بررسي قابليت داده هاي تصاوير رقومي هوايي UltraCam-D در شناسايي گونه‌هاي درختي در جنگل هاي آميخته خزري (مطالعه موردي: شصت كلاته گرگان)

Investigation on capability of digital aerial images in recognizing of different tree species in the Hyrcanian mixed forest (Case study: Shastkalateh forest, Gorgan)

تشخيص گونه هاي درختي و تهيه نقشه تركيب درختان نقش مهمي در اتخاذ تصميمات بهينه براي مديريت بوم سازگان جنگلي در نواحي وسيع ايفا مي كنند. بررسي قابليت منابع متفاوت سنجش‌ازدوري نظير تصاوير رقومي هوايي در منابع مختلف جنگلي به‌عنوان راهكار جايگزين روش‌هاي زميني در سال‌هاي اخير موردتوجه قرارگرفته است. داده‌هاي سنجش از دور، به ويژه تصاوير هوايي رقومي با قدرت تفكيك مكاني و راديومتري بالا ابزار مناسبي براي شناسايي گونه‌هاي درختي مي‌توانند باشند. در روش هاي معمول پيكسل‌-پايه، طبقه‌بندي پيكسل‌هاي تصاوير مي‌تواند با الگوريتم‌هاي مختلفي صورت گيرد. روش هاي متداول طبقه بندي رقومي نظير الگوريتم حداكثر شباهت، رايج‌ترين روش‌هاي مبتني بر طبقه‌بندي پيكسل پايه مي باشند. استفاده از روش هاي نوين طبقه‌بندي نظير الگوريتم ناپارامتريك ماشين بردار پشتيبان و مقايسه كارايي اين الگوريتم‌ها ضروري مي باشد. سابقه و هدف: با توجه به انجام چند تحقيق در بررسي قابليت تصاوير رقومي هوايي در جنگل‌هاي شهري و جنگلكاري‌هاي شمال كشور و عدم وجود تحقيق در زمينه بررسي قابليت تصاوير رقومي هوايي در شناسايي گونه هاي درختي در جنگل هاي آميخته خزري، هدف از اين تحقيق، بررسي قابليت تصاوير هوايي رقومي (UltraCam-D) در شناسايي گونه هاي درختي جنگل‌هاي پهن‌برگ آميخته خزري (در بخشي از سري يك جنگل شصت كلاته گرگان) و مقايسه كارايي دو الگوريتم پيكسل-پايه حداكثر شباهت و ماشين بردار پشتيبان است. مواد وروش ها: نقشه واقعيت زميني گونه‌هاي درختي با ثبت دقيق موقعيت مكاني 128 پايه درختي با سيستم موقعيت‌ياب جهاني تفاضلي تهيه گرديد. تشخيص و طبقه‌بندي گونه هاي درختي به روش پيكسل پايه با مجموعه باندهاي اصلي و مصنوعي حاصل از پردازش باندها و با استفاده از دو الگوريتم حداكثر شباهت و ماشين بردار پشتيبان صورت گرفت. ارزيابي صحت نقشه هاي حاصل از طبقه بندي ها با استفاده از 25 درصد نمونه هاي واقعيت زميني انجام شد، يافته ها: نتايج ارزيابي صحت بعد از انجام فيلتر نشان دادند نقشه حاصل از طبقه‌بندي با الگوريتم حداكثر شباهت به ترتيب داراي صحت كلي و ضريب كاپا 63/63 درصد و ۰/۵۱ و براي الگوريتم ماشين بردار پشتيبان به ترتيب 37/42 درصد و 0/2 بوده است. نتيجه گيري: با مقايسه نتايج حاصل نمايان شده كه روش طبقه‌بندي پيكسل پايه در تشخيص گونه‌هاي درختي به خاطر خاصيت فلفل نمكي يا استفاده نكردن از داده هاي كمكي در فرآيند طبقه بندي (شيب، ارتفاع و غيره) به‌طور نسبي مؤثر واقع نشده است. استفاده از ديگر روش‌ها مثل روش طبقه بندي شي پايه در تشخيص گونه‌هاي درختي پيشنهاد مي‌شود. هم چنين بايد ارزيابي قابليت اين تصاوير، در شرايط رويشگاهي مختلف امتحان شود.؛ ؛ ؛ ؛ حداكثر شباهت

Identify tree species and Mapping compound of trees play an important role in making optimal decisions for the management forests ecosystem of large areas. evaluation different sources, of remote sensing such as, aerial digital images of forest resources as an Solutions, Replace Ground methods is Considered in recent years. Remote sensing data, especially digital aerial images with high spatial and radiometric resolution could be a useful tool to identify tree species. By conventional methods pixel-based, classification the pixels of the images can be done the different algorithms. Digital classification conventional methods such as maximum likelihood algorithm the most common methods based on pixel-based classification. The use of modern methods of classification Such as parametric algorithm support vector machine is essential compare the performance. Background and objectives: According to a few studies to examine the ability of these images of urban forests and forestation north of the country, And lack of research evaluating the ability of Digital images aerial identify tree species the of Caspian mixed forests, the aim of this study research is investigation of capability of UltraCam-D aerial digital photographies in identify tree species the Caspian Mixed Hardwood forest regional of area of district 1 of Shast Kalate forest in GORGAN and compare Operation two pixel-based algorithm the maximum likelihood and support vector machine. There are several ways to extract information from this type of image. Materials and methods: provided the ground truth map position of 128 dominant trees by accurate registration with DGPS. Identify and classification of tree species using pixel–based method and Collection of original bands and artificial bands was derived processing bands using the maximum likelihood algorithm and support vector machine was used. Accuracy assessment of Maps derived from classification done with the use of 25% of the ground truth Results: After filtering accuracy evaluation results showed the map of the classification with maximum likelihood algorithm to the overall accuracy and kappa coefficient of 63.63% and 0.51, and support vector machine algorithm to the 42.37% and 0.2 respectively. Conclusion: By comparing the results show that the pixel-based classification method in identifying tree species because of the salt and pepper effect or not using of the auxiliary data (slope, elevation, etc.) in the classification process has been relatively effective. The use of other methods such as object classification method based on identify of tree species is recommended. In addition, need to assess the capability of the images data in different tested habitat conditions.