ارزیابی امکان برآورد برخی مشخصه¬های کمی جنگل¬های زاگرس با استفاده از تصاویر ماهوارۀ IRS-P6 (مطالعۀ موردی: جنگل¬های شهرستان بانه)

نوع مقاله: مقاله پژوهشی

چکیده

هدف از تحقیق حاضر، بررسی امکان برآورد مشخصه‌های تراکم (تعداد پایه در هکتار) و سطح مقطع درختان با استفاده از تصاویر سنجنده‌های LISS-III و ‍PAN ماهوارۀ IRS-P6، در بخشی از جنگل‌های زاگرس شمالی در شهرستان بانه استان کردستان است. به‌منظور جمع‌آوری داده‌های زمینی از یک شبکۀ آماربرداری به‌روش منظم تصادفی شامل312 قطعه نمونۀ دایره‌ای شکل 1/0 هکتاری استفاده شد. تصحیح هندسی تصاویر با استفاده از 29 نقطۀ کنترل به‌روش چندجمله‌ای با خطای 81/6 متر انجام شد. پس از پردازش تصاویر، ارزش‌های متناظر قطعه‌های نمونۀ زمینی (آماره‌های میانگین، انحراف معیار و دامنه) به‌عنوان متغیر مستقل از تصاویر اصلی، شاخص‌های گیاهی متناسب و مولفه‌های حاصل از تحلیل مؤلفه‌های اصلی استخراج و تعداد در هکتار و سطح مقطع به‌عنوان متغیر وابسته در نظر گرفته شدند. با استفاده از تحلیل رگرسیونی چندگانه و روش گام به گام بهترین مدل‌های رگرسیونی تولید و با در نظر گرفتن معیارهای ریشۀ دوم میانگین مربعات خطا (RMSE)، اریبی (Bias)، همبستگی و مقدار F، مدل مناسب انتخاب شد. ضریب تعیین بهترین مدل برآوردکنندۀ سطح مقطع و تراکم به‌ترتیب 42/0 و 31/0 با استفاده از متغیرهای پیش‌بینی‌کنندۀ (باندهای اصلی و شاخص‌های گیاهی) حاصل شد. مقادیر RMSE و اریبی بهترین مدل‌ها به‌ترتیب 40 و 27/1 درصد برای سطح مقطع و 46 و 5/9 درصد برای مشخصۀ تعداد در هکتار به‌دست آمد. افزودن داده‌های کمکی فیزیوگرافی سبب بهبود مدل‌های به‌دست‌آمده نشد.

کلیدواژه‌ها


عنوان مقاله [English]

Evaluation of capability of IRS-P6 satellite data for predicting quantitative attributes of forests (case study: Northern Zagros forests)

چکیده [English]

The aim of this research was to predict tree density and basal area using IRS-P6 satellite data in the northern Zagros forests. A random-systematic sampling grid consists of 312 circular sample plots (each plot, 0.1 ha) were used to collect field data. The images were georeferenced using 29 ground control points. Spectral values related to field plots were extracted from original and synthetic bands composed of vegetation indices, principle component analysis and data fusion. Ancillary data such as slope, aspect and elevation are also extracted. Multiple regression and stepwise method were used to predict tree density and basal area from original and synthetic bands as independent variables. The best models (at first just original bands and then combined of original and synthetic bands) were selected using RMSE, Bias, Correlation and the F values (the best model for tree density: R2adj = 0.31 & for basal area: R2adj = 0.38). Using slope, aspect, and elevation ancillary data did not improve the results.

کلیدواژه‌ها [English]

  • Forest density
  • Basal area
  • IRS-P6
  • Multiple regressions
  • Northern Zagros Forests