مهتاب پیرباوقار

وابستگی اقتصادی جامعه محلی در زاگرس شمالی به دامداری موجب استفاده زیاد از برگ و سرشاخه های درختان (گلازنی) نسبت به سایر قسمت های زاگرس شده است. گلازنی یک الگوی دیرینه بهره برداری از جنگل برای تأمین علوفه بوده که همیشه تلاش بر این بوده که با یک مدیریت مناسب این تولید ادامه داشته باشد. یکی از ابزارهای مهم مدیریت جنگل مورد بررسی داشتن نقشه های به هنگام از محوطه های گلازنی شده می باشد که تهیه این نقشه ها به روش های میدانی بسیار پرهزینه و زمان بر است. استفاده از داده های سنجش از دور می تواند به عنوان راه حلی کم هزینه و سریع مطرح شود. در این تحقیق به ارزیابی قابلیت داده های چندزمانه سنجنده OLI ماهواره لندست 8 جهت تهیه نقشه های به هنگام مناطق گلازنی شده با دقت بالا و هزینه پایین در زاگرس شمالی پرداخته شد. برای این کار داده های پنج تاریخ سنجنده OLI مربوط به سال های 1393 و 1394 از منطقه مورد پژوهش (بخشی از جنگل های شهرستان بانه) تهیه شد. جهت ارزیابی صحت نتایج حاصل از طبقه بندی داده های ماهواره ای، نقشه واقعیت زمینی به صورت برداشت کامل از منطقه مورد مطالعه تهیه شد. طبقه بندی با پنج نوع الگوریتم متوازی السطوح، حداقل فاصله از میانگین، حداکثر احتمال، شبکه عصبی مصنوعی و فازی به صورت شش، پنج، چهار و سه طبقه ای برای تصاویر تک زمانه و پنج و سه طبقه ای برای تصاویر دو زمانه و سه زمانه انجام شد. نتایج حاصل از طبقه بندی شش، پنج، چهار و سه طبقه ای با پنج نوع الگوریتم نشان داد که شبکه عصبی مصنوعی بالاترین میزان صحت را دارد. نتایج حاصل از طبقه بندی پنج طبقه ای با تصاویر تک زمانه، دو زمانه و سه زمانه نشان داد که تصاویر سه زمانه با صحت کلی 99/73 درصد و ضریب کاپا 38/0 دارای بیشترین میزان صحت کلی و ضریب کاپا می باشد. همچنین نتایج طبقه بندی چهار و سه طبقه ای با تصاویر تک زمانه، دو زمانه و سه زمانه نشان داد که تصاویر سه زمانه با میزان صحت کلی 27/75 درصد و ضریب کاپا 39/0 بالاترین میزان صحت را ارائه داد. یافته های این پژوهش بیانگر آن است که داده های چند زمانه تصویر سنجنده OLI ماهواره لندست 8 به عنوان جدیدترین محصول ماهواره لندست، در شناسایی ، تشخیص واحدهای همگن ، تفکیک محوطه های گلازنی شده و تهیه نقشه محوطه های گلازنی شده در منطقه مورد مطالعه با الگوریتم شبکه عصبی مصنوعی دارای قابلیت متوسطی می باش