برآورد زی‌تودۀ چوبی روی‌زمینی با به‌کارگیری داده‌های راداری در جنگل‌های آمیختۀ هیرکانی (مطالعۀ موردی: جنگل خیرود نوشهر مازندران)

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی دکتری گروه جنگلداری و اقتصاد جنگل، دانشکدۀ منابع طبیعی، دانشگاه تهران، کرج

2 استاد گروه جنگلداری و اقتصاد جنگل، دانشکدۀ منابع طبیعی، دانشگاه تهران، کرج

3 استاد آزمایشگاه‌های سنجش از دور، دانشگاه زوریخ، زوریخ، سوئیس

4 دانشیار دانشکدۀ مهندسی نقشه‌برداری، دانشگاه خواجه نصیرالدین طوسی، تهران

10.22034/ijf.2022.310971.1808

چکیده

در این پژوهش، قابلیت داده‌های راداری قطبش کامل ماهوارۀ ALOS-2 در برآورد زی‌تودۀ چوبی روی‌زمینی جنگل‌های آمیختۀ هیرکانی بررسی شد. به‌منظور آماربرداری ابتدا با جنگل‌گردشی مناطق مناسب با شیب کم شناسایی و 127 قطعه نمونۀ مربع‌شکل با مساحت 900 متر مربع در آن پیاده شد. قطر برابرسینه و ارتفاع درختان قطورتر از 5/7 سانتی‌متر اندازه‌گیری و حجم هر درخت با استفاده از این دو مشخصه محاسبه شد. برای محاسبۀ زی‌توده در هر قطعه نمونه از رابطۀ تبدیل حجم به زی‌توده (با ضرب حجم در چگالی بحرانی چوب) استفاده شد. میانگین زی‌تودۀ روی‌زمینی محاسباتی در منطقۀ پژوهش 04/318 تن در هکتار است. به‌منظور پردازش داده‌های ALOS-2، کانال‌های قطبشی کالیبراسیون و چنددیده شدند. برای کاهش نویز، فیلتر باکس‌کار با ابعاد پنجرۀ 5×5 پیکسل اعمال شد و در نهایت متغیرهای استخراج‌شده تصحیح هندسی شدند. شدت بازپخش در فرم گامانات برای قطبش‌های مختلف، مؤلفه‌های تجزیۀ هدف Freeman-Durden و مشخصه‌های حاصل از روابط ریاضی بین کانال‌های قطبشی متغیرهای استخراج‌شده در این تحقیق بودند. به‌منظور مدل‌سازی برآورد زی‌توده با استفاده از متغیرهای ذکرشده، سه الگوریتم ناپارامتریک شاملk  نزدیک‌ترین ‌همسایه (k-NN)، جنگل‌تصادفی (RF) و رگرسیون بردار پشتیبان (SVR) اجرا شد. نتایج مدل‌سازی با استفاده از الگوریتم جنگل تصادفی نشان داد که زی‌تودۀ روی‌زمینی می‌تواند با ضریب تبیین 38/0 و جذر میانگین مربعات خطای نسبی 77/23 درصد برآورد شود؛ درحالی که الگوریتم‌های k نزدیک‌ترین همسایه (k-NN) با ضریب تبیین 38/0 و جذر میانگین مربعات خطای 38/24 درصد و رگرسیون بردار پشتیبان با مقادیر ضریب تبیین 35/0 و جذر میانگین مربعات خطای 2/25 درصد صحت کمتری در برآورد زی‌توده داشتند. به‌طورکلی نتایج این پژوهش نشان‌دهندۀ قابلیت متوسط داده‌های قطبش کامل راداری ALOS-2 در برآورد زی‌تودۀ چوبی روی‌زمینی در شرایط جنگل‌های آمیختۀ هیرکانی است.

