قابلیت تصاویر پهپاد در تشخیص گونه‌های بلوط ایرانی (.Quercus brantii Lindl) و دارمازو (.Quercus infectoria Oliv)

امروزه تشخیص گونه‌‌های درختی با هدف تهیه نقشه تیپ درختان جنگلی، نقش مهمی در مدیریت پایدار جنگل‌‌ها دارد. تصاویر پهپاد باتوجه ‌‌به توان تفکیک مکانی بسیار زیاد، ابزار مناسبی برای تشخیص گونه‌‌های درختی هستند. هدف از پژوهش پیش‌‌رو، بررسی قابلیت طبقه‌‌‌‌بندی تصاویر پهپاد برای تشخیص گونه‌‌های درختی بلوط ایرانی (Quercus brantii Lindl) و دارمازو (Q. infectoria Oliv) در منطقه کاکاشرف شهرستان خرم‌‌آباد بود. در اردیبهشت‌ماه 1396 با استفاده از پهپاد فانتوم ۴، تصاویر سه توده 3/6، 4/9 و 5/4 هکتاری از جنگل‌‌های منطقه برداشت شد. موزاییک تصاویر این سه توده به‌‌ترتیب با استفاده از ۱۰، ۱۲ و ۱۵ نقطه کنترل زمینی تهیه شد. تفکیک گونه‌‌ای برمبنای طبقه‌‌بندی تصاویر به‌روش‌‌های شبکه عصبی مصنوعی و طیفی انجام شد. نقشه واقعیت زمینی برای تهیه نمونه‌‌های تعلیمی و ارزیابی نتایج طبقه‌‌بندی به‌روش میدانی تهیه شد. هفتاد درصد نمونه‌‌های جمع‌‌آوری‌‌شده به‌عنوان نمونه‌‌‌های آموزش و 30 درصد باقیمانده به‌عنوان نمونه‌‌های آزمون استفاده شدند. نتایج نشان داد که نقشه به­دست آمده از طبقه‌‌بندی به‌روش شبکه عصبی مصنوعی در هر سه توده با ضریب کاپای 0/77، 0/76 و 0/82 و صحت کلی 84/03، 83/42 و 87/37 درصد، عملکرد مناسب‌تری نسبت به‌روش طبقه‌‌بندی طیفی با ضریب کاپای 0/7، 0/64 و 0/63 و صحت کلی 78/81، 73/4 و 72/19 درصد داشت. باتوجه ‌‌به قابلیت تصاویر پهپاد در تفکیک بلوط ایرانی و دارمازو در منطقه مورد مطالعه، استفاده از این تصاویر برای تفکیک گونه‌‌‌‌‌‌های مختلف درختی توصیه می‌‌شود.