ارائه روشی شیء‌مبنا جهت طبقه‌بندی مناطق جنگلی با استفاده از تصاویر پلاریمتری رادار و ابرطیفی

جنگل به‌ عنوان یکی از منابع سخت تجدیدپذیر در محیط‌زیست به شمار می‌آید. کسب اطلاعات از این منابع، همواره مورد توجه سازمان‌ها و مدیران بخش‌های منابع طبیعی بوده است. سنجش‌ازدور به‌عنوان علمی قوی و تا حدودی مقرون‌به‌صرفه، توانایی در اختیار قرار دادن اطلاعاتی از قبیل نوع گونه‌های اصلی، تخمین زیست‌توده، شناسایی و طبقه‌بندی تک‌درختان و غیره را از منابع جنگلی دارد. نحوه بهره‌گیری تصاویر سنجش‌ازدوری به‌ منظور بهبود نتیجه طبقه‌بندی، امروزه مورد توجه محققین می‌باشد. وجود جنگل‌هایی با تنوع گونه بالا و همچنین شباهت طیفی و ساختاری گونه‌های جنگلی، ضرورت استفاده توأمان از تصاویر رادار و اپتیک را بیشتر می‌کند. از این رو، هدف این مقاله ارائه الگوریتمی می‌باشد که از داده‌های پلاریمتری و ابرطیفی به‌صورت توأمان استفاده می‌کند. به طوری که اطلاعات ساختاری و سطحی از تصویر پلاریمتری و اطلاعات رنگی، طیفی و شیمیایی از تصویر ابرطیفی استخراج شود. الگوریتم از دو مرحله اصلی تشکیل شده است. در مرحله اول قطعه‌بندی تصویر و تفکیک مناطق جنگلی از غیرجنگل انجام می‌شود. در مرحله دوم، ویژگی‌های مختلف از دو مجموعه داده، برای هر قطعه استخراج می‌شوند. ویژگی‌های پلاریمتری در دسته‌های ویژگی‌های اصلی، المان‌های تجزیه‌کننده‌ها و تفکیک‌کننده‌های SAR و همچنین، ویژگی‌های اپتیک شامل ویژگی‌های اصلی، ویژگی‌های مرتبط با محتوای شیمیایی گونه‌ها و نسبت‌های بازتابندگی می‌باشند. به منظور انتخاب بهینه ویژگی‌ها از الگوریتم انتخاب ویژگی ژنتیک و همچنین از الگوریتم ماشین بردار پشتیبان به‌منظور تهیه تصویر طبقه‌بندی‌شده بهره گرفته می‌شوند. نتایج حاکی از آن می‌باشد که استفاده از الگوریتم ژنتیک و تمام ویژگی‌ها دقت کلی 78/82 درصدی و ضریب کاپای 36/79 را حاصل کرده است. ویژگی‌های مبتنی بر محتوای شیمیایی درخت و شاخص‌های طیفی و بازتابندگی در ناحیه مادون قرمزکوتاه به همراه درجه پلاریزاسیون، مؤلفه Kd تجزیه کروگاگر، مؤلفه H از تجزیه H/Alpha و Lambda از تجزیه کلود-پوتیر به عنوان ویژگی‌های مؤثر در طبقه‌بندی معرفی شدند.