ارزیابی چهار الگوریتم پیش بینی سطح تاج پوشش جنگل های مانگرو با استفاده از تصاویر دوربین هوایی

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.