ارزیابی چهار الگوریتم پیش بینی سطح تاج پوشش جنگل های مانگرو با استفاده از تصاویر دوربین هوایی
محورهای موضوعی : توسعه سیستم های مکانیاکبر قاسمی 1 , اصغر فلاح 2 , شعبان شتایی جویباری 3
1 - دکتری جنگلداری، دانشگاه علوم کشاورزی و منابع طبیعی ساری
2 - دانشیار دانشکده منابع طبیعی، دانشگاه علوم کشاورزی و منابع طبیعی ساری
3 - دانشیار، دانشکده علوم جنگل، دانشگاه علوم کشاورزی و منابع طبیعی گرگان
کلید واژه: بوشهر, مدل سازی, مانگرو, تاج پوشش, دوربین Ultra cam X,
چکیده مقاله :
امروزه استفاده از شاخص های اکولوژیک همانند تاج پوشش درختان برای شناخت وضعیت اکوسیستم های خاص نظیر رویشگاه های مانگرو و پایش و ارزیابی تغییرات ایجاد شده در طی زمان، امری ضروری می باشد. هدف از این مطالعه استفاده از قابلیت دادههای طیفی با قدرت تفکیک مکانی بالادر برآورد مشخصه سطح تاج پوشش با استفاده از الگوریتمهای پارامتریک و ناپارامتریک در جنگل های مانگرو استان بوشهر است. برای انجام تحقیق، 50 قطعه نمونه 400 مترمربع (20×20 متر) به روش خط- نمونه پیاده و اطلاعات قطر برابر سینه، قطر بزرگ و کوچک تاج درختان و ارتفاع تمامی درختان به همراه موقعیت مراکز قطعه نمونه برداشت و سطح تاج پوشش در قطعه نمونه و در هکتار به درصد محاسبه گردید. تصاویر مورد استفاده در این تحقیق مربوط به عملیات عکس برداری در تاریخ 20/10/91 است که با استفاده از دوربین رقومی UltraCam-X برداشت گردید. پس از انجام پیش پردازشها و پردازشهای مناسب، ارزشهای رقومی متناظر با قطعات نمونه زمینی از باندهای طیفی استخراج و به عنوان متغیرهای مستقل و درصد تاج پوشش به عنوان متغیر وابسته در نظر گرفته شدند. مدلسازی با الگوریتم های نزدیکترین همسایه، ماشین بردار پشتیبان، جنگل تصادفی و رگرسیون خطی چند متغیره با 70 % از قطعات نمونه انجام گردید و نتایج با 30 % باقیمانده قطعات نمونه مورد ارزیابی قرار گرفت. به منظور پیش بینی درصد تاج پوشش، نتایج الگوریتم جنگل تصادفی، نزدیک ترین همسایه، رگرسیون خطی چندمتغیره و ماشین بردار پشتیبان به ترتیب با درصد مجذور میانگین مربعات خطا برابر با 57/13، 95/13، 88/14 و 73/17 و اریبی نسبی برابر با 88/3-، 62/4–، 05/5- و 78/2- بدست آمد که الگوریتم جنگل تصادفی با کمترین درصد مجذور میانگین مربعات خطا توانست درصد تاج پوشش را بهتر پیش بینی نماید. نتایج این تحقیق نشان داد الگوریتم های ناپارامتریک جنگل تصادفی، نزدیک ترین همسایه و ماشین بردار پشتیبان قابلیت بالاتری نسبت به الگوریتم پارامتریک رگرسیون خطی چندمتغیره در برآورد مشخصه درصد تاج پوشش دارا میباشند.
Today, it is important to use the ecological indicators, such as canopy cover for recognizing the special status of ecosystems, such as mangrove forests and also monitoring and evaluating changes through a specific period. This study aimed to investigate the sufficiency of parametric and nonparametric algorithms using the spectral data with high spatial resolution in the evaluation of canopy cover in the mangrove forest in the Bushehr province. The vegetative characteristics were studied at 20×20 square meter sample plots. 50 Sample plots were studied for the proposed vegetative characteristic such as diameter, Height and percentage of canopy cover of mangrove forest. The camera UltraCamX digital images which used in this study were harvested to the shooting operation on 2012.01.10. After conducting some proper Preprocessing and processing, the digital values corresponding to the ground samples were extracted from spectral bands and were considered as the independent variables while and the crown canopy percent per plot were considered as the dependent variable. Modeling was carried out based on 75 percent of sample plots using K-Nearest Neighbor methods, support vector machine, random forest and General linear model methods and the results were cross-validated using the remaining 25 percent. The results showed that the best estimates were obtained from the crown canopy percent with method Random Forest, k-NN, SVM and General linear model methods with a root mean square error of 13.57, 13.95, 14.88 and 17.73 percent and relative bias of -3.88, -4.62, -5.05 and -2.88 percent that Random Forest method had the best performance. The results of this study showed UltraCam X Arial spectral data had the high ability for estimating of canopy cover percent.
