طبقه بندی پوشش های جنگل با استفاده از تصاویر رادار و نوری (مطالعه موردی: جنگل های خیرودکنار)

تهیه اطلاعات مکانی دقیق از جمله نقشه تیپ جنگل و پراکنش مکانی گونه ها و توده های مختلف، لازمه مدیریت پایدار جنگل ها می باشد. با توجه به زمان بر و هزینه بر بودن روش های میدانی تهیه این چنین اطلاعاتی، تحقیقات زیادی به منظور تهیه نقشه جنگل با استفاده از داده های ماهواره ای چند طیفی انجام شده است. سنجش از دور می تواند به عنوان یک ابزار قدرتمند با به کار گیری داده از منابع مختلف و تلفیق آن ها با یکدیگر برای طبقه بندی انواع پوشش گیاهی و کاربری اراضی مورد استفاده قرار گیرد. در این میان محققین در برخی از مناطق مانند مناطق کوهستانی به دلیل شرایط ارتفاعی منطقه و رفتار طیفی نزدیک برخی از گونه های پوشش گیاهی، به سمت استفاده از منابع داده های کمکی در کنار داده های سنجش از دور از منابع مختلف سوق پیدا کرده اند. به منظور تفکیک تیپ های جنگل، تحقیق حاضر در جنگل آموزشی و پژوهشی خیرودکنار نوشهر بر روی تصاویر نوری و رادار سنجنده های ماهواره alos انجام گرفت. مجموعه داده های مورد استفاده در این تحقیق تصویر نوری alos avnir-2 با رزولوشن مکانی 10 متر و تصویر راداری alos palsar با دو پلاریزاسیون hh , hv با رزولوشن مکانی 12.5 متر برای منطقه مورد مطالعه واقع در منطقه خیرودکنار نوشهر می باشد. بر روی تصاویر نوری و رادار مورد استفاده در این تحقیق، تصحیحات هندسی و رادیومتریکی انجام شده بود و تصاویر مورد تصحیح توپوگرافی قرار گرفتند. جهت بارزسازی تصویر رادار از فیلتر گاما استفاده شد. سپس شاخص های طیفی و مکانی مختلف از تصاویر نوری و رادار استخراج گردیدند و با استفاده از روش بهینه سازی فیشر و معیار تفکیک پذیری آن ویژگی های بهینه جهت طبقه بندی نهایی انتخاب شده و ترکیب آن ها به عنوان ورودی طبقه بندی استفاده شد. از روش های طبقه بندی مختلف از جمله بیشترین شباهت و شبکه عصبی استفاده شد و طبقه های راش خالص، راش آمیخته، ممرز خالص، ممرز آمیخته، توسکای آمیخته، پهن برگ آمیخته و مناطق جنگل کاری تفکیک گردیدند. به منظور برآورد میزان صحت و درستی نقشه های حاصل از طبقه بندی تصاویر به روش های مختلف، نقشه واقعیت زمینی تیپ های جنگل که به صورت نمونه ای و به روش میدانی تهیه شده بود در این تحقیق استفاده شد. در ادامه سودمندی و بهبودی که با استفاده از ویژگی های استخراج شده از تصویر رادار و نوری بر روی نتایج طبقه بندی حاصل می شود بررسی شده است. نتایج بررسی صحت نشان می دهند که روش بهینه سازی فیشر جهت تلفیق اطلاعات طیفی و مکانی دو مجموعه تصاویر رادار و نوری به نحو موثری ویژگی های مناسب را رتبه بندی کرده و با استفاده از رتبه بندی ویژگی ها و تشکیل فضای ویژگی بهینه، موجب بهبود صحت کلی از 67.54 درصد به 77.34 درصد شد (با شبکه عصبی). پس از طبقه بندی نهایی، پس پردازش به روش رأی گیری اکثریت انجام شد و موجب بهبود دقت طبقه بندی تا 79.94 درصد شد.