بررسي قابليت برخي شاخص هاي بافتي حاصل از عكس هاي هوايي در تهيه نقشه انبوهي جنگل (مطالعه موردي: خرم آباد لرستان)

Investigation on the some textural indices from aerial photographs for forest canopy density mapping (Case study: Khoramabad, Lorestan)

استخراج شاخص هاي بافتي از عكس هاي هوايي سياه و سفيد ممكن و در كسب اطلاعات، مناسب است. اين تحقيق با هدف تهيه نقشه انبوهي جنگل بر اساس عكس هاي هوايي و با استفاده از شاخص هاي بافتي در سامان عرفي تاف در استان لرستان اجرا شد. چهار 4 قطعه عكس هوايي 1:40000 كه با اندازه تفكيك مكاني 56/0 متر اسكن شده بود دريافت شد و با استفاده از مشخصات دوربين، علايم حاشيه اي، مدل رقومي ارتفاع و نقاط كنترل زميني مورد تصحيح هندسي ارتو قرار گرفت. شاخص هاي بافتي شامل انحراف معيار، ميانگين و تباين در ابعاد مختلف ماتريس هم وقوعي از تصوير استخراج شدند. عملكرد ماتريس بر روي تصوير با تغيير ابعاد در شاخص هاي مختلف بررسي شد و طبقه بندي تراكم تاج پوشش جنگل روي عكس اصلي و تصاوير بافتي مختلف صورت گرفت. انتخاب مناسب ترين شاخص و ابعاد ماتريس هم وقوعي با استفاده از بررسي نتايج صحت حاصل از طبقه بندي با خوارزميك حداكثر تشابه انجام گرفت. نتايج اين تحقيق بيانگر برتري تصاوير شاخص هاي بافتي نسبت به عكس اصلي از لحاظ صحت طبقه بندي تراكم تاج پوشش است. در بين شاخص ها، بهترين نتايج مربوط به طبقه بندي با شاخص ميانگين با ابعاد ماتريس هم وقوعي 13×13 بود. صحت كلي و ضريب كاپاي نقشه حاصل با استفاده از اين شاخص، به ترتيب 36/61 درصد و 48/0 به دست آمد. نتايج اين تحقيق نشان داد كه با كمك گرفتن از شاخص هاي بافتي مي توان صحت استخراج اطلاعات از عكس هاي هوايي سياه و سفيد را افزايش داد.

Textures are useful indices for extracting information from aerial photographs. The main objective of this study was to map forest canopy cover density based on aerial photographs using textural indices in the middle part of Zagros forests, west of Iran. Four Arial photographs with scales and spatial resolution of 1:40000 scale and 0.56 meter respectively were used. Photos were orthorectified by Arial camera parameters, digital elevation model, fiducial marks and ground control points. Texture indices including standard deviation, mean and contrast in difference dimension of co-occurrence matrix were extracted from aerial photographs. Forest canopy cover density classification was done on original and textural bands. Useful index and co-occurrence matrix dimension were chosen using accuracy assessment by maximum likelihood algorithm. Results indicated that classification using texture indices had higher accuracy than original channel. Based on the results of this study, mean index with matrix dimension, 13×13 pixel showed the best accuracy in comparison with other indices. Overall accuracy and kappa coefficient were obtained 61.36% and 0.48, respectively using mean index. Although, the results showed an average accuracy, this method is still useful for mapping forest cover. Finally, black and white aerial photographs can be used to extract more accurate information using texture.