بررسي امكان تشخيص سرخشكيدگي تاج درختان با استفاده از تصاوير ماهواره‌اي با قدرت تفكيك مكاني زياد Quickbird(مطالعه موردي: جنگل شصت‌كلاته گرگان)

هدف از اين تحقيق، بررسي امكان شناسايي درختان سرخشكيده با استفاده از تصاوير ماهواره‌اي Quickbird و تهيه نقشه پراكنش درختان سرخشكيده در جنگل سري يك شصت‌كلاته گرگان مي‌باشد. پس از بررسي كيفيت هندسي و راديومتري داده‌ها، تطابق هندسي تصاوير پانكروماتيك با استفاده از مدل رقومي زمين و 45 نقطه كنترل زميني و RMSE برابر 65/0 در جهت محور X و 78/0 در جهت محور Y انجام شد. تصاوير چندطيفي با استفاده از تصوير تطابق يافته پانكروماتيك و با 60 نقطه كنترل زميني و RMSE برابر 19/0 در جهت محور X و 25/0 در جهت محور Y مورد تطابق قرار گرفتند. با استفاده از روشهاي مختلف نسبت‌گيري، تجزيه مولفه‌هاي اصلي و ايجاد شاخص‌هاي گياهي مناسب، باندهاي مصنوعي ايجاد و به‌همراه باندهاي اصلي به‌منظور انتخاب باندهاي مناسب در تجزيه و تحليل رقومي استفاده گرديد. براي تهيه نمونه‌هاي تعليمي و ارزيابي صحت طبقه‌بندي، واقعيت زميني نمونه‌اي از طريق ثبت درختان سرخشكيده با استفاده از DGPS بر روي شبكه‌اي منظم به ابعاد 100×500 متر و با 360 قطعه نمونه 10 آري تهيه گرديد. پس از انتخاب تعدادي از درختان سرخشكيده به‌عنوان نمونه‌هاي تعليمي و استخراج نشانه‌هاي طيفي درختان سرخشكيده در باند‌هاي اصلي و فرعي، مجموعه باندهاي مناسب انتخاب گرديد. طبقه‌بندي داده‌ها به‌روش نظارت شده با استفاده از روشهاي حداكثر احتمال و برش تراكمي انجام گرديد. نتايج حاصل از ارزيابي صحت طبقه‌بندي بر روي چهار باند اصلي و همچنين 7 باند انتخابي با الگوريتم حداكثر احتمال و شاخص‌هاي گياهي با الگوريتم برش تراكمي نشان داد كه ميزان صحت كلي و ضريب كاپا براي دو طبقه درختان سالم و سرخشكيده براي 4 باند اصلي و 7 باند منتخب با الگوريتم حداكثر احتمال به‌ترتيب 77 درصد و 56/0 و 83 درصد و 685/0 بوده است. همچنين ميزان صحت كلي و ضريب كاپا براي برش تراكمي شاخص‌هاي گياهي NDVI و TNDVI به‌ترتيب 51 درصد و 16/0 و 56 درصد و 19/0 بوده است. نتايج اين تحقيق نشان داد كه امكان شناسايي تمامي درختان سرخشكيده پهن‌برگ با استفاده از تصاوير ماهواره‌اي Quickbird به‌دليل بازتاب تاج‌پوشش درختچه‌ها و گياهان زيراشكوب و سهم كم بازتاب شاخه‌هاي خشك شده از ارزش رقومي پيكسل‌هاي تصوير، وجود ندارد. در نتيجه نمي‌توان نقشه دقيق پراكنش درختان سرخشكيده را با استفاده از داده‌هاي ماهواره‌اي تهيه نمود.

The purpose of this research is the possibility to recognize of trees canopy die back using Quickbird satellite images and mapping of its distribution in district one from Shastkolate forest, North-west of Iran. After geometric quality and radiometric evaluation of data, geometric correction of panchromatic image was carried out with 45 ground control points and RMSE of 0.65 at X axis direction and 0.78 at Y axis direction. Moreover, the multi-spectral images were registered with georeferenced panchromatic image with 60 ground control points and RMSE of 0.19 at X axis direction and 0.25 at Y axis direction. Using ratioing, principal component analysis and creation of suitable vegetation indices, some artificial bands were created and used as suitable bands for image analysis. In order to prepare the training area and to evaluate classification accuracy, sample ground truth were provided by recording the died back trees using DGPS on a 500 m×100 m systematic network and 360 sample plots with 1000 m² area. After selection of training area and suitable bands collection, data were classified with supervised method by using maximum likelihood and density slicing. Results of the classification accuracy evaluation on 4 main bands and also 7 selective bands by maximum likelihood algorithm and vegetation indexes by density slicing algorithm showed that overall accuracy amount and Kappa coefficient for 2 forest classes and died back for 4 main bands and 7 best selected bands by maximum likelihood algorithm were 77%, 0.56, 83% and 0.685, respectively. In addition, overall accuracy amount and Kappa coefficient for density slicing of NDVI and TNDVI vegetation indexes were 51%, 0.16, 56% and 0.19, respectively. Results showed that recognition of died back trees using Quickbird satellite image was not completely possible due to reflection of shrub and under storey plants, adjacent trees crowns and low ratio of reflection of dried branches in compare to rest green crown, which are registered as digital value of pixels.