ارزیابی طبقه بندی شبکه عصبی مصنوعی جهت استخراج آشفتگی های جنگل مطالعه موردی: جنگل خیرودکنارنوشهر

در دهه های اخیر، تغییرات سریع کاربری اراضی و پوشش زمین بویژه در جنگل ها با پیامدهای مهمی چون تخریب منابع طبیعی،آلودگی های زیست محیطی همراه بوده است . استفاده از فن آوری های نوین همچون سنجش از دور با مزایای متعدد خود می تواند نوعپوشش زمین را در مناطق بزرگ مشخص نماید. طبقه بندی تصویر یکی از پرکاربرد ترین روشهای استخراج اطلاعات موضوعی از جملهتفکیک مناطق جنگلی از غیر جنگلی می باشد. روش های آماری طبقه بندی, نظیر طبقه بندی حداکثر احتمال, مشکلاتی از قبیل الزام فرضیات و دیتاهای مورد نیاز , برای استفاده از این روشها را دارند ، روش های جدیدتر از جمله شبکه های عصبی به دلیل ماهیت غیرپارامتریک و قابلیت شان برای بهره گیری ازمثال ها و توانایی تعمیم آنها جدیدا مورد استفاده قرار گرفته است. هدف از این تحقیقاستخراج آشفتگی های جنگل خیرود با استفاده از تصاویر سنجش از دور و ارزیابی طبقه بندی شبکه عصبی مصنوعی می باشد پس از طبقه بندی تصاویر منطقه حدود88/35درصد جنگل و 11/64درصد غیر جنگل تشخیص داده شد. با استفاده از نقاط کنترل زمینی نقشه طبقه بندی, مورد ارزیابی قرار گرفت در پایان نشان داده شد که RMSE بیش از 88 درصد روش شبکه عصبی مصنوعی, نشان از کارایی بالای این طبقه بندی در استخراج آشفتگی های جنگل دارد

کلیدواژه ها:

جنگل ، آشفتگی ، سنجش از دور ، شبکه عصبی مصنوعی ، خیرودکنار