کاربرد منحنی ROC در ارزیابی روش‌های طبقه‌بندی پیکسل- ‌پایه روی تصاویر هوایی UltraCam-D برای تفکیک تاج درختان در توده‌های خالص بلوط ایرانی در جنگل‌های زاگرس

مدیریت پایدار جنگل در زاگرس نیازمند برآورد تراکم تاج‌پوشش درختان جنگلی است و صحت نقشه‌های مربوط به این ویژگی که از سنجش از دور به‌دست آمده است، باید با روش‌های مناسب مورد ارزیابی قرار گیرد. این پژوهش با هدف ارزیابی نتایج سه طبقه‌بندی‌کننده پیکسل- ‌پایه روی تصاویر هوایی UltraCam-D برای تفکیک تاج درختان بلوط ایرانی در جنگل‌های زاگرس به‌وسیله منحنی عملیاتی دریافت‌کننده (ROC) انجام شد. یک قطعه‌نمونه با مساحت 30 هکتار در بخشی از توده‌های خالص بلوط ایرانی این جنگل‌ها انتخاب شد و موقعیت مکانی و محدوده تاج همه درختان آن به‌طور کامل مساحی شدند. تصویر هوایی UltraCam-D منطقه موردنظر بااستفاده از طبقه‌بندی‌کننده‌های حداکثر احتمال (ML)، شبکه عصبی مصنوعی (ANN) و ماشین بردار پشتیبان (SVM) طبقه‌بندی شد. سپس نتایج حاصل از طبقه‌بندی بااستفاده از منحنی ROC و شاخص‌های صحت کلی و ضریب کاپا و نقشه واقعیت زمینی مورد ارزیابی قرار گرفت. نتایج نشان داد بیشترین سطح زیر منحنی ROC مربوط به «تاج درختان» در طبقه‌بندی‌کننده ML بوده است (894/0) و در مقابل، کمترین سطح زیر منحنی مربوط به طبقه‌بندی‌کننده SVM بود (819/0). حساسیت و ویژگی «تاج درختان» در طبقه‌بندی‌کننده ML (به‌ترتیب 999/0 و 999/0) بیشتر از دو طبقه‌بندی‌کننده دیگر بود. اگرچه دقت طبقه‌بندی‌کننده SVM در تفکیک «تاج درختان» حداکثر مقدار ممکن بود (000/1)، اما صحت این طبقه در طبقه‌بندی‌کننده‌ ML (999/0) بیشتر بود. به‌طور کلی این پژوهش نشان داد که منحنی ROC قادر به ارزیابی صحت و دقت روش‌های طبقه‌بندی پیکسل- پایه موردبررسی روی تصاویر هوایی UltraCam-D به‌منظور تفکیک «تاج درختان» بوده است.