مقايسه روش هاي ناپارامتري طبقه بندي بردار پشتيبان و شي پايه در برآورد ويژگي هاي كمي تك درختان بلوط ايراني در جنگل هاي شهري روي تصاوير ماهواره ايي WorldView-2

Compare of non-parametric classification methods involve Support vector Machine and Object-Based in evaluation quantitative characteristic of individual tress of Quercus Branti with WorldView-2 satellite images

سنجش از دور، انواع داده ها و منابع مفيد براي نقشه برداري جنگل را فراهم مي كند. امروزه يكي از كاربردهاي رايج در زمينه جنگل داري، شناسايي درختان و گونه هاي درختي با استفاده از تجزيه و تحليل مبتني بر شيء و طبقه بندي تصاوير ماهواره اي يا هوايي است. اين مطالعه بر تشخيص تاج پوشش درختان در سطح انفرادي مي ­پردازد. هدف از اين تحقيق، بررسي پتانسيل تصاوير ماهواره ­ايي با قدرت تفكيك بالايي WorldView-2 مربوط به سال 2014 جهت تهيه نقشه درختان با روش­هاي طبقه­بندي ناپارامتريك در جنگل­ هاي اطراف شيراز مي باشد. در مطالعه كنوني به ارزيابي برآورد پارامترهاي جنگل با تمركز بر استخراج تك درختان به دو روش طبقه­ بندي شي پايه و بردار پشتيبان با ارزيابي صحت به روش ماتريس پيچيده و روش area under operating characteristic curve) AUC) با كمك تصاوير هوايي Unmanned Aerial Vehicle) UAV) فانتوم 4 مربوط به سال 2018 در دو منطقه مجزا پرداخته شده است. پس از انجام تصحيحات لازم بر روي تصاوير ماهواره ايي، طبقات جنگل و غيرجنگل تعريف و نمونه­ هاي تعليمي انتخاب شدند. نتايج طبقه­ بندي نشان مي­ دهد طبقه ­بندي شي پايه داراي صحت بالاتري در برآورد پارامترهاي تك درختان و پس از آن بردار پشتيبان مي­ باشند. نتايج حاصل از تجزيه و تحليل رگرسيوني نشان داد كه استفاده از تصاوير ماهواره ايي (WV-2 (R2=0.97 براي برآورد تاج پوشش درختان مناسب است. مي­توان نتيجه­ گيري نمود كه با توجه به هزينه و زمان بسيار كم براي تفسير تصاوير ماهواره ايي WV-2، اين تصاوير مي­تواند جهت آماربرداري درختان شهري بجاي آماربرداري زميني استفاده شود. اين مطالعه تائيد مي­ كند كه با استفاده از داده­ هاي سنجنده WV-2 ، امكان استخراج پارامترهاي درختان منفرد در جنگل، وجود دارد.

Remote sensing provides a variety of data and useful resources for forest mapping. Today, one of the most common uses in forestry is the identification of trees and tree species using object-based analysis and classification of satellite or aerial images. This research focuses on the identification of the canopy of trees at the individual level. The purpose of this study is to investigate the potential of high resolution WorldView-2 satellite imagery obtained in 2014 for mapping trees with nonparametric classification methods in the surrounding forests of Shiraz. In the current study, assessment of forest parameters were performed with the focus on the extraction of single trees using two classification methods, Object-Based and support vector analysis, verified with complexity matrix and area under operating characteristic curve (AUC) methods with the help of Unmanned Aerial Vehicle(UAV) aerial imagery of Phantom 4 aircraft obtained in 2018 in two separate regions. After making the necessary corrections on satellite imagery, forest and non-forest classes were defined and educational samples were selected. The classification results indicate that the Object-Based classification has the highest accuracy in assessing the parameters of single trees, and after that the support vector is placed. The results of regression analysis indicated that using WV-2 images (R2= 0.97) was suitable for estimating canopy area on the city. Based on our results, it can be concluded that considering the high accuracy and quick interpretation of satellite images, WV-2 images can be reliable alternatives for ground survey method in measuring tree canopies in cities with similar forest structure. This study confirms that it is possible to extract the parameters of single trees in the forest using WV-2 sensor data.