حاتم محمدی کامروا - استادیار، دانشگاه آزاد اسلامی واحد فسا
عبدالله عبرتاوی - دانشکده برق، دانشگاه آزاد اسلامی واحد شادگان
علی امین رشیدی فر - دانشکده کامپیوتر، دانشگاه آزاد اسلامی واحد شادگان

بررسی گسترده ی زمین منابع جنگلی، گران است و سنجش از راه دور به طور رایج برای گسترش بررسی بر روی مناطق بزرگ به کار می رود زیرا هیچ داده ی زمینی برای تهیه ی تخمین های دقیق تر جهت تصمیمات مدیریت جنگل وجود ندارد. داده های سنجش از راه دور برای طبقه بندی نوع درخت معمولاً در سطح یک درخت تحلیل می شوند )مبتنی بر شیء(. با این حال، به خاطر چالش های محاسباتی، بیشتر مطالعات مبتنی برشیء تنها مناطق کوچکتر را پوشش می دهند و در مورد تجربه ی مناطق بزرگ تر کمبود وجود دارد. ما رویکردی برای طبقه بندی بدون نظارت مبتنی بر شیء درختان به دو دسته ی پهن برگ و مخروطیان با استفاده از داده های لیدار هوابرد و تصاویر مادون قرمز رنگی در مقیاس کشوری ارائه می کنیم. ما با استفاده از داده های زمین از پلات های کشوریtree species trial (TSTرویه ی طبقه بندی را وفق دادیم و آن راروی داده هایNational Forest Inventory (NFI)تصدیق کردیم. نتایج طبقه بندی مبتنی بر شیء پلات هایTSTوقتی ازهمه ی پلات ها استفاده شده بود، دقت کلی 48 % داشت و ضریب کاپای 96.1 هنگامی که پلات های دارای سیاه کاج کنار گذاشته شد، این مقادر به ترتیب 92 % و 96.9 بودند. پلات هایNFIبسته به منطقه ای که توسط قطعه هایی از دو نوع درخت پوشش داده شده بودند، به دسته ی مخروطی غالب یا پهن برگ غالب یا ترکیبی نسبت داده شدند. در مناطقی که داده های لیدار به خصوص در هنگام شرایط بی برگی جمع آوری شده بودند، 1.% از پلات هایNFIبا کاپای 9613 به درستی به سه دسته انتساب داده شدند. تنها با استفاده از پلات هایNFI یی که یکی ازاین دونوع پهن برگ یا مخروطی در آن ها چیره شده بود، 4.% به درستی طبقه بندی شدند با کاپای برابر 96.1 . این نتایج ثابت می کنند که با استفاده ازداده های سنجش از راه دور کامل، طبقه بندی بدون نظارت جنگل به پهن برگ، مخروطی یا ترکیبی با دقتی قابل مقایسه با دقت مطالعات مناطق محدود، شدنی است. با این حال، چالش ها و محدودیت های استفاده از داده های سنجش از راه دور هوابرد کشوری، در مخارج مربوط به جمع آوری داده ها و زمان پردازش داده ها وجود دارد.

طبقه بندی،داده های لیدار هوابرد،تصاویرCIR ، داده های tst ، داده های nfi