بررسی قابلیت داده های تک قطبشی TanDEM-X در برآورد ارتفاع تاج پوشش جنگل های هیرکانی (مطالعه موردی: جنگل شصت کلاته)

سال انتشار: 1402
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 116

فایل این مقاله در 15 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_IJF-15-4_005

تاریخ نمایه سازی: 13 دی 1402

چکیده مقاله:

در این پژوهش، قابلیت داده های راداری تک قطبشی ماهواره TanDEM-X در برآورد ارتفاع تاج پوشش جنگل های هیرکانی بررسی شد. دو رویکرد تداخل سنجی تفاضلی با به کارگیری مدل رقومی زمین حاصل از داده های لیدار هوابرد و مدل Sinc حاصل ساده سازی مدل پراکنش حجمی نامنظم روی سطح Random Volume over Ground (RVoG) مقایسه شد. منطقه پژوهش در بخشی از طرح جنگلداری دکتر بهرام نیای گرگان (شصت کلاته) واقع شده است. آمار زمینی ۳۰۸ قطعه نمونه دایره ای به مساحت ۱/۰ هکتار برای ارزیابی دقت رویکردهای استفاده شده در برآورد ارتفاع تاج پوشش به کار گرفته شد. به این منظور میانگین ارتفاع لوری در محل قطعات نمونه محاسبه شد. دامنه همدوسی برای برآورد ارتفاع تاج پوشش با استفاده از مدل Sinc به کار برده شد و با حذف اثر توپوگرافی از فاز رفع ابهام شده که با فاز حاصل از زمین در مناطق باز تطبیق یافته بود، ارتفاع تاج پوشش به روش تداخل سنجی تفاضلی به دست آمد. پس از تصحیح هندسی تصاویر، میانگین ارتفاع تاج پوشش برآوردی در محل قطعات نمونه استخراج شد. نتایج ارزیابی مستقیم ارتفاع تاج پوشش برآوردی نسبت به واقعیت زمینی نشان داد که رویکرد تداخل سنجی تفاضلی نسبت به مدل Sinc با مقادیر مجذور میانگین مربعات خطای مطلق RMSE و نسبی rRMSE به ترتیب ۸۶/۲ متر و ۲۸/۱۲ درصد و ضریب تبیین ۳۳/۰ از دقت بیشتری برخوردار است. این درحالی است که نتایج قابل مقایسه ای با استفاده از مدل Sinc به دست آمد (m۴۱/۳ RMSE = و ۶۴/۱۴% rRMSE =). به طور کلی تحقیق حاضر پتانسیل نسبی داده های با طول موج کوتاه TanDEM-X و مدل های مبتنی بر همدوسی را به منظور برآورد ارتفاع تاج پوشش جنگل های هیرکانی در سطح وسیع نشان می دهد، اگرچه تنها ۱۵ درصد از تغییرات میانگین ارتفاع لوری به وسیله مدل Sinc بیان شد. از این رو پژوهش های بیشتری برای درک عوامل تاثیرگذار بر صحت نتایج از جمله نوع گونه، شیب و مشخصه های برداشت تصویر ضروری به نظر می رسد.

نویسندگان

مریم پورعظیمی

دانش آموخته کارشناسی ارشد جنگلداری، دانشکده علوم جنگل، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، گرگان

شعبان شتایی جویباری

استاد گروه جنگلداری، دانشکده علوم جنگل، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، گرگان

جهانگیر محمدی

استادیار گروه جنگلداری، دانشکده علوم جنگل، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، گرگان

حسین آقابابائی

استادیار گروه علوم اطلاعات جغرافیایی و رصد زمین، دانشکده علوم رصد زمین، دانشگاه توئنته، هلند

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Abdullahi, S., Kugler, F., & Pretzsch, H. (۲۰۱۶). Prediction of ...
  • Darvishsefat, A.A., Arjhangi Choobar, R., Bonyad, A.E., & Ronoud, G. ...
  • David, R.M., Rosser, N.J., & Donoghue, D.N. (۲۰۲۲). Improving above ...
  • Khati, U., Singh, G., & Ferro-Famil, L. (۲۰۱۷). Analysis of ...
  • Miri, N., Darvishsefat, A.A., Zargham, N., & Shakeri, Z. (۲۰۱۷). ...
  • Mohammadi, J. (۲۰۱۲). Improving in Estimation of Some Forest Structure ...
  • Nabuurs, G.J., Masera, O., Andrasko, K., Benitez-Ponce, P., Boer, R., ...
  • Namiranian, M. (۲۰۰۶), "Measurement of the tree and forest biometry", ...
  • Poorazimy, M., Shataee, S., McRoberts, R.E., & Mohammadi, J. (۲۰۲۰). ...
  • Small, D., & Schubert, A. (۲۰۰۸). Guide to ASAR Geocoding. ...
  • Silveira, E.M., Radeloff, V.C., Martinuzzi, S., Pastur, G.J.M., Bono, J., ...
  • نمایش کامل مراجع