تعيين قابليت داده هاي سنجنده ASTER و روش هاي درخت طبقه بندي و رگرسيوني و جنگل تصادفي در تهيه نقشه تيپ جنگل

شناسايي واحد هاي همگن و تفكيك آن ها و نهايتاً برنامه ريزي براي هر واحد، اصولي ترين راه براي مديريت واحد هاي جنگلي محسوب مي شود. هدف از اين مطالعه، تهيه نقشه تيپ جنگل با استفاده از داده هاي سنجنده ASTER و نيز استفاده از دو الگوريتم درخت طبقه بندي و رگرسيوني و جنگل تصادفي در سري يك جنگل آموزشي و پژوهشي دارابكلا است. براي اين هدف، ابتدا با استفاده از شبكه آماربرداري 350×500 متر تعداد 150 قطعه نمونه در كل سري برداشت شد. پس از پيش پردازش هاي لازم مانند تصحيح هندسي، اتمسفريك، پردازش هاي نسبت گيري باندها، ايجاد شاخص هاي متداول گياهي، تجزيه مولفه اصلي، و توليد شاخص تسلدگپ (روشنايي، سبزينگي، نمناكي) انجام شد. سپس مقادير طيفي متناظر با قطعات نمونه بر روي باندهاي اصلي و پردازش شده استخراج شد و ارزش هاي ساير پيكسل ها با استفاده از الگوريتم هاي مورد بررسي طبقه بندي شد. ارزيابي صحت نتايج طبقه بندي با تعدادي قطعه نمونه كه در فرايند طبقه بندي شركت نداشتند صورت گرفت. نتايج نشان داد كه نقشه تهيه شده با استفاده از روش جنگل تصادفي با صحت كلي 66 درصد و ضريب كاپاي 0/85 در مقايسه با روش الگوريتم درخت طبقه بندي و رگرسيوني به ترتيب با صحت كلي 58 درصد و ضريب كاپاي 0/49 داراي صحت بالاتري است. در مجموع نتايج نشان داد كه داده هاي سنجنده ASTER و الگوريتم هاي درخت طبقه بندي و رگرسيوني و جنگل تصادفي نتايج مقبولي در تهيه نقشه تيپ جنگل در جنگل دارابكلا دارند.