بهبود مدل تراكم تاج پوشش جنگلي مبتني بر افزودن شاخص FCC و اعمال كرنل ميانگين

Improvement of the forest canopy density model based on the addition of the FCC index and the average kernel implementation

آگاهي از روند تغييرات تراكمي عرصه هاي جنگلي نيازمند مدلي كارآ براي طبقه بندي تاج پوشش جنگل است. چالش مقدماتي تفكيك تاج پوشش جنگل از ساير پوشش هاي گياهي غيرجنگلي نظير بوته زارها، نيزارها و بيشه هاي متراكم است. در ادامه تلاش هاي قبلي براي بهبود عملكرد مدل FCD در اين پژوهش با افزودن شاخص FCCI توام با اعمال كرنل ميانگين عملكرد مدل FCD ارتقاء يافت. طبقه بندي تاج پوشش تراكمي جنگل هاي هيركاني مبتني بر تصاوير سال 1396 سنجنده لندست 8 به منظور پياده سازي، ارزيابي، صحت سنجي و تحليل نتايج برگزيده شد. افزايش دقت مدل و حصول نتايج بهتر كاملا ملموس بوده و حتي از تفسير چشمي نتايج نيز قابل تاييد است. تحليل آماري نتايج نيز از افزايش 10% و 24% دقت كلي و ضريب كاپا مدل بهبوديافته نسبت به مدل اوليه حكايت دارد كه البته در دو كلاس متراكم و بدون جنگل بارزتر مي نمود. بصورت مشخص دقت كلاسي اين دو منطقه در نتايج حاصل از مدل بهبوديافته به ترتيب حدود 13% و 7% افزايش نشان مي دهد

Awareness of the trend of forest canopy density classification requires an operational exact model for forest crown classification. The preliminary challenge is the separation of the forest crown from other non-warlike vegetation coverings. In the following, previous attempts to improve the performance of the FCD model, in this study, by adding the FCC index and the kernel, improved the average performance of the FCD model. The crown classification of Hyrcanian forests based on images of 1396 Landsat 8 was selected for implementation, evaluation, validation and analysis of the results. Improving the accuracy of the model is entirely sensible and even manual interpretation confirm it. The statistical analysis of the results also indicates a 10% and 24% increase in overall accuracy and kappa coefficient of the improved model compared to the initial model. Specifically, the accuracy of these two classes in the results of the improved model is about 13% and 7%, respectively.