جنگل‌های شهری نقش مهمی در بهبود کیفیت محیط زیست شهری ایفا می‌کنند. آگاهی از سطح تاج پوشش از ارکان مدیریت جنگل‌های شهری محسوب می‌شود. از طرفی مدل سازی کارکردهای جنگل شهری نیز از طریق اندازه گیری‌های تاج پوشش این جنگل‌ها امکان پذیر می‌باشد. هدف از این مطالعه، بررسی کارایی روش‌های مختلف آمار برداری زمینی و داده‌های سنجنده‌ی GeoEye-1 به منظور برآورد مشخصه‌ی تاج پوشش درختان و همچنین تعین قابلیت تصاویر این سنجنده به منظور طبقه بندی کاربری‌های شهری موجود در منطقه سه شهر تهران می‌باشد. از اهداف دیگر این مطالعه می‌توان به بررسی کارایی الگوریتم طبقه‌بندی و رگرسیونی BRT و همچنین الگوریتم رندم فارست (RF) به منظور مدل سازی تاج پوشش درختان اشاره کرد. به همین منظور پس از اطمینان از تصحیح هندسی تصویر و پیاده کردن قطعات نمونه روی تصویر و زمین، آمار برداری زمینی جهت محاسبه‌ی تاج پوشش انجام شد. در این مطالعه 100 قطعه نمونه با ابعاد 20×20 جهت آمار برداری از درختان مجتمع و 50 ترانسکت به طول 20 متر جهت آماربرداری از درختان کنار خیابان طراحی و میانگین سطح تاج برای هر ترانسکت و پلات روی زمین بدست آمد. در مرحله‌ی بعد مشخصه‌های بافت مرتبه‌ی اول و دوم از باندهای اصلی تولید گردید. سپس داده‌های رقومی متناظر با سطح تاج از باندهای اصلی و مصنوعی مشخصه‌های بافت استخراج گردید. در آمار برداری از درختان خیابان نتایج آزمون t (0/292, p=1/06, t=98(df= نشان داد که میانگین مساحت بدست آمده برای هر ترانسکت در تصویر مورد نظر اختلاف معنی داری با آمار برداری زمینی ندارد. جهت مقایسه‌ی میانگین سطح تاج پوشش محاسبه شده روی تصویر و آمار برداری زمینی در درختان مجتمع از آزمون‌ نا پارامتریک من‌ویتنی استفاده شد. نتایج این آزمون نشان داد بین میانگین داده‌ها اختلاف معنی‌دار وجود ندارد (0/246sig=). با استفاده از رگرسیون خطی ساده میزان R2adj برای درختان خیابان و مجتمع به ترتیب %90 و %77 بدست آمد. میزان R2adj و RMSe برای استخراج رقومی سطح تاج پوشش، به وسیله‌ی فاکتورهای آنالیز بافت و باندهای اصلی تصویر با استفاده از الگوریتم BRT، به ترتیب %97 و (m2/plot)38/34 بدست آمد. مقادیر ذکر شده برای روش RF به ترتیب 93% و (m2/plot)38/24 محاسبه شد. نتایج طبقه بندی تصویر با به‌کارگیری پارامترهای بافت و الگوریتم طبقه بندی BRT نشان داد بهترین ترکیب باندی برای طبقه‌بندی دارای صحت کلی و ضریب کاپا، به ترتیب 0/92 و 0/90 می‌باشد. به طور کلی نتایج این مطالعه نشان داد که تصویر GeoEye-1، الگوریتمBRT و مشخصه‌های بافت تصویر دارای قابلیت بالایی در محاسبه‌ی سطح تاج پوشش جنگل‌های شهری و طبقه بندی کاربری‌های شهری می‌باشند.
کد نوشتار : 212021