طبقه بندی تراکم توده های جنگلی با استفاده از تصویر ماهواره IRS و الگوریتم ناپارامتریک kNN

برآوردهای کمی و دقیق از مشخصه های توده های جنگلی لازمه مدیریت صحیح آنها است. تصاویر سنجش از دور با توجه به اطلاعات مکانی دقیق و وسیع، همواره ابزاری مقرون به صرفه در مدیریت جنگل است و یکی از متداول ترین کاربردهای تصاویر در علم جنگلداری، طبقه بندی مشخصه های توده های جنگلی و تهیه نقشه های موضوعی آنها است. هدف این پژوهش بهینه سازی طبقه بندی تراکم (تعداد درختان در هکتار) در توده های جنگلی با استفاده از روش ناپارامتریک kNN بود. بررسی در منطقه پیلمبرا، در حوضه آبخیز شفارود در غرب استان گیلان انجام گرفت. نتایج نشان داد که روش kNN با تعداد بهینه نزدیک ترین همسایه ها در نقطه 6=k و معیار فاصله بهینه اقلیدسی، نتایج مناسبی برای تهیه نقشه پهنه بندی مشخصه تراکم (تعداد درختان در هکتار) در جنگل های مورد بررسی دارد. برآورد مشخصه تراکم در این روش، با مقادیر 58/228=RMSE، 9/78=relative RMSE درصد و مقدار همبستگی 50/0=r محاسبه شد. مقدار صحت کل و ضریب کاپای نقشه حاصل از طبقه بندی به ترتیب برابر 19/85 درصد و 56/0 به دست آمد. بنابراین الگوریتم ناپارامتریک kNN می تواند روش به نسبت مناسبی برای برآورد مشخصه تراکم جنگل روی تصویر ماهواره IRS سنجنده P6-LIS III است.