طبقه بندي تصوير ماهوارهWorldview2 با استفاده از تكنيك شي ءپايه به منظور شناسايي آلودگي جنگل هاي زاگرس به گونه نيمه انگلي موخور

گونه نيمه انگلي موخور (Loranthus europaeus) از عوامل تهديدكننده جنگل هاي زاگرس به شمار مي رود و شناسايي عرصه هاي آلوده به آن به منظور مديريت در عرصه هاي جنگلي حائز اهميت است. منطقه حفاظت شده كوه منجل واقع در استان ايلام به دليل حضور چشمگير موخور با شدت هاي متفاوت و پاك سازي نشدن با مساحت 37 هكتار، در رويشگاه زاگرس به عنوان نمونه براي بررسي انتخاب شد. به منظور طبقه بندي موخور، تصوير ماهواره اي با اندازه تفكيك مكاني كم Worldview 2 مربوط به اواخر آبان 1389 و پس از خزان بلوط تهيه شد. پس از تصحيحات هندسي و راديومتري، تصوير با استفاده از شاخص تفاوت گياهي نرمال شده و آناليز مولفه هاي اصلي در سطح وارث با عدد مقياس 29 قطعه بندي شد. سپس با 312 نقطه واقعيت زميني، الگوريتم هاي K نزديك ترين همسايه (با پارامتر K متفاوت)، ماشين بردار پشتيبان (با پارامتر C متفاوت) و جنگل تصادفي (با تعداد درخت متفاوت) براساس طبقه بندي شيءپايه و با 18 ويژگي طيفي و شكلي مقايسه شد. صحت كلي K نزديك ترين همسايه 1/85 درصد، ماشين بردار پشتيبان با صحت كلي 4/87 درصد و درنهايت جنگل تصادفي با صحت كلي 9/92 درصد جهت طبقه بندي آلودگي جنگل به چهار طبقه سالم، آلودگي كم، متوسط و شديد به دست آمد. در بين الگوريتم هاي مقايسه شده، جنگل تصادفي با 1000 درخت مناسب ترين طبقه بندي را براي شناسايي شدت هاي متفاوت آلودگي جنگل ارائه داد. با توجه به نتايج به دست آمده، شناسايي موخور در منطقه زاگرس با تصوير Worldview 2 و تكنيك شيء پايه امكان پذير است.

Yellow mistletoe (Loranthus europaeus) species is a semi-parasitic plant threatening the Zagros forests, hence idendification of infectious areas are important for its control and management. For this purpose, a forest patch ca 37 ha with different intensities of yellow mistletoe was selected in Ilam province. In order to classify the yellow mistletoe, worldview 2 satellite image dated November 14, 2010 was used. After radiometric and geometric corrections, the image was segmented by NDVI and PCA as thematic layers with different band weights and 29 scale parameter. Different algorithms such as K Nearest Neighbor (with different K parameter), Support Vector Machine (with different C parameter), and Random Forest (with different number of trees) based on object-based approach with 18 spectral and shape features were then compared by using 312 ground truth points. The overal accuracy for K Nearest Neighbor, Support Vector Machine and Random Forest algorithm were obtained 85.1%, 87.4% and 92.9%, respectively for infection classifaication into four categoreis (non, low, mediom and severe infections). Random Forest algorithm with 1000 trees was the best one in indentifying the various intensities of infections. It is concluded that identification of yellow mistletoe in Zagros by using worldview 2-satellite image and object-based classification is possible.