ارائه روشی شیء مبنا جهت طبقه بندی مناطق جنگلی با استفاده از تصاویر پلاریمتری رادار و ابرطیفی

جنگل به عنوان یکی از منابع سخت تجدیدپذیر در محیط زیست به شمار می آید. کسب اطلاعات از این منابع، همواره مورد توجه سازمان ها و مدیران بخش های منابع طبیعی بوده است. سنجش ازدور به عنوان علمی قوی و تا حدودی مقرون به صرفه، توانایی در اختیار قرار دادن اطلاعاتی از قبیل نوع گونه های اصلی، تخمین زیست توده، شناسایی و طبقه بندی تک درختان و غیره را از منابع جنگلی دارد. نحوه بهره گیری تصاویر سنجش ازدوری به منظور بهبود نتیجه طبقه بندی، امروزه مورد توجه محققین می باشد. وجود جنگل هایی با تنوع گونه بالا و همچنین شباهت طیفی و ساختاری گونه های جنگلی، ضرورت استفاده توامان از تصاویر رادار و اپتیک را بیشتر می کند. از این رو، هدف این مقاله ارائه الگوریتمی می باشد که از داده های پلاریمتری و ابرطیفی به صورت توامان استفاده می کند. 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 قطعه بندی تصویر و تفکیک مناطق جنگلی از غیرجنگل انجام می شود. در مرحله دوم، ویژگی های مختلف از دو مجموعه داده، برای هر قطعه استخراج می شوند. ویژگی های پلاریمتری در دسته های ویژگی های اصلی، المان های تجزیه کننده ها و تفکیک کننده های SAR و همچنین، ویژگی های اپتیک شامل ویژگی های اصلی، ویژگی های مرتبط با محتوای شیمیایی گونه ها و نسبت های بازتابندگی می باشند. به منظور انتخاب بهینه ویژگی ها از الگوریتم انتخاب ویژگی ژنتیک و همچنین از الگوریتم ماشین بردار پشتیبان به منظور تهیه تصویر طبقه بندی شده بهره گرفته می شوند. نتایج حاکی از آن می باشد که استفاده از الگوریتم ژنتیک و تمام ویژگی ها دقت کلی 78/82 درصدی و ضریب کاپای 36/79 را حاصل کرده است. ویژگی های مبتنی بر محتوای شیمیایی درخت و شاخص های طیفی و بازتابندگی در ناحیه مادون قرمزکوتاه به همراه درجه پلاریزاسیون، مولفه Kd تجزیه کروگاگر، مولفه H از تجزیه H/Alpha و Lambda از تجزیه کلود-پوتیر به عنوان ویژگی های موثر در طبقه بندی معرفی شدند.