این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
جنگل ایران، جلد ۱۷، شماره ۲، صفحات ۱۷۳-۱۸۹
عنوان فارسی بررسی قابلیت داده‌های ماهواره‌های لندست ۸ و سنتینل ۲ در برآورد مشخصه‌های کمّی توده در جنگل‌های پهن‌برگ استان گلستان
چکیده فارسی مقاله مقدمه: کسب اطلاعات بهنگام از وضعیت کمی و کیفی جنگل‌ها در مدیریت اکوسیستم، طراحی طرح‌های مدیریتی و حفاظتی لازم است. با توجه به نقش جنگل‌های هیرکانی در حفظ تنوع زیستی، تعدیل آب‌وهوا، ارزش‌های محیط زیستی و اقتصادی و حفاظت از آب و خاک و هزینۀ زیاد و زمان‌بر بودن اندازه‌گیری مشخصه‌های کمّی توده جنگل از طریق روش‌های میدانی، استفاده از داده‌های سنجش از دور و مدل‌سازی اطلاعات زیادی را در این زمینه فراهم می‌کنند، به‌طوری که نیاز کمتری به انجام دادن کارهای میدانی است. هدف از این پژوهش بررسی قابلیت ماهواره‌های لندست 8 و سنتینل 2 در برآورد مشخصه‌های کمّی رویه زمینی در هکتار و حجم در هکتار در بخش‌هایی جنگل‌های پهن‌برگ استان گلستان است. مواد و روش‌ها: در این پژوهش برای برداشت اطلاعات زمینی 230 قطعه ‌نمونۀ دایره‌ای به مساحت 1000 متر مربع با روش نمونه‌برداری سیستماتیک و شبکۀ 100×100 متر در پنج رویشگاه کردکوی، شصت کلاته، زرین گل، سرخداری و لوه پیاده شد. مرکز جغرافیایی هر قطعه ‌نمونه با استفاده از دستگاه سیستم موقعیت‌یاب جهانی تفاضلی (DGPS) ثبت شد. در هر قطعه نمونه نوع گونه، قطر برابرسینه بیشتر از 5/12سانتی‌متر و ارتفاع درختان اندازه‌گیری شد. سپس حجم در هکتار، رویه زمینی در هکتار در هر قطعه ‌نمونه محاسبه شد. پس از پردازش تصاویر و تهیۀ شاخص‌های گیاهی (NDVI، RVI، EVI،GNDVI،PCA،SAVI، IPVIو DVI)، ارزش‌های رقومی متناظر با قطعات نمونۀ زمینی از باندهای طیفی استخراج شد. تحلیل عدم قطعیت نتایج نیز با استفاده از روش مونت‌کارلو انجام گرفت. مدل‌سازی داده‌ها به دو روش رگرسیون چندمتغیرۀ خطی و الگوریتم جنگل‌ تصادفی انجام گرفت. در این تحقیق برای برآورد مشخصه‌های کمّی از مجموع 230 قطعه نمونه، 175 قطعه نمونه (75 درصد) در فرایند مدل‌سازی به کار گرفته شده و 55 قطعه نمونه (25 درصد) به‌منظور اعتبارسنجی در الگوریتم‌های داده‌کاوی استفاده شدند. یافته‌ها: براساس نتایج حاصل از برآورد مشخصه‌های کمّی رویه زمینی و حجم در هکتار با استفاده از رگرسیون چندمتغیرۀ خطی و داده‌های لندست 8، درصد مجذور میانگین مربعات خطا به‌ترتیب 72/50 و 06/47 و برای داده‌های سنتینل 2 به‌ترتیب 66/48 و 89/45 حاصل شد. نتایج حاصل از برآورد دو مشخصۀ یادشده با استفاده از الگوریتم جنگل‌ تصادفی و داده‌های لندست 8 به‌ترتیب 53/44 و 28/41 درصد و برای داده‌های سنتینل 2 به‌ترتیب 21/44 و 66/39 حاصل شد. نتیجه‌گیری: به‌طور کلی نتایج تحقیق نشان داد که الگوریتم جنگل‌ تصادفی و داده‌های سنتینل 2 در برآورد مشخصه‌های کمّی رویه زمینی و حجم در هکتار نتایج بهتری به میزان حدود 6 تا 11 درصد نسبت به روش رگرسیون خطی و داده‌های لندست 8 ارائه داد. نتایج آنالیز عدم قطعیت نیز نشان داد که میانگین برآورد‌شدۀ مشخصه‌های کمّی حجم و رویه زمینی در هکتار در محدودۀ حدود اطمینان (5/97–5/2) قرار دارد که نشان‌دهندۀ انتخاب مناسب مدل است. در مجموع می‌توان گفت رویکرد استفاده‌شده در این تحقیق حاکی از قابلیت متوسط در برآورد مشخصه‌های کمّی رویه زمینی و حجم در هکتار جنگل است.
کلیدواژه‌های فارسی مقاله الگوریتم جنگل‌ تصادفی،حجم در هکتار،رگرسیون چند متغیره،رویه زمینی در هکتار،سنتینل 2،لندست 8،
عنوان انگلیسی Investigating the capability of Landsat -8 and Sentinel- 2 satellites in estimating the quantitative characteristics of stands in the Hyrcanian broadleaved forests of Golestan province