کلیدواژه‌ها

عنوان مقاله [English]

Woody Aboveground Biomass Estimation using Radar Data in the mixed Hyrcanian Forest (Case Study: Khayroud Forest of Nowshahr, Mazandaran)

نویسندگان [English]

  • Gh. Ronoud 1
  • A.A. Darvishsefat 2
  • M.E. Schaepman 3
  • M. Namiranian 2
  • Y. Maghsoudi 4
1 Ph.D. student, University of Tehran, Dept. of Forestry and Forest Economics, Faculty of Natural Resources, Karaj, I. R.Iran
2 Prof., University of Tehran, Dept. of Forestry and Forest Economics, Faculty of Natural Resources, Karaj, I. R. Iran
3 Prof., University of Zurich, Remote Sensing Laboratories, Winterthurerstrasse190, 8057 Zurich, Switzerland
4 Assistant Prof., Khajeh Nasir Toosi University, Faculty of Surveying Engineering, Tehran, I. R. Iran
چکیده [English]

This study investigates the capability of ALOS-2 full polarimetric radar data for estimating woody aboveground biomass (AGB) in a mixed Hyrcanian forest. For collecting ground data, the low slope areas selected and measured for a total of 127 square sample plots with an area of 900-m2. Tree height and Diameter at Breast Height (DBH) were measured for each tree with DBH of larger than 7.5-cm and the volume of each tree was calculated using these two characteristics. We used volume to biomass equation (multiplying the volume by the wood-critical density) to calculate AGB in each sample plot. The average of observed AGB was 318.04-tons per hectare for the study area. To process ALOS-2 data, the polarization channels were calibrated and multi-looked. We used a Box-Car filter with window size of 5×5 pixels to reduce the noise. Finally, the extracted features were geometrically corrected. They are Backscattering intensity components in the form of gamma naught, Freeman-Durden target decompositions components and variables derived from mathematical relationships betw

کلیدواژه‌ها [English]

  • Aboveground Woody Biomass
  • Radar
  • Polarization
  • ALOS-2
  • Mixed forests

