طبقه بندي تراكم توده هاي جنگلي با استفاده از تصوير ماهوارۀ IRS و الگوريتم ناپارامتريك kNN

برآوردهاي كمّي و دقيق از مشخصه‌هاي توده‌هاي جنگلي لازمه مديريت صحيح آنها است. تصاوير سنجش از دور با توجه به اطلاعات مكاني دقيق و وسيع، همواره ابزاري مقرون به صرفه در مديريت جنگل است و يكي از متداول‌ترين كاربردهاي تصاوير در علم جنگلداري، طبقه‌بندي مشخصه‌هاي توده‌هاي جنگلي و تهيۀ نقشه‌هاي موضوعي آنها است. هدف اين پژوهش بهينه‌سازي طبقه‌بندي تراكم (تعداد درختان در هكتار) در توده‌هاي جنگلي با استفاده از روش ناپارامتريك kNN بود. بررسي در منطقۀ پيلمبرا، در حوضۀ آبخيز شفارود در غرب استان گيلان انجام گرفت. نتايج نشان داد كه روش kNN با تعداد بهينۀ نزديك‌ترين همسايه‌ها در نقطۀ 6=k و معيار فاصلۀ بهينۀ اقليدسي، نتايج مناسبي براي تهيۀ نقشۀ پهنه‌بندي مشخصۀ تراكم (تعداد درختان در هكتار) در جنگل‌هاي مورد بررسي دارد. برآورد مشخصۀ تراكم در اين روش، با مقادير 58/228=RMSE، 9/78=relative RMSE درصد و مقدار همبستگي 50/0=r محاسبه شد. مقدار صحت كل و ضريب كاپاي نقشۀ حاصل از طبقه‌بندي به‌ترتيب برابر 19/85 درصد و 56/0 به‌دست آمد. بنابراين الگوريتم ناپارامتريك kNN مي تواند روش به نسبت مناسبي براي برآورد مشخصۀ تراكم جنگل روي تصوير ماهوارۀ IRS سنجندۀ P6-LIS III است.