برآورد مشخصه های کمی جنگل با استفاده از داده های سنجنده ASTER و الگوریتم CART (منطقه موردمطالعه: جنگل شصت کلاته گرگان)
سال انتشار: 1393
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 65
فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_IJFPR-22-3_008
تاریخ نمایه سازی: 25 دی 1402
چکیده مقاله:
برآورد مشخصه های کمی جنگل در سطوح وسیع بااستفاده از داده های ماهواره ای اهمیت فراوانی در مدیریت پایدار جنگل دارد. هدف از این پژوهش، بررسی امکان برآورد برخی مشخصه های کمی جنگل بااستفاده از تصاویر سنجنده ASTER در جنگل شصت کلاته گرگان است. برای این منظور تعداد ۱۱۲ قطعه نمونه زمینی مربعی به مساحت ۰۹/۰ هکتار به روش خوشهای تصادفی در واحدهای همگن ازنظر تیپ درختی و جهت دامنه پیاده شد و مشخصه های حجم، رویه زمینی و تعداد درختان در هکتار در هر قطعه نمونه محاسبه شد. مرکز هر یک از قطعات نمونه نیز با GPS تفاضلی ثبت شد. تصحیح هندسی و رادیومتری روی تصویر انجام شد. بااستفاده از روش های مختلف نسبت گیری، تجزیه مولفه های اصلی، تحلیل بافت، تبدیل تسلدکپ به همراه باندهای اصلی، مجموعه ای از باندهای مناسب برای تجزیه وتحلیل های همبستگی و مدل سازی فراهم شد. بررسی رابطه بین داده های زمینی و طیفی بااستفاده از آنالیز رگرسیون درختی (CART) انجام گرفت. ارزیابی اعتبار مدل ها با معیارهای میانگین مجذور مربعات خطا و اریبی با استفاده از قطعات نمونه استفاده نشده در مدل انجام شد. نتایج نشان داد که بهترین مدل برای مشخصه های حجم سرپا، رویه زمینی و تعداد درختان در هکتار به ترتیب دارای ضریب تبیین تعدیل یافته ۷۶/۰، ۷۳/۰ و ۸۰/۰ است. در مدل یادشده مقادیر RMSE و اریبی به درصد به ترتیب ۲۲/۴۰ و ۵/۱۷ درصد برای حجم سرپا، ۶۷/۳۸ و هشت درصد برای رویه زمینی و ۶۸/۵۸ و ۷۲/۲ درصد برای تعداد درختان در هکتار به دست آمد. نتایج به طور کلی نشان داد که داده های طیفی این سنجنده برای مشخصه های کمی موردبررسی دارای قابلیت متوسطی هستند.
کلیدواژه ها:
نویسندگان
نورالدین نوریان
دانشجوی دکتری جنگلداری، دانشگاه گرگان
شعبان شتایی جویباری
دانشیار، دانشگاه گرگان
جهانگیر محمدی
دکتری جنگلداری، دانشگاه گرگان
سلام یزدانی
کارشناسی ارشد جنگلداری، دانشگاه گرگان
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 :