حمیدرضا مسکنی جیفرودی

زراعت چوب و توجه به توسعه پایدار در کشورهای دارای فقر جنگلی از اهمیت بسزایی برخوردار است. ضمن اینکه تقاضا برای محصولات چوبی هم در سطح ملی و هم در سطح بین المللی به طور روزافزونی در حال افزایش است. صنوبر یکی از گسترده ترین گونه های درختی است که به سرعت رشد می کند و برای مزارع جنگلی استفاده می شود. این تحقیق با هدف افزایش دقت طبقه بندی تصاویر نوری به روش یادگیری ماشین از طریق ادغام با تصاویر رادرای انجام شده است و تلاشی است در جهت پایش، کنترل و مدریت فضایی عرصه های روستایی بخصوص از منظر فعالیت های کشاورزی که می تواند به عنوان رویکردی نوین در توسعه روستایی در عصر انقلاب فناوری های اطلاعاتی مطرح باشد. در این پژوهش از تصاویر ماهواره سنتینل 1 و 2 در قالب باند های طیفی و پلاریزاسیون های راداری به همراه مدل رقومی زمین استفاده گردید. الگوریتم جنگل تصادفی به عنوان یک روش قدرتمند در طبقه بندی داده های غیرمتوازن و حجیم بکار گرفته شد. با استفاده از تلفیق داده های ماهواره ای نوری و راداری و با استفاده از الگوریتم یادگیری ماشین جنگل تصادفی به پهنه بندی مناطق صنوبرکاری پرداخته-شد. مساحت سطح زیر کشت صنوبر در دهستان ضیابر 2650 هکتار برآورد گردید. از طرفی صحت کلی و ضریب کاپا در این طبقه بندی83/2 درصد و754/0 حاصل گردید. به این ترتیب می توان از روش ارائه شده به عنوان روشی قدرتمند برای پایش، کنترل و مدیریت فضایی فعالیت های کشاورزی در نواحی روستایی با هر مقیاسی بهره برد.