مراجع

 
Amini, J., & Sumantyo, J.T.S. (2009). Employing a method on SAR and optical images for forest biomass estimation. IEEE Transactions on Geoscience and Remote Sensing, 47(12), 4020-4026.
Behera, M.D., Tripathi, P., Mishra, B., Kumar, S., Chitale, V.S., & Behera, S. K. (2016). Above-ground biomass and carbon estimates of Shorea robusta and Tectona grandis forests using QuadPOL ALOS PALSAR data. Advances in Space Research, 57(2), 552-561.
Bharadwaj, P.S., Kumar, S., Kushwaha, S.P.S., & Bijker, W. (2015). Polarimetric scattering model for estimation of above ground biomass of multilayer vegetation using ALOS-PALSAR quad-pol data. Physics and Chemistry of the Earth, Parts A/B/C, 83, 187-195.
Bispo, P.C., Santos, J.R., Valeriano, M.M., Touzi, R., & Seifert, F.M. (2014). Integration of polarimetric PALSAR attributes and local geomorphometric variables derived from SRTM for forest biomass modeling in central Amazonia. Canadian Journal of Remote Sensing, 40(1), 26-42.
Brown, S., & Lugo, A.E. (1984). Biomass of tropical forests: a new estimate based on forest volumes. Science, 223(4642), 1290-1293.
Cassol, H.L.G., Carreiras, J.M.D.B., Moraes, E.C., Silva, C.V.D.J., Quegan, S., & Shimabukuro, Y.E. (2019). Retrieving secondary forest aboveground biomass from polarimetric ALOS-2 PALSAR-2 data in the Brazilian Amazon. Remote Sensing, 11(1), 59.
Chen, W., Zheng, Q., Xiang, H., Chen, X., & Sakai, T. (2021). Forest canopy height estimation using polarimetric interferometric synthetic aperture radar (PolInSAR) technology based on full-polarized ALOS/PALSAR data. Remote Sensing, 13(2), 174.
Chrysafis, I., Mallinis, G., Siachalou, S., & Patias, P. (2017). Assessing the relationships between growing stock volume and Sentinel-2 imagery in a Mediterranean forest ecosystem. Remote Sensing Letters, 8(6), 508-517.
Darvishsefat, A., Miri, N., Shakeri, Z., & Zargham, N. (2017). Estimation of leaf area index in Zagros forests using Landsat 8 data. Iranian Journal of Forest, 9(1), 29-42.
Enayati, A.A. )2011(. Wood Physics. Tehran: University of Tehran Press.
Erasmi, S., Semmler, M., Schall, P., & Schlund, M. (2019). Sensitivity of bistatic TanDEM-X data to stand structural parameters in temperate forests. Remote Sensing, 11(24), 2966.
Fazelian, M., Attarchi, S., Etemad, V., & Lisenberg, V. (2020). Forest biomass estimation using optical and microwave imagery (Case study: Garazbon Series, Kheirud Forest). Iranian Journal of Forest, 12(3), 391-405.
Fransson, J.E., Santoro, M., Wallerman, J., Persson, H.J., Monteith, A.R., Eriksson, L.E., & Ulander, L.M. (2016). Estimation of forest stem volume using ALOS-2 PALSAR-2 satellite images. In 2016 IEEE International Geoscience and Remote Sensing Symposium (IGARSS), 5327-5330.
Freeman, A., & Durden, S.L. (1998). A three-component scattering model for polarimetric SAR data. IEEE Transactions on Geoscience and Remote Sensing, 36(3), 963-973.
Ghasemi, N., Sahebi, M.R., & Mohammadzadeh, A. (2012). Biomass estimation of a temperate deciduous forest using wavelet analysis. IEEE Transactions on Geoscience and Remote Sensing, 51(2), 765-776.
Ghosh, S.M., & Behera, M.D. (2018). Aboveground biomass estimation using multi-sensor data synergy and machine learning algorithms in a dense tropical forest. Applied Geography, 96, 29-40.
Hernández-Stefanoni, J.L., Castillo-Santiago, M.Á., Mas, J.F., Wheeler, C.E., Andres-Mauricio, J., Tun-Dzul, F., George-Chacón, S.P., Reyes-Palomeque, G., Castellanos-Basto, B., Vaca, R., & Dupuy, J.M. (2020). Improving aboveground biomass maps of tropical dry forests by integrating LiDAR, ALOS PALSAR, climate and field data. Carbon Balance and Management, 15(1), 1-17.
Li, W., Chen, E., Li, Z., Zhang, W., & Jiang, C. (2016). Assessing performance of tomo-sar and backscattering coefficient for hemi-boreal forest aboveground biomass estimation. Journal of the Indian Society of Remote Sensing, 44(1), 41-48.
Li, Y., Li, C., Li, M., & Liu, Z. (2019). Influence of variable selection and forest type on forest aboveground biomass estimation using machine learning algorithms. forests, 10(12), 1073.
Lu, D., Chen, Q., Wang, G., Liu, L., Li, G., & Moran, E. (2016). A survey of remote sensing-based aboveground biomass estimation methods in forest ecosystems. International Journal of Digital Earth, 9(1), 63-105.
