ارزیابی چهار الگوریتم پیش بینی سطح تاج پوشش جنگل های مانگرو با استفاده از تصاویر دوربین هوایی
چکیده
امروزه استفاده از شاخصهای اکولوژیک همانند تاجپوشش درختان برای شناخت وضعیت اکوسیستمهای خاص نظیر رویشگاههای مانگرو و پایش و ارزیابی تغییرات ایجاد شده در طی زمان، امری ضروری میباشد. هدف از این مطالعه استفاده از قابلیت داده های طیفی با قدرت تفکیک مکانی بالادر برآورد مشخصه سطح تاج پوشش با استفاده از الگوریتم های پارامتریک و ناپارامتریک در جنگلهای 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 تاجپوشش در قطعه نمونه و در هکتار به درصد محاسبه گردید. تصاویر مورد استفاده در این تحقیق مربوط به عملیات عکسبرداری در تاریخ 20/10/91 است که با استفاده از دوربین رقومی ultracam-x برداشت گردید. پس از انجام پیشپردازش ها و پردازش های مناسب، ارزش های رقومی متناظر با قطعات نمونه زمینی از باندهای طیفی استخراج و به عنوان متغیرهای مستقل و درصد تاجپوشش به عنوان متغیر وابسته در نظر گرفته شدند. مدل سازی با الگوریتمهای نزدیک ترین همسایه، ماشین بردار پشتیبان، جنگل تصادفی و رگرسیون خطی چندمتغیره با 70 % از قطعات نمونه انجام گردید و نتایج با 30 % باقیمانده قطعات نمونه مورد ارزیابی قرار گرفت. به منظور پیشبینی درصد تاجپوشش، نتایج الگوریتم جنگل تصادفی، نزدیکترین 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 تاجپوشش را بهتر پیشبینی نماید. نتایج این تحقیق نشان داد الگوریتمهای ناپارامتریک جنگل تصادفی، نزدیکترین همسایه و ماشین بردار پشتیبان قابلیت بالاتری نسبت به الگوریتم پارامتریک رگرسیون خطی چندمتغیره در برآورد مشخصه درصد تاجپوشش دارا می باشند.