@ARTICLE{Taghi mollaei, author = {taghi mollaei, yousef and }, title = {Compare of non-parametric classification methods involve Support vector Machine and Object-Based in evaluation quantitative characteristic of individual tress of Quercus Branti with WorldView-2 satellite images}, volume = {20}, number = {70}, abstract ={سنجش از دور، انواع داده ها و منابع مفید برای نقشه برداری جنگل را فراهم می کند. امروزه یکی از کاربردهای رایج در زمینه جنگلداری، شناسایی درختان و گونه های درختی با استفاده از تجزیه و تحلیل مبتنی بر شیء و طبقه بندی تصاویر ماهواره ای یا هوایی است. این مطالعه بر تشخیص تاج پوشش درختان در سطح انفرادی می­پردازد. هدف از این تحقیق، بررسی پتانسیل تصاویر ماهواره­ایی با قدرت تفکیک بالایی WorldView-2 مربوط به سال 2014 جهت تهیه نقشه درختان با روش­های طبقه­بندی ناپارامتریک در جنگل­های اطراف شیراز می باشد. در مطالعه کنونی به ارزیابی برآورد پارامترهای جنگل با تمرکز بر استخراج تک درختان به دو روش طبقه­بندی شی پایه و بردار پشتیبان با ارزیابی صحت به روش ماتریس پیچیده و روش (area under operating characteristic curve) AUC با کمک تصاویر هوایی (Unmanned Aerial Vehicle)UAV فانتوم4 مربوط به سال 2018 در دو منطقه مجزا پرداخته شده است. پس از انجام تصحیحات لازم بر روی تصاویر ماهواره ایی، طبقات جنگل و غیرجنگل تعریف و نمونه­های تعلیمی انتخاب شدند. نتایج طبقه­بندی نشان می­دهد طبقه­بندی شی پایه دارای صحت بالاتری در برآورد پارامترهای تک درختان و پس از آن بردار پشتیبان می­باشند. نتایج حاصل از تجزیه و تحلیل رگرسیونی نشان داد که استفاده از تصاویر ماهواره ایی WV-2 (R2=0.97) برای برآورد تاج پوشش درختان مناسب است. می­توان نتیجه­گیری نمود که با توجه به هزینه و زمان بسیار کم برای تفسیر تصاویر ماهواره ایی WV-2، این تصاویر می­تواند جهت آماربرداری درختان شهری بجای آماربرداری زمینی استفاده شود. این مطالعه تائید می­کند که با استفاده از داده­های سنجنده WV-2 ، امکان استخراج پارامترهای درختان منفرد در جنگل، وجود دارد. }, URL = {http://geographical-space.iau-ahar.ac.ir/article-1-3214-fa.html}, eprint = {http://geographical-space.iau-ahar.ac.ir/article-1-3214-fa.pdf}, journal = {Geographical Space}, doi = {}, year = {2020} }