريك روش هاي سنتي مانند الگوريتم بيشينه شباهت، به خاطر وابستگي به آمار گوسي، درصورتي‌كه داده ها نرمال نباشند نمي تواند دقت مطلوبي در طبقه بندي و تفكيك طبقات از يكديگر داشته باشد. در الگوريتم هاي سنتي مانند الگوريتم هاي بيشينه شباهت و كمترين فاصله، داده هاي آموزشي نقش حياتي دارند. در اين روش ها فرض بر اين است كه توزيع در داخل نمونه هاي آموزشي بايد نرمال باشد، به‌طوري‌كه اگر نتوان اين شرط را محيا نمود، دقت طبقه بندي به‌شدت كاهش مي يابد. درحالي‌كه روش هاي شبكه عصبي مصنوعي بر اساس ويژگي ها و ساختار خود داده ها عمل مي كنند. نتيجه گيري نتايج حاصل از اين پژوهش نشان داد كه مي توان با استفاده از داده ها و تصاوير معمولي يك پهپاد ارزان ‌قيمت به بررسي وضعيت خشكيدگي درختان بعد از فوران بيماري و تعيين مساحت آن پرداخت. برخلاف هزينه هاي زيادي كه به‌منظور خريد سنجنده هاي گران ‌قيمت به ‌منظور پايش وضعيت پوشش گياهي صورت مي گيرد، مي توان از اين شيوه هاي ارائه‌شده در اين مقاله، با هزينه هاي بسيار كمتري اقدام كرد. اين روش مي تواند در تعيين ميزان سطح پوشش هاي خشكيده كمك شاياني به نهاد هاي زيربط كند.