ارزيابي قابليت خوارزميك‌هاي مختلف و تفسير بصري تصاوير گوگل ارث در تفكيك و طبقه‌بندي واحدهاي اكولوژيك گياهي

سابقه و هدف: تصاوير ماهواره اي و فناوري سنجش از دور از ابزارهاي كارآمد و نوين جهت استخراج اطلاعات مربوط به علوم زمين شناخته مي شوند كه ارزيابي و پايش اكوسيستم ها را با هزينه اي كمتر از روش هاي ميداني ممكن مي سازند. يكي از مهم ترين روش هاي استخراج اطلاعات از داده هاي ماهواره اي، تكنيك هاي مختلف طبقه بندي تصاوير است. پژوهش حاضر به منظور ارزيابي قابليت خوارزميك هاي طبقه بندي درختي و درخت تصميم گيري بر روي تصاوير ماهواره اي سنتينل 2 و همچنين تفسير بصري تصاوير گوگل ارث جهت تفكيك و طبقه بندي واحدهاي اكولوژيك گياهي در يكي از مراتع نيمه استپي استان چهارمحال و بختياري صورت گرفته است. مواد و روش ها: جهت تفكيك واحدهاي اكولوژيك گياهي (واحدهاي همگن پوشش گياهي) ابتدا از روش تفسير بصري استفاده شد كه شامل تعيين پلي گون ها بر روي تصوير و سپس تعريف مناطق همگن با خصوصيات مشابه بود تا نوع تيپ غالب و پوشش سطحي زمين تشخيص داده شود. سپس ويژگي هر پلي گون بر اساس گونه هاي غالب و نوع آشفتگي ها تفسير و يك طبقه بندي كلي انجام گرفت. بعد از تفكيك واحدهاي اكولوژيك گياهي و جداسازي مرز تقريبي واحدها، نمونه برداري از پوشش گياهي مطابق با زمان اوج حداكثر رشد گونه هاي گياهي انجام شد. پس از تعيين پوشش گياهي و توليد آن، ميانگين درصد پوشش هاي گياهي برآورد شده در محدوده هر واحد اكولوژيك محاسبه شد. براي اين منظور، ابتدا گونه غالب گياهي هر واحد مشخص و سپس گونه‌هاي همراه آن مشروط به داشتن 50 درصد و يا بيشتر پوشش گونه ماقبل آن تعيين شد. در نهايت واحدهاي اكولوژيك گياهي تشخيص داده شده حاصل بر اساس گونه غالب و به روش فيزيونوميك و فلورستيك، نام گذاري و به‌صورت آمار توصيفي بيان شد. در اين مطالعه علاوه بر روش تفسير بصري، از خوارزميك هاي طبقه بندي درختي و درخت تصميم گيري نيز جهت توليد نقشه پوشش گياهي استفاده شد. بدين منظور تصاوير چندطيفي سنجنده MSI سنتينل 2 به عنوان منبع اصلي پردازش مورد استفاده قرار گرفت. در مرحله بعد نمونه هاي كنترل زميني به عنوان الگوي مشخصات طيفي طبقات، از هر گروه از واحدهاي اكولوژيك گياهي در طي عمليات ميداني و به صورت تصادفي برداشت شدند. سپس تفكيك نمونه ها به مجموعه داده هاي آموزشي و آزمايشي انجام گرفت، بدين صورت كه قسمتي براي طبقه بندي (يك سوم نمونه ها) و بخشي ديگر جهت برآورد صحت نتايج حاصل از خوارزميك هاي طبقه بندي ذكر شده (دوسوم نمونه ها) تقسيم شدند. به منظور استخراج هرچه بهتر اطلاعات، لايه‌هاي كمكي همچون مدل رقومي ارتفاع، تحليل مؤلفه هاي اصلي و شاخص هاي گياهي نظير NDVI به همراه داده هاي طيفي در فرآيند طبقه بندي مورد استفاده قرار گرفتند. سپس نسبت به طبقه بندي خوارزميك ها در نرم افزار Idrisi TerrSet اقدام شد. بدين ترتيب نقشه هاي واحدهاي اكولوژيك