الگوریم طبقه بندی

جنگل های زاگرس به عنوان یکی از زیست بوم های ارزشمند ایران به شمار می آیند که زیستگاه جانوران و گیاهان متنوعی هستند. بحران های اخیر مانند گرم شدن کره زمین، خشکسالی و طوفان های گرد و غبار این زیست بوم را به خطر انداخته و باعث ضعیف شدن تک درختان یا گروه هایی از درختان منطقه شده است. زوال به عنوان یک اختلال و چالش مهم، درختان بلوط در منطقه زاگرس را تهدید می کند. هدف این مطالعه بررسی امکان پهنه بندی درختان مستعد زوال با استفاده از الگوریتم های یادگیری ماشین است. منطقه مورد مطالعه 101 هکتار از جنگل های زاگرس میانی موسوم یه منطقه "بلوط بلند" واقع در استان چهارمحال و بختیاری را در بر می گیرد. آماربرداری زمینی به منظور برداشت وضعیت سلامت درختان در 37 عدد قطعه نمونه 1000 مترمربعی انجام شد. علاوه بر این نقشه واقعیت زمینی به صورت موردی بر اساس بررسی درخت به درخت در 11 درصد از سطح منطقه تهیه شد. پس از انجام تحلیل تفکیک پذیری سه طبقه شامل "طبقه 1 خشکیدگی" با میزان خشکیدگی کمتر از 50 درصد، "طبقه 2 خشکیدگی" با میزان خشکیدگی بیش از 50 درصد و طبقه "سایر" شامل خاک لخت، جنگل تنک، جاده و بیرون زدگی سنگی برای طبقه بندی انتخاب شدند. در این مطالعه قابلیت چهار روش یادگیری ماشین شامل حداکثر احتمال، شبکه عصبی، جنگل تصادفی و ماشین بردار پشتیبان مقایسه شد. نتایج نشان داد که روش حداکثر احتمال می تواند بیشترین صحت کلی و ضریب کاپا را به ترتیب معادل 87/0 درصد و 73/0 ارائه دهد. همچنین در طبقه دوم مساحت خشکیدگی زیادتر است و بیانگر این است که میزان خشکیدگی منطقه رو به رشد است. پیشنهاد می شود با مطالعه مستقیم رفتار طیفی درخت در فرایند خشکیدگی و معرفی شاخص های طیفی مناسب، نسبت به شناسایی زود هنگام توده های در معرض خشکیدگی اقدام نمود.