چکیده مقاله
جنگل های زاگرس به عنوان یکی از مهم ترین بوم سازگان های طبیعی ایران، در سال های اخیر با تهدیداتی نظیر زوال بلوط، تغییر کاربری اراضی و خشکسالی مواجه شده اند در این میان، طبقه بندی دقیق تیپ های جنگلی به منظور مدیریت پایدار و پایش تغییرات، از اهمیت ویژه ای برخوردار است پژوهش حاضر با هدف بررسی مفهومی عملکرد دو الگوریتم یادگیری ماشین شامل ماشین بردار پشتیبان SVM و حداکثر احتمال ML در طبقه بندی تیپ های جنگلی شهرستان فلارد، با استفاده از تصاویر ماهواره ای سنتینل ۲ و شاخص های گیاهی انجام شده است منطقه جنگلی وندون از شهرستان فلارد با ساختار پوشش بلوط و بنه به عنوان منطقه نمونه انتخاب شده است داده های ماهواره ای سنتینل ۲ پس از پیش پردازش، با شاخص های گیاهی ترکیب شدند و طبقه بندی انجام شد نتایج مفهومی نشان داد که الگوریتم SVM در شرایط پیچیده و داده های غنی، عملکرد پایدارتری دارد و الگوریتم ML در ساختارهای ساده تر و داده های کم نویز قابل اتکاست این پژوهش نشان می دهد که ترکیب داده های سنجش از دور با الگوریتم های یادگیری ماشین و شاخص های گیاهی، می تواند راهکاری موثر برای طبقه بندی تیپ های جنگلی در مناطق ناهمگون زاگرسی باشد و در تصمیم سازی های مدیریتی و حفاظتی منابع طبیعی مورد استفاده قرار گیرد
کلیدواژه‌ها
نویسندگان
زهرا امیری
دانشکده منابع طبیعی و علوم زمین، دانشگاه شهرکرد
مژگان عباسی
دانشکده منابع طبیعی و علوم زمین، دانشگاه شهرکرد
حمیدرضا ریاحی بختیاری
دانشکده منابع طبیعی و علوم زمین، دانشگاه شهرکرد
صالح کهیانی
دانشکده منابع طبیعی و علوم زمین، دانشگاه شهرکرد
شیوه ارجاع
�میری، زهرا و عباسی، مژگان و ریاحی بختیاری، حمیدرضا و کهیانی، صالح،1404،ارزیابی الگوریتم های یادگیری ماشین در تفکیک تیپ های جنگلی زاگرس مرکزی با استفاده از داده های Sentinel-۲،بیست و نهمین همایش و نمایشگاه ملی مهندسی نقشه برداری و اطلاعات مکانی ژئوماتیک ۱۴۰۴ و پنجمین نمایشگاه بین المللی ایران ژئو،تهران
ارائه‌شده در
مجموعه مقالات بیست و نهمین همایش و نمایشگاه ملی مهندسی نقشه برداری و اطلاعات مکانی ژئوماتیک ۱۴۰۴ و پنجمین نمایشگاه بین المللی ایران ژئو29 آبان 1404 · تهران