ارزیابی چهار الگوریتم پیش بینی سطح تاج پوشش جنگل های مانگرو با استفاده از تصاویر دوربین هوایی

امروزه استفاده از شاخص های اکولوژیک همانند تاج پوشش درختان برای شناخت وضعیت اکوسیستم های خاص نظیر رویشگاه های مانگرو و پایش و ارزیابی تغییرات ایجاد شده در طی زمان، امری ضروری می باشد. هدف از این مطالعه قابلیت داده های طیفی با قدرت تفکیک مکانی بالا در برآورد مشخصه سطح تاج پوشش با استفاده از الگوریتم های پارامتریک و ناپارامتریک در جنگل های مانگرو استان بوشهر است. برای انجام تحقیق، 50 قطعه نمونه 400 مترمربع (20×20 متر) به روش خط- نمونه پیاده و اطلاعات قطر برابر سینه، قطر بزرگ و کوچک تاج درختان و ارتفاع تمامی درختان به همراه موقعیت مراکز قطعه نمونه برداشت و سطح تاج پوشش در قطعه نمونه و در هکتار به درصد محاسبه گردید. تصاویر مورد استفاده در این تحقیق مربوط به عملیات عکس برداری در تاریخ 20/10/91 است که با استفاده از دوربین رقومی UltraCam-X برداشت گردید. پس از انجام پیش پردازش ها و پردازش های مناسب، ارزش های رقومی متناظر با قطعات نمونه زمینی از باندهای طیفی استخراج و به عنوان متغیرهای مستقل و درصد تاج پوشش به عنوان متغیر وابسته در نظر گرفته شدند. مدل سازی با الگوریتم های نزدیک ترین همسایه، ماشین بردار پشتیبان، جنگل تصادفی و رگرسیون خطی چند متغیره با 70 درصد از قطعات نمونه انجام گردید و نتایج با 30 درصد باقیمانده قطعات نمونه مورد ارزیابی قرار گرفت. به منظور پیش بینی درصد تاج پوشش، نتایج الگوریتم جنگل تصادفی، نزدیک ترین همسایه، رگرسیون خطی چند متغیره و ماشین بردار پشتیبان به ترتیب با درصد مجذور میانگین مربعات خطا برابر با 57/13، 95/13، 88/14 و 73/17 و اریبی نسبی برابر با 88/3-، 62/4 – ، 05/5- و 78/2- بدست آمد که الگوریتم جنگل تصادفی با کمترین درصد مجذور میانگین مربعات خطا توانست درصد تاج پوشش را بهتر پیش بینی نماید. نتایج این تحقیق نشان داد الگوریتم های ناپارامتریک جنگل تصادفی، نزدیک ترین همسایه و ماشین بردار پشتیبان قابلیت بالاتری نسبت به الگوریتم پارامتریک رگرسیون خطی چند متغیره در برآورد مشخصه درصد تاج پوشش دارا می باشند.