تعیین قابلیت داده های سنجنده ASTER و روش های درخت طبقه بندی و رگرسیونی و جنگل تصادفی در تهیه نقشه تیپ جنگل

شناسایی واحد های همگن و تفکیک آن ها و نهایتا برنامه ریزی برای هر واحد، اصولی ترین راه برای مدیریت واحد های جنگلی محسوب می شود. هدف از این مطالعه، تهیه نقشه تیپ جنگل با استفاده از داده های سنجنده ASTER و نیز استفاده از دو الگوریتم درخت طبقه بندی و رگرسیونی و جنگل تصادفی در سری یک جنگل آموزشی و پژوهشی دارابکلا است. برای این هدف، ابتدا با استفاده از شبکه آماربرداری 350×500 متر تعداد 150 قطعه نمونه در کل سری برداشت شد. پس از پیش پردازش های لازم مانند تصحیح هندسی، اتمسفریک، پردازش های نسبت گیری باندها، ایجاد شاخص های متداول گیاهی، تجزیه مولفه اصلی، و تولید شاخص تسلدگپ (روشنایی، سبزینگی، نمناکی) انجام شد. سپس مقادیر طیفی متناظر با قطعات نمونه بر روی باندهای اصلی و پردازش شده استخراج شد و ارزش های سایر پیکسل ها با استفاده از الگوریتم های مورد بررسی طبقه بندی شد. ارزیابی صحت نتایج طبقه بندی با تعدادی قطعه نمونه که در فرایند طبقه بندی شرکت نداشتند صورت گرفت. نتایج نشان داد که نقشه تهیه شده با استفاده از روش جنگل تصادفی با صحت کلی 66 درصد و ضریب کاپای 0/85 در مقایسه با روش الگوریتم درخت طبقه بندی و رگرسیونی به ترتیب با صحت کلی 58 درصد و ضریب کاپای 0/49 دارای صحت بالاتری است. در مجموع نتایج نشان داد که داده های سنجنده ASTER و الگوریتم های درخت طبقه بندی و رگرسیونی و جنگل تصادفی نتایج مقبولی در تهیه نقشه تیپ جنگل در جنگل دارابکلا دارند.