بررسی قابلیت داده های ماهواره های لندست ۸ و سنتینل ۲ در برآورد مشخصه های کمی توده در جنگل های پهن برگ استان گلستان
- سال انتشار: 1404
- محل انتشار: مجله جنگل ایران، دوره: 17، شماره: 2
- کد COI اختصاصی: JR_IJF-17-2_002
- زبان مقاله: فارسی
- تعداد مشاهده: 17
نویسندگان
دانش آموخته دکتری مدیریت جنگل، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، ایران
استاد گروه جنگلداری، دانشکده منابع طبیعی، دانشگاه علوم کشاورزی و منابع طبیعی ساری
دانشیار گروه مدیریت جنگل، دانشکده علوم جنگل، دانشگاه علوم کشاورزی و منابع طبیعی گرگان
دانشیار گروه علوم اطلاعات جغرافیایی و رصد زمین (ITC)، دانشگاه توئنته، هلند
چکیده
مقدمه: کسب اطلاعات بهنگام از وضعیت کمی و کیفی جنگل ها در مدیریت اکوسیستم، طراحی طرح های مدیریتی و حفاظتی لازم است. با توجه به نقش جنگل های هیرکانی در حفظ تنوع زیستی، تعدیل آب وهوا، ارزش های محیط زیستی و اقتصادی و حفاظت از آب و خاک و هزینه زیاد و زمان بر بودن اندازه گیری مشخصه های کمی توده جنگل از طریق روش های میدانی، استفاده از داده های سنجش از دور و مدل سازی اطلاعات زیادی را در این زمینه فراهم می کنند، به طوری که نیاز کمتری به انجام دادن کارهای میدانی است. هدف از این پژوهش بررسی قابلیت ماهواره های لندست ۸ و سنتینل ۲ در برآورد مشخصه های کمی رویه زمینی در هکتار و حجم در هکتار در بخش هایی جنگل های پهن برگ استان گلستان است. مواد و روش ها: در این پژوهش برای برداشت اطلاعات زمینی ۲۳۰ قطعه نمونه دایره ای به مساحت ۱۰۰۰ متر مربع با روش نمونه برداری سیستماتیک و شبکه ۱۰۰×۱۰۰ متر در پنج رویشگاه کردکوی، شصت کلاته، زرین گل، سرخداری و لوه پیاده شد. مرکز جغرافیایی هر قطعه نمونه با استفاده از دستگاه سیستم موقعیت یاب جهانی تفاضلی (DGPS) ثبت شد. در هر قطعه نمونه نوع گونه، قطر برابرسینه بیشتر از ۵/۱۲سانتی متر و ارتفاع درختان اندازه گیری شد. سپس حجم در هکتار، رویه زمینی در هکتار در هر قطعه نمونه محاسبه شد. پس از پردازش تصاویر و تهیه شاخص های گیاهی (NDVI، RVI، EVI،GNDVI،PCA،SAVI، IPVIو DVI)، ارزش های رقومی متناظر با قطعات نمونه زمینی از باندهای طیفی استخراج شد. تحلیل عدم قطعیت نتایج نیز با استفاده از روش مونت کارلو انجام گرفت. مدل سازی داده ها به دو روش رگرسیون چندمتغیره خطی و الگوریتم جنگل تصادفی انجام گرفت. در این تحقیق برای برآورد مشخصه های کمی از مجموع ۲۳۰ قطعه نمونه، ۱۷۵ قطعه نمونه (۷۵ درصد) در فرایند مدل سازی به کار گرفته شده و ۵۵ قطعه نمونه (۲۵ درصد) به منظور اعتبارسنجی در الگوریتم های داده کاوی استفاده شدند. یافته ها: براساس نتایج حاصل از برآورد مشخصه های کمی رویه زمینی و حجم در هکتار با استفاده از رگرسیون چندمتغیره خطی و داده های لندست ۸، درصد مجذور میانگین مربعات خطا به ترتیب ۷۲/۵۰ و ۰۶/۴۷ و برای داده های سنتینل ۲ به ترتیب ۶۶/۴۸ و ۸۹/۴۵ حاصل شد. نتایج حاصل از برآورد دو مشخصه یادشده با استفاده از الگوریتم جنگل تصادفی و داده های لندست ۸ به ترتیب ۵۳/۴۴ و ۲۸/۴۱ درصد و برای داده های سنتینل ۲ به ترتیب ۲۱/۴۴ و ۶۶/۳۹ حاصل شد. نتیجه گیری: به طور کلی نتایج تحقیق نشان داد که الگوریتم جنگل تصادفی و داده های سنتینل ۲ در برآورد مشخصه های کمی رویه زمینی و حجم در هکتار نتایج بهتری به میزان حدود ۶ تا ۱۱ درصد نسبت به روش رگرسیون خطی و داده های لندست ۸ ارائه داد. نتایج آنالیز عدم قطعیت نیز نشان داد که میانگین برآورد شده مشخصه های کمی حجم و رویه زمینی در هکتار در محدوده حدود اطمینان (۵/۹۷–۵/۲) قرار دارد که نشان دهنده انتخاب مناسب مدل است. در مجموع می توان گفت رویکرد استفاده شده در این تحقیق حاکی از قابلیت متوسط در برآورد مشخصه های کمی رویه زمینی و حجم در هکتار جنگل است.کلیدواژه ها
الگوریتم جنگل تصادفی, حجم در هکتار, رگرسیون چند متغیره, رویه زمینی در هکتار, سنتینل ۲, لندست ۸اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.