چکیده انگلیسی مقاله Introduction: Obtaining timely information on the qualitative and quantitative characteristics of forests is useful in ecosystem management, designing management and protection plans. Considering the role of Hyrcanian forests in maintaining biological diversity, adjusting climate, environmental and economic values, and protecting water and soil, and the high cost and time-consuming nature of measuring the quantitative characteristics of the forests through field methods, remote sensing application and modeling provide a lot of information in this field so that there is less need to do field work. The purpose of this research is to investigate the capability of Landsat-8 and Sentinel-2 satellites in estimating quantitative characteristics of stands in broadleaved forests of Golestan province. Materials and methods: In this study, 230 circular sample plots with an area of 1000 square meters were measured using a systematic sampling method and a 100x100 meter grid in five sites of Kordkoy, Shasat Kalateh, Zarrin Gol, Sukhdari and Loveh. The geographic center of each plot was recorded using a Differential Global Positioning System (DGPS) device. In each plot the species, the DBH was more than 12.5 cm and the height of the trees were measured. Then the number of trees density (n. ha-1), volume (m3. ha-1), basal area (m2. ha-1) located in each sample plot were calculated. After processing the images and creating plant indices (NDVI، RVI، EVI،GNDVI،PCA،SAVI، IPVI and DVI), the numerical values corresponding to the ground sample plots were extracted from the spectral bands. Uncertainty analysis of the results was also carried out using the Monte Carlo method. Data modeling was carried out using two methods: multiple linear regression and the Random Forest algorithm. In this study, a total of 230 sample plots were used, with 175 plots (75%) allocated for model development, and the remaining 55 plots (25%) employed for validation purposes within the data mining algorithms. Results: The results of estimating the quantitative characteristics of basal area (m2. ha-1) and volume (m3. ha-1) using linear multivariate regression showed that the percentage of root mean square error was 50.72 and 47.06 using Landsat-8 data, respectively and 48.66 and 45/89 using Sentinel- 2 data. The results also showed that the root mean square error percentage for the characteristics of basal area (m2. ha-1) and volume (m3. ha-1) are 44.53 and 41.28 percent with Using Landsat-8 data, respectively, and 44.21 and 39.66 using Sentinel-2 data and random forest algorithm. Conclusion: In general, the results of the study indicated that the Random Forest algorithm, combined with Sentinel-2 data, provided approximately 6 to 11 percent better estimates of basal area (m2. ha-1) and volume (m3. ha-1) quantitative characteristics compared to the linear regression method using Landsat 8 data. Furthermore, the uncertainty analysis showed that the mean estimated values of basal area and volume were within the confidence interval (2.5–97.5%), suggesting that the chosen model was appropriate. In summary, the approach used in this study demonstrated a moderate capability in estimating quantitative basal area and volume of the forest.  
کلیدواژه‌های انگلیسی مقاله الگوریتم جنگل‌ تصادفی,حجم در هکتار,رگرسیون چند متغیره,رویه زمینی در هکتار,سنتینل 2,لندست 8
نویسندگان مقاله سیده زهرا سید موسوی |
دانش‌آموخته دکتری مدیریت جنگل، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، ایران

اصغر فلاح |
استاد گروه جنگلداری، دانشکدۀ منابع طبیعی، دانشگاه علوم کشاورزی و منابع طبیعی ساری

جهانگیر محمدی |
دانشیار گروه مدیریت جنگل، دانشکدۀ علوم جنگل، دانشگاه علوم کشاورزی و منابع طبیعی گرگان

روشنک درویش زاده |
دانشیار گروه علوم اطلاعات جغرافیایی و رصد زمین (ITC)، دانشگاه توئنته، هلند

نشانی اینترنتی https://www.ijf-isaforestry.ir/article_224718_8916997fb2f162306398889ecfc7948e.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات