ارزیابی حساسیت شاخص های طیفی گیاهی با استفاده از تابع حساسیت در برآورد حجم سرپای توده های جنگلی

یکی از مشکلات مهم بوم شناسان شناسایی بهترین شاخص ها جهت استفاده در تجزیه و تحلیل های کمی جنگل و پوشش های گیاهی می باشد. هدف از این تحقیق ارزیابی حساسیت شاخص های طیفی گیاهی نسبت به مشخصه حجم سرپا، جهت انتخاب بهترین شاخص طیفی گیاهی برای تهیه مدل حجم سرپا و مقایسه آن با مدل حاصل شده از روش رگرسیون بهترین زیر مجموعه می باشد. همچنین حساسیت این شاخص ها نسبت به یکدیگر با استفاده از تابع حساسیت نسبی ارزیابی شد. در این مطالعه ۹۹ قطعه نمونه ۳۶/۰ هکتاری به ابعاد ۶۰×۶۰ متر به روش خوشه ای پیاده و اطلاعات قطر، نوع گونه و ارتفاع درختان شاهد و موقعیت مراکز قطعات نمونه برداشت شد. شاخص های طیفی گیاهی مورد تحقیق نیز از داده های سنجنده ETM+ ایجاد گردیدند. به منظور بررسی همبستگی بین مشخصه های طیفی و حجم، میانگین ارزش های رقومی (DN) قطعات نمونه برداشت شده زمینی، از ۵ شاخص استخراج و در فرآیند مدل سازی به کار گرفته شدند. همچنین، جهت ارزیابی حساسیت شاخص ها از تابع حساسیت استفاده شد. نتایج حاصل از تحلیل حساسیت نشان داد که مجموعه شاخص های NDWI و Greenness در کل محدوده حجم سرپا، به ترتیب دارای حساسیت بیشتری در مقایسه با شاخص های DVI، RAI و GEMI نسبت به حجم سرپا در منطقه مورد مطالعه می باشند. در نتیجه این دو شاخص جهت تهیه برآورد مدل حجم سرپا با استفاده داده های ماهواره ای مورد استفاده قرار گرفتند. با استفاده از روش بهترین زیر مجموعه دو شاخص DVI و NDWI به عنوان بهترین مجموعه شاخص ها در برآورد حجم سرپا معرفی شدند. نتایج حاصل از تحلیل رگرسیون نشان داد که که مجموعه شاخص های NDWI و Greenness با ضریب تبیین اصلاح شده ۴/۵۵ درصد نسبت به دو شاخص DVI و NDWI با ضریب تبیین اصلاح شده ۵/۴۳ درصد بهتر توانسته اند حجم سرپا را برآورد نمایند. این نکته بیان گر این مطلب است که شاخص های طیفی گیاهی انتخاب شده با استفاده از تابع حساسیت نسبت به روش رگرسیونی بهترین زیرمجموعه، بهتر توانسته اند حجم سرپا را برآورد نمایند که افزایش ۱۲ درصدی ضریب تبیین اصلاح شده بیانگر همین مطلب می باشد. به طورکلی تابع حساسیت به دلیل بیان تغییرات در کل دامنه مشخصه های کمی، وابسته نبودن به واحد و شدت شاخص های طیفی گیاهی و انجام آزمون معنی دار بودن از تابع های مناسب برای ارزیابی حساسیت شاخص ها و انتخاب بهترین شاخص ها در تجزیه و تحلیل های کمی جنگل و پوشش های گیاهی بسیار مفید می باشد.