تعیین قابلیت داده‏های سنجندة ASTER و روش‏های درخت طبقه‏بندی و رگرسیونی و جنگل تصادفی در تهیة نقشة تیپ جنگل

شناسایی واحد‏های همگن و تفکیک آن‏ها و نهایتاً برنامه‏ریزی برای هر واحد، اصولی‏ترین راه برای مدیریت واحد‏های جنگلی محسوب می‏شود. هدف از این مطالعه، تهیة نقشة تیپ جنگل با استفاده از داده‏های سنجندة ASTER و نیز استفاده از دو الگوریتم درخت طبقه‏بندی و رگرسیونی و جنگل تصادفی در سری یک جنگل آموزشی و پژوهشی دارابکلا است. برای این هدف، ابتدا با استفاده از شبکة آماربرداری 350×500 متر تعداد 150 قطعه نمونه در کل سری برداشت شد. پس از پیش‏پردازش‏های لازم مانند تصحیح هندسی، اتمسفریک، پردازش‏های نسبت‏گیری‏ باندها، ایجاد شاخص‏های متداول گیاهی، تجزیة مؤلفة اصلی، و تولید شاخص تسلدگپ (روشنایی، سبزینگی، نمناکی) انجام شد. سپس مقادیر طیفی متناظر با قطعات نمونه بر روی باندهای اصلی و پردازش‌شده استخراج شد و ارزش‏های سایر پیکسل‏ها با استفاده از الگوریتم‏های مورد بررسی طبقه‏بندی شد. ارزیابی صحت نتایج طبقه‏بندی با تعدادی قطعه نمونه که در فرایند طبقه‏بندی شرکت نداشتند صورت گرفت. نتایج نشان داد که نقشة تهیه‌شده با استفاده از روش جنگل تصادفی با صحت کلی 66 درصد و ضریب کاپای 58/0 در مقایسه با روش الگوریتم درخت طبقه‏بندی و رگرسیونی به‏ترتیب با صحت کلی 58 درصد و ضریب کاپای 49/0 دارای صحت بالاتری است. در مجموع نتایج نشان داد که داده‏های سنجندة ASTER و الگوریتم‏های درخت طبقه‏بندی و رگرسیونی و جنگل تصادفی نتایج مقبولی در تهیة نقشة‏ تیپ جنگل در جنگل دارابکلا دارند.