امروزه در علم سنجش از دور به دلیل وجود سنجنده های با توان تفکیک فضایی و طیفی بالا و به کارگیری انواع شاخص های گیاهی، امکان شناسایی و تفکیک دقیق ساختار پدیده های طبیعی با استفاده از داده های ماهواره ای فراهم شده است. بر این اساس کسب اطلاعات از ساختار جنگل ها با استفاده از داده های ماهواره ای در راستای مدیریت منابع تجدید پذیر مورد توجه قرار گرفته است. در این تحقیق با بهره گیری از داده های ماهواره GeoEye-1 و الگوریتم های طبقه بندی مختلف در روش های پیکسل پایه، شی پایه و مدل پایه نسبت به تهیه نقشه های مراحل تحولی جنگل های طبیعی منطقه تنکابن در شمال ایران اقدام شد. صحت نقشه های خروجی با پارامترهای صحت کلی و ضریب کاپا ارزیابی گردید. نتایج نشان داد که حداکثر دقت (78 درصد) در روش شی پایه متکی به قطعه بندی ناظر به شاخص NDVI و الگوریتم حداکثر احتمال برآورد شد. همچنین الگوریتم های تابع الگوهای ساختاری در توزیع پیکسل ها، دقت بالاتری را ارایه دادند. به طور کلی نتایج این تحقیق پتانسیل قابل توجه داده های GeoEye-1 در تهیه نقشه های مراحل تحولی جنگل را نشان داده که می تواند در اقدامات مدیریتی مورد استفاده قرار گیرد. Manuscript profile

زمینه و هدف: با عنایت به وضوح مکانی بالای داده های Geoeye، به دلیل توزیع گسترده تر پیکسل ها، نقشه های خروجی در دو روش طبقه بندی الگوریتم شبکه عصبی و شاخص پوشش جنگلی (FCD)، حساس تر و با جزئیات پیکسلی بیشتر همراه هستند. با توجه به حجم زیاد اطلاعات در سنسورهای جدید، هدف این مطالعه توسعه و ارتقاء عملکرد الگوریتم های طبقه بندی پیچیده تر، برای تفسیر داده های ماهواره ای مدرن است. روش بررسی: طبقه بندی مدل پایه FCDبراساس چهار شاخص اصلی، حساس به سایه، خاک بدون پوشش، شرایط و تراکم پوشش گیاهی، و بدون نیاز به نمونه تعلیمی، عمل می نماید. الگوریتم شبکه عصبی با حساسیت بالایی نسبت به باندهای تصویر اصلی و باندهای ایجاد شده و اضافه شده به تصویر و همچنین نمونه آموزشی معرفی شده، عمل می کند. نمونه های تعلیمی، تابستان 1395و 96 در سری 5 و 6 حوزه آبخیز 30 رامسر، بررسی گردیدند. یافته ها: با استفاده از روش یاد شده دقت 5/24٪ برای روش FCD و 2/26٪ برای روش شبکه عصبی بدست آمده است. با توجه به اینکه داده های استفاده شده از وضوح بالایی برخوردارند، نقشه خروجی در این روش توسعه یافته، با تراکم بالای پولی گون ها همراه است. بحث و نتیجه گیری: با توجه به دامنه ظهور پیکسل ها در نقشه های خروجی دو روش یاد شده، روش توسعه یافته ای برای تولید نقشه دقیق تر، با توجه به قدرت تفکیک مکانی زیاد سنجنده Geoeye، ارائه شده است. در این روش با طبقه بندی مجدد در محدوده حداکثر فراوانی پیکسل ها، مرزبندی پولی گون ها در ابعاد بسیار کوچکتر و دقیق تر قابل ملاحظه است. Manuscript profile