مقایسه الگوریتم های پیکسل پایه و هوشمند در برآورد حساسیت به تخریب جنگل در منطقه حفاظت شده دیزمار ارسباران

در این تحقیق به منظور به دست آوردن میزان تغییرات گستره جنگل های منطقه حفاظت شده دیزمار، در ناحیه رویشی ارسباران، تصاویر ماهواره ای متعلق به سنجنده TM ماهواره لندست 5 در سال 1363 و سنجنده OLI ماهواره لندست 8 در سال 1394، با اختلاف 31 سال با استفاده از الگوریتم شبکه عصبی مصنوعی در نرم افزار ENVI5 مورد پردازش، طبقه بندی و مقایسه قرار گرفت. قبل از طبقه بندی پیش پردازش و پس از طبقه بندی پس پردازش داده ها انجام شد. ماتریس خطای طبقه بندی با الگوریتم شبکه عصبی برای هرکدام از تصاویر محاسبه شد که برای تصویر سال 1363 دقت کلی 90/29 درصد و ضریب کاپا 0/85 و برای تصویر سال 1394 دقت کلی 90/83 درصد و ضریب کاپا 0/86 بدست آمد. طبقه بندی به صورت نظارت شده انجام شد و با استفاده از 30 نقطه تعلیمی برداشتی با دستگاه GPS الگوریتم آموزش داده شد، در نهایت با اجرای مرحله بررسی تغییرات کاربری، جدول متعلق به تغییرات کاربری طبقات بدست آمد که طبقه جنگل متراکم با (13552/74-) هکتار کاهش گستره، طبقه مرتع درجه یک با (1446/91) هکتار افزایش و طبقه کاربری های دیگر (تمام کاربری ها غیر از جنگل متراکم و مرتع درجه 1 برداشت شده) با (910/17-) کاهش حاصل شد. به منظور ارزیابی عملکرد طبقه بندی تصاویر با الگوریتم شبکه عصبی، تصاویر با الگوریتم های دیگر همچون روش ماشین بردار پشتیبان و روش پیکسل پایه حداکثر احتمال (بیشترین شباهت) نیز طبقه بندی شد، که روش SVM برای تصویر اولیه با دقت کلی 88/33% و ضریب کاپای 0/82 و روش MLC با دقت کلی 92/91% و ضریب کاپای 0/89 به دست آمد و برای تصویر ثانویه روش SVM با دقت کلی 87/91% و ضریب کاپای 0/81 و با روش MLC با دقت کلی 90 درصد و ضریب کاپای 0/85 محاسبه شد. نتایج نشان داد که الگوریتم شبکه عصبی با دقت و برازش قابل قبولی تصاویر را طبقه بندی کرده است و از نظر دقت طبقه بندی با روش پیکسل پایه MLC و ماشین بردار پشتیبان SVM تفاوت زیادی وجود ندارد.

کلیدواژه ها:

حفاظت شده ، دیزمار ، الگوریتم ، شبکه عصبی ، تخریب جنگل ، ارسباران