کاربرد منحنی ROC در ارزیابی روش های طبقه بندی پیکسل- پایه روی تصاویر هوایی UltraCam-D برای تفکیک تاج درختان در توده های خالص بلوط ایرانی در جنگل های زاگرس

مدیریت پایدار جنگل در زاگرس نیازمند برآورد تراکم تاج پوشش درختان جنگلی است و صحت نقشه های مربوط به این ویژگی که از سنجش از دور به دست آمده است، باید با روش های مناسب مورد ارزیابی قرار گیرد. این پژوهش با هدف ارزیابی نتایج سه طبقه بندی کننده پیکسل- پایه روی تصاویر هوایی UltraCam-D برای تفکیک تاج درختان بلوط ایرانی در جنگل های زاگرس به وسیله منحنی عملیاتی دریافت کننده (ROC) انجام شد. یک قطعه نمونه با مساحت 30 هکتار در بخشی از توده های خالص بلوط ایرانی این جنگل ها انتخاب شد و موقعیت مکانی و محدوده تاج همه درختان آن به طور کامل مساحی شدند. تصویر هوایی UltraCam-D منطقه موردنظر با استفاده از طبقه بندی کننده های حداکثر احتمال (ML)، شبکه عصبی مصنوعی (ANN) و ماشین بردار پشتیبان (SVM) طبقه بندی شد. سپس نتایج حاصل از طبقه بندی با استفاده از منحنی ROC و شاخص های صحت کلی و ضریب کاپا و نقشه واقعیت زمینی مورد ارزیابی قرار گرفت. نتایج نشان داد بیشترین سطح زیر منحنی ROC مربوط به «تاج درختان» در طبقه بندی کننده ML بوده است (894/0) و در مقابل، کمترین سطح زیر منحنی مربوط به طبقه بندی کننده SVM بود (819/0). حساسیت و ویژگی «تاج درختان» در طبقه بندی کننده ML (به ترتیب 999/0 و 999/0) بیشتر از دو طبقه بندی کننده دیگر بود. اگرچه دقت طبقه بندی کننده SVM در تفکیک «تاج درختان» حداکثر مقدار ممکن بود (000/1)، اما صحت این طبقه در طبقه بندی کننده ML (999/0) بیشتر بود. به طور کلی این پژوهش نشان داد که منحنی ROC قادر به ارزیابی صحت و دقت روش های طبقه بندی پیکسل- پایه موردبررسی روی تصاویر هوایی UltraCam-D به منظور تفکیک «تاج درختان» بوده است.