موضوع: ارزیابی مدل‌های پارامتریک و ناپارامتریک در تخمین تراکم تاج‌پوشش جنگل‌های زاگرس با استفاده از سنجش‌ از دور و یادگیری ماشین. هدف: هدف از انجام این تحقیق مقایسۀ روش‌های پارامتریک و ناپارامتریک در برآورد درصد تاج‌پوشش جنگل در بخشی از اکوسیستم زاگرس بود. روش تحقیق: برای رسیدن به هدف تحقیق از نمونه برداری میدانی جهت تعیین درصد تاج پوشش و تصویر ماهواره‌‌ای با اندازه تفکیک مکانی بالا پلی‌آدیساستفاده شد و شاخص‌های TSAVI، NDVI و WDVI تهیه گردید. سپس ارزش‌های حاصل از تهیۀ شاخص‌های پوشش گیاهی در محل قطعات نمونه با استفاده از تابع Zonal statistical در Arc GIS استخراج و از رگرسیون خطی چندگانه و شبکۀ عصبی مصنوعی برای برآورد تراکم پوشش گیاهی استفاده شد. برای مقایسۀ این دو مدل از متغیرهای RMSE، RMSE% و R2 استفاده شد. یافته‌ها: نتایج رگرسیون خطی چندگانه نشان داد که میزان R2 و RMSE% در سطح اعتماد 0/05 به‌ترتیب برابر 0/54 و 10/4 بود. همچنین نتایج شبکۀ عصبی مصنوعی نشان داد که میزان R2 و RMSE% به‌ترتیب برابر 0/82 و 4/5 به دست آمد. نتیجه‌گیری: نتایج مقایسۀ مدل‌های رگرسیونی خطی چندگانه و شبکۀ عصبی مصنوعی نشان داد که شبکۀ عصبی ضمن خطای کمتر، برآورد بهتری نسبت به رگرسیون خطی چندگانه در برآورد تراکم پوشش گیاهی دارد.

کلمات کلیدی