طبقه‌بندی تصویر ماهوارۀWorldview2 با استفاده از تکنیک شی‌ءپایه به‌منظور شناسایی آلودگی جنگل‌های زاگرس به گونۀ نیمه‌انگلی موخور

نوع مقاله: مقاله پژوهشی

نویسندگان

1 هیات علمی دانشگاه علوم تحقیقات

2 دانشگاه آزاد اسلامی، واحد علوم و تحقیقات تهران، گروه جنگلداری، تهران، ایران.

3 دانشیار پژوهش، مؤسسۀ تحقیقات جنگل‌ها و مراتع کشور، تهران. ایران.

چکیده

گونۀ نیمه‌انگلی موخور (Loranthus europaeus) از عوامل تهدیدکنندۀ جنگل‌های زاگرس به‌شمار می‌رود و شناسایی عرصه‌های آلوده به آن به‌منظور مدیریت در عرصه‌های جنگلی حائز اهمیت است. منطقۀ حفاظت‌شدة کوه منجل واقع در استان ایلام به‌دلیل حضور چشمگیر موخور با شدت‌های متفاوت و پاک‌سازی نشدن با مساحت 37 هکتار، در رویشگاه زاگرس به‌عنوان نمونه برای بررسی انتخاب شد. به‌منظور طبقه‌بندی موخور، تصویر ماهواره‌ای با اندازة تفکیک مکانی کم Worldview 2 مربوط به اواخر آبان 1389 و پس از خزان بلوط تهیه شد. پس از تصحیحات هندسی و رادیومتری، تصویر با استفاده از شاخص تفاوت گیاهی نرمال شده و آنالیز مؤلفه‌های اصلی در سطح وارث با عدد مقیاس 29 قطعه‌بندی شد. سپس با 312 نقطة واقعیت زمینی، الگوریتم‌های K نزدیک‌ترین همسایه (با پارامتر K متفاوت)، ماشین بردار پشتیبان (با پارامتر C متفاوت) و جنگل تصادفی (با تعداد درخت متفاوت) براساس طبقه‌بندی شیءپایه و با 18 ویژگی طیفی و شکلی مقایسه شد. صحت کلی K نزدیک‌ترین همسایه 1/85 درصد، ماشین بردار پشتیبان با صحت کلی 4/87 درصد و درنهایت جنگل ‌تصادفی با صحت کلی 9/92 درصد جهت طبقه‌بندی آلودگی جنگل به چهار طبقة سالم، آلودگی کم، متوسط و شدید به‌دست آمد. در بین الگوریتم‌های مقایسه‌شده، جنگل ‌تصادفی با 1000 درخت مناسب‌ترین طبقه‌بندی را برای شناسایی شدت‌های متفاوت آلودگی جنگل ارائه داد. با توجه به نتایج به‌دست‌آمده، شناسایی موخور در منطقۀ زاگرس با تصویر Worldview 2 و تکنیک شیء‌پایه امکان‌پذیر است.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Classification of worldview 2 satellite image by using object-based technique to identifying the infection of Zagros forests by Loranthus europaeus

نویسنده [English]

  • Sasan Babaei Kafaki 1
چکیده [English]

Yellow mistletoe (Loranthus europaeus) species is a semi-parasitic plant threatening the Zagros forests, hence idendification of infectious areas are important for its control and management. For this purpose, a forest patch ca 37 ha with different intensities of yellow mistletoe was selected in Ilam province. In order to classify the yellow mistletoe, worldview 2 satellite image dated November 14, 2010 was used. After radiometric and geometric corrections, the image was segmented by NDVI and PCA as thematic layers with different band weights and 29 scale parameter. Different algorithms such as K Nearest Neighbor (with different K parameter), Support Vector Machine (with different C parameter), and Random Forest (with different number of trees) based on object-based approach with 18 spectral and shape features were then compared by using 312 ground truth points. The overal accuracy for K Nearest Neighbor, Support Vector Machine and Random Forest algorithm were obtained 85.1%, 87.4% and 92.9%, respectively for infection classifaication into four categoreis (non, low, mediom and severe infections). Random Forest algorithm with 1000 trees was the best one in indentifying the various intensities of infections. It is concluded that identification of yellow mistletoe in Zagros by using worldview 2-satellite image and object-based classification is possible.

کلیدواژه‌ها [English]

  • Ilam
  • Loranthus europaeus
  • Object-Base Classification
  • Random forest
  • Worldview 2