گياهي مربوط به منطقه مورد مطالعه به دست آمد. جهت ارزيابي صحت نتايج طبقه بندي، نقشه هاي حاصل با نقاط واقعيت زميني ثبت شده مورد بررسي قرار گرفت. سپس ماتريس خطاي مربوط به هر روش توسط نرم افزار توليد و در نهايت ارزيابي و مقايسه آماره هاي استخراج شده انجام شد. نتايج: نتايج حاصل از تفسير بصري نشان داد در نهايت 7 نوع واحد اكولوژيك گياهي كه از نظر ويژگي هاي ساختاري متفاوت بودند شناسايي شدند كه شامل Astragalus verus، Bromus tomentellus، Scariola orientalis، Astragalus verus-Bromus tomentellus، Astragalus verus-Stipa hohenikeriana، Bromus tomentellus-Stipa hohenikeriana و Stipa hohenikeriana مي باشد. نتايج به دست آمده از خوارزميك طبقه بندي درختي نشان داد كه واحد اكولوژيك Astragalus verus-Stipa hohenikeriana با 0/99 درصد و واحد اكولوژيك Bromus tomentellus با 0/90 درصد به ترتيب بالاترين و پايين ترين دقت توليد كننده را دارا هستند. در حالي كه بالاترين دقت استفاده كننده (دقت كاربر) مربوط به واحد اكولوژيك Astragalus verus با 0/99 درصد و پايين ترين مقدار آن متعلق به واحد اكولوژيك Stipa hohenikeriana با 0/85 درصد است. از طرفي نتايج حاصل از خوارزميك درخت تصميم گيري بيانگر دقت توليد كننده و دقت كاربر بالاي 0/95 درصد در تمامي واحدهاي اكولوژيك گياهي مي باشد. به طوري كه واحد اكولوژيك Astragalus verus و Astragalus verus-Stipa hohenikeriana با 100 درصد و واحد اكولوژيك Bromus tomentellus با 0/95 درصد به ترتيب بيشترين و كمترين دقت توليد كننده را دارا مي باشند. در حالي كه بيشترين دقت كاربر مربوط به واحد اكولوژيك Astragalus verus-Bromus tomentellus با 100 درصد و كمترين مقدار آن متعلق به واحد اكولوژيك Bromus tomentellus-Stipa hohenikeriana با 97/0 درصد است. نتايج همچنين حاكي از آن است كه دقت كلي و ضريب كاپا براي خوارزميك طبقه بندي درختي به ترتيب برابر 0/94 درصد و 0/92 و براي خوارزميك درخت تصميم گيري برابر 0/99 درصد و0/97 مي باشد. نتيجه گيري: با توجه به نتايج به دست آمده مي توان بيان نمود كه خوارزميك درخت تصميم گيري از قابليت بالاتري در به كارگيري اطلاعات طيفي جهت كلاسه بندي واحدهاي اكولوژيك گياهي در مقايسه با خوارزميك طبقه بندي درختي برخوردار بوده و منجر به نتايج دقيق تري شد. همچنين ادغام باندهاي كمكي به‌دست آمده از تصاوير اصلي به همراه باندهاي خام، مي تواند باارزش ترين اطلاعات را براي تشخيص واحدهاي اكولوژيك گياهي فراهم آورد. نتايج تحقيق حاضر همچنين حاكي از آن است كه در صورت در دسترس نبودن تصاوير چندطيفي ماهواره هاي با قدرت تفكيك مناسب، استفاده از تصاوير گوگل ارث با توجه به سهولت دسترسي و رايگان بودن آن ها در تهيه نقشه هاي موضوعي مانند پوشش زمين بسيار مناسب و مقرون به صرفه است و نقشه توليد شده از آن مي تواند به عنوان يك واقعيت زميني مورد استفاده قرار گيرد.