قابلیت تصاویر پهپاد در تشخیص گونه های بلوط ایرانی (.Quercus brantii Lindl) و دارمازو (.Quercus infectoria Oliv)

امروزه تشخیص گونه های درختی با هدف تهیه نقشه تیپ درختان جنگلی، نقش مهمی در مدیریت پایدار جنگل ها دارد. تصاویر پهپاد باتوجه به توان تفکیک مکانی بسیار زیاد، ابزار مناسبی برای تشخیص گونه های درختی هستند. هدف از پژوهش پیش رو، بررسی قابلیت طبقه بندی تصاویر پهپاد برای تشخیص گونه های درختی بلوط ایرانی (Quercus brantii Lindl.) و دارمازو (Q. infectoria Oliv.) در منطقه کاکاشرف شهرستان خرم آباد بود. در اردیبهشت ماه 1396 با استفاده از پهپاد فانتوم 4، تصاویر سه توده 6/3، 9/4 و 4/5 هکتاری از جنگل های منطقه برداشت شد. موزاییک تصاویر این سه توده به ترتیب با استفاده از 10، 12 و 15 نقطه کنترل زمینی تهیه شد. تفکیک گونه ای برمبنای طبقه بندی تصاویر به روش های شبکه عصبی مصنوعی و طیفی انجام شد. نقشه واقعیت زمینی برای تهیه نمونه های تعلیمی و ارزیابی نتایج طبقه بندی به روش میدانی تهیه شد. هفتاد درصد نمونه های جمع آوری شده به عنوان نمونه های آموزش و 30 درصد باقیمانده به عنوان نمونه های آزمون استفاده شدند. نتایج نشان داد که نقشه به دست آمده از طبقه بندی به روش شبکه عصبی مصنوعی در هر سه توده با ضریب کاپای 77/0، 76/0 و 82/0 و صحت کلی 03/84، 42/83 و 37/87 درصد، عملکرد مناسب تری نسبت به روش طبقه بندی طیفی با ضریب کاپای 7/0، 64/0 و 63/0 و صحت کلی 81/78، 4/73 و 19/72 درصد داشت. باتوجه به قابلیت تصاویر پهپاد در تفکیک بلوط ایرانی و دارمازو در منطقه مورد مطالعه، استفاده از این تصاویر برای تفکیک گونه های مختلف درختی توصیه می شود.