Ma, J., Xiao, X., Qin, Y., Chen, B., Hu, Y., Li, X., & Zhao, B. (2017). Estimating aboveground biomass of broadleaf, needleleaf, and mixed forests in Northeastern China through analysis of 25-m ALOS/PALSAR mosaic data. Forest Ecology and Management, 389, 199-210.
Maghsodi, Y., & Mahdavi, S. (2015). The principle of Radar Remote Sensing. Tehran: Khaje Nasir Toosi University of Technology Press.
McNeill, S., & Pairman, D. (2005). Stand age retrieval in production forest stands in New Zealand using C-and L-band polarimetric radar. IEEE Transactions on Geoscience and Remote Sensing, 43(11), 2503-2515.
Mohammadi, J., Shataee, S., Namiranian, M., & Næsset, E. (2017). Modeling biophysical properties of broad-leaved stands in the hyrcanian forests of Iran using fused airborne laser scanner data and ultraCam-D images. International Journal of Applied Earth Observation and Geoinformation, 61, 32-45.
Moradi, F., Darvishsefat, A.A., Namiranian, M., & Ronoud, G. (2018). Investigating the capability of Landsat 8 OLI data for estimation of aboveground woody biomass of common hornbeam (Carpinus betulus L.) stands in Khyroud Forest. Iranian Journal of Forest and Poplar Research, 26(3), 406-420.
Namiranian, M. (2006), Measurement of the tree and forest biometry. Tehran. University of Tehran Press.
Nasiri, V., Darvishsefat, A.A., Arefi, H., & Namiranian, M. (2020). Estimating Mean Tree Crown Diameter using UAV Imagery Based on Multi Resolution and Watershed Segmentation Methods (Case study: Kheyrud Forest). Iranian Journal of Forest, 12(1), 131-145.
Nouri, A., Shataee, S., & Mohammadi, J. (2019). Capability of Alos-Palsar-2 radar quad polarization data for estimation of structural quantitative characteristics of planted forest, Arabdagh region, Iran. Iranian Journal of Forest and Poplar Research, 27(4), 451-463.
Pandit, S., Tsuyuki, S., & Dube, T. (2018). Estimating above-ground biomass in sub-tropical buffer zone community forests, Nepal, using Sentinel 2 data. Remote Sensing, 10(4), 601.
Poorazimy, M., Shataee, S., Attarchi, S., & Mohammadi, J. (2017). Estimation of aboveground biomass using Alos-Palsar data in Hyrcanian forests (Case study: ShastKalateh, Gorgan). Forest and Wood Products, 70(3), 479-488.
Poorazimy, M., Shataee, S., McRoberts, R.E., & Mohammadi, J. (2020). Integrating airborne laser scanning data, space-borne radar data and digital aerial imagery to estimate aboveground carbon stock in Hyrcanian forests, Iran. Remote Sensing of Environment, 240, 111669.
Ronoud, G., & Darvishsefat, A.A. (2018). Estimating aboveground woody biomass of Fagus orientalis stands in Hyrcanian forest of Iran using Landsat 5 satellite data (Case study: Khyroud Forest). Geographic Space, 17(60), 117-129.
Ronoud, G., Darvishsefat, A.A., & Namiranian, M. (2017). Estimation of aboveground woody biomass of Fagus orientalis stands in Hyrcanian forest of Iran using OLI data (Case study: Gorazbon and Namkhaneh Districts, Kheyrud Forest). Forest and Wood Products, 70(4), 559-568.
Ronoud, G., Fatehi, P., Darvishsefat, A.A., Tomppo, E., Praks, J., & Schaepman, M.E. (2021). Multi-Sensor Aboveground Biomass Estimation in the Broadleaved Hyrcanian Forest of Iran. Canadian Journal of Remote Sensing, 47(6),1-17.
Santoro, M., Eriksson, L.E., & Fransson, J.E. (2015). Reviewing ALOS PALSAR backscatter observations for stem volume retrieval in Swedish forest. Remote Sensing, 7(4), 4290-4317.
Santos, J.R., Freitas, C.C., Araujo, L.S., Dutra, L.V., Mura, J.C., Gama, F.F., & Sant'Anna, S.J. (2003). Airborne P-band SAR applied to the aboveground biomass studies in the Brazilian tropical rainforest. Remote Sensing of Environment, 87(4), 482-493.
Sinha, S., Jeganathan, C., Sharma, L.K., & Nathawat, M.S. (2015). A review of radar remote sensing for biomass estimation. International Journal of Environmental Science and Technology, 12(5), 1779-1792.
Tarmian, A., Remond, R., Faezipour, M., Karimi, A., & Perré, P. (2009). Reaction wood drying kinetics: tension wood in Fagus sylvatica and compression wood in Picea abies. Wood Science and Technology, 43(1-2), 113-130.
مجله جنگل ایران
دوره 14، شماره 3
آذر 1401
صفحه 257-274

فایل ها

سابقه مقاله

  • تاریخ دریافت: 03 آبان 1400
  • تاریخ بازنگری: 26 آذر 1400
  • تاریخ پذیرش: 18 دی 1400

هم رسانی

ارجاع به این مقاله

آمار