برآورد زی‌تودۀ جنگل با استفاده از تصاویر نوری و ماکروویو (مطالعۀ موردی: سری گرازبن، جنگل خیرود)

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانش‌آموختۀ کارشناسی ارشد سنجش از دور و GIS، دانشکدۀ جغرافیا، دانشگاه تهران، تهران

2 استادیار، گروه سنجش ‌از دور و GIS، دانشکدۀ جغرافیا، دانشگاه تهران، تهران

3 دانشیار، گروه جنگلداری و اقتصاد جنگل، دانشکدۀ منابع طبیعی، دانشگاه تهران، کرج

4 دانشیار، گروه مهندسی جنگل، دانشگاه ایالتی سانتا کاتارینا، فلوریانس، برزیل

چکیده

تخمین زی‌تودۀ روی زمینی جنگل در سیاست‌های منطقه‌ای کربن و مدیریت پایدار جنگل اهمیت بسیاری دارد. با توجه به اینکه جنگل‌ها بزرگ‌ترین ذخیره‌گاه‌های کربن به شمار می‌آیند، ارزیابی زی‌توده در برآورد انرژی ذخیره‌شده و تأثیر آن بر تغییرات اقلیمی در مقیاس جهانی بسیار حائز اهمیت است. سنجش ‌از دور نوری و ماکروویو فعال، اهمیت زیادی در تخمین زی‌تودۀ جنگلی دارند. هدف این تحقیق مدل‌سازی و تخمین زی‌توده با استفاده از شبکۀ عصبی پرسپترون چندلایه در سری گرازبن جنگل خیرود استان مازندران است. مدل‌سازی با استفاده از مجموعه دادۀ نوری لندست و ماکروویو آلوس پالسار در دو سال 2007 و 2012 و با داشتن اطلاعات 201 قطعه‌ نمونۀ زمینی انجام گرفت. همچنین قابلیت محصول موزاییک جهانی آلوس پالسار با قدرت تفکیک 25 متر در تخمین زی‌توده ارزیابی شد. افزون‌بر این، حد اثرگذاری عوامل محیطی شیب و جهت شیب در افزایش دقت مدل‌سازی بررسی شده است. در نهایت بهترین مدل با استفاده از تصویر محصول موزاییک آلوس پالسار سال 2012 با تفاوتی بسیار اندک از دیگر تصاویر نوری و راداری با مقدار 83/0R2= و 99/108RMSE= تن در هکتار، به‌دست آمد. نتایج تحقیق نشان داد که تصاویر سنجنده‌های جدیدتر نتایج بسیار بهتری از نسل‌های قبل خود ارائه می‌دهند. البته برای اطمینان از این نتایج باید تحقیقات تکمیلی در این زمینه انجام گیرد.

کلیدواژه‌ها


عنوان مقاله [English]

Forest biomass estimation using optical and microwave imagery (Case study: Garazbon Series, Kheirud Forest)

نویسندگان [English]

  • M. Fazelian 1
  • S. Attarchi 2
  • V. Etemad 3
  • V. Lisenberg 4
1 M.Sc., Dept. of Remote Sensing and GIS, Faculty of Geography, University of Tehran, Tehran, I. R. Iran
2 Assistant Prof., Department of Remote Sensing and GIS, Faculty of Geography, University of Tehran, Tehran, I. R. Iran
3 Associate Prof., Department of Forestry, Faculty of Natural Resources, University of Tehran, Karaj, I. R. Iran
4 Associate Prof., Department of Forest engineering, Santa Catarina State University, Florianopolis, Brazil
چکیده [English]

Estimation of forest aboveground biomass is important in regional carbon policies and sustainable forest management. Since forests are the largest carbon store, it is important to evaluate the forest biomass to estimate carbon storage and its impacts on climate change in global scale. Optical and active microwave remote sensing data both play important roles in forest biomass monitoring. Our aims in this research are biomass modeling and estimation using multilayer perceptron neural network in Gorazbon district, Kheyroud Forest in Mazandaran province. Estimation was performed using the Landsat and ALOS PALSAR dataset and also 201 ground sample plots in two years of 2007 and 2012. The capability of the ALOS PALSAR Global Mosaic product with 25 m resolution was also evaluated in biomass estimation. The effects of environmental factors such as slope and aspect were specifically evaluated on the accuracy of biomass estimation. Finally, the best model was presented in 2012 by ALOS PALSAR Global Mosaic product with R2= 0.83 and RMSE = 108.99 which has very little difference from other optical and radar images. According to the research results, newer sensors using up-to-date technology will deliver much better results compared to the previous generations. Of course, to ensure these results, it is necessary to conduct additional studies in this field as well.

کلیدواژه‌ها [English]

  • Biomass
  • Forest
  • slope & aspect
  • Neural Network
  • ALOSPALSAR
  • Landsat