برآورد زیتوده روی زمینی درختان جنگل با استفاده از تصویرهای نوری و راداری (مطالعه موردی: حوضه ناو اسالم گیلان)
نویسندگان
1 دانشجوی دکتری جنگلداری، دانشکده کشاورزی و منابع طبیعی، دانشگاه لرستان، خرم آباد، ایران
2 استادیار گروه جنگلداری، دانشکده کشاورزی و منابع طبیعی، دانشگاه لرستان، خرمآباد، ایران
3 استادیار، گروه جنگلداری، دانشکده کشاورزی و منابع طبیعی، دانشگاه لرستان، خرم آباد، ایران
4 دکترای سنجش از دور، دانشکده انفورماتیک، دانشگاه کیوتو، کیوتو، ژاپن
5 استادیار، گروه جنگلداری، دانشکده کشاورزی و منابع طبیعی، دانشگاه لرستان، خرمآباد، ایران
doi
10.22092/ijfpr.2017.111776چکیده
استفاده از دادههای سنجش از دور یکی از روشهای کاربردی در برآورد مقدار زیتوده گیاهی است. در این پژوهش، داده های راداری ماهواره آلوس-2، با قطبش کامل و تصویرهای نوری ماهواره سنتینل-2، برای برآورد زیتوده روی زمینی درختان در جنگلهای سری یک حوضه ناو اسالم گیلان استفاده شد. مقدار بازپراکنش در قطبشهای مختلف، خصوصیات بافت و ویژگیهای تجزیه هدف از تصویرهای راداری و باندهای اصلی و مصنوعی بهدستآمده از تصویرهای نوری در سه ترکیب مختلف شامل تصویرهای راداری، تصویرهای نوری و ترکیب تصویرهای راداری و نوری، بهعنوان ورودیهای مدل شبکه عصبی مصنوعی و رگرسیون خطی چندگانه درنظر گرفته شدند. بهمنظور اندازهگیری زمینی زیتوده از 149 قطعهنمونه استفاده شد. ارزیابی شبکههای عصبی و رگرسیون خطی چندگانه با استفاده از آمارههای R2 و RMSE نشان داد که در تمامی حالتها مدل شبکههای عصبی نسبت به رگرسیون خطی کارایی بهتری در برآورد زیتوده روی زمینی درختان داشت. نتایج بهترین شبکه عصبی نشان داد که ترکیب دادههای نوری و راداری با مقدار R2 و RMSE بهترتیب 0/86 و 31/62 مگاگرم در هکتار (15/34 درصد) میتواند زیتوده درختی را برآورد کند. همچنین، نتایج استفاده از تصویرهای راداری و نوری بهطور مجزا نشان داد که مقدار R2 و RMSE برای مدلسازی زیتوده توسط تصویرهای راداری بهترتیب 0/57 و 49/17 مگاگرم در هکتار (23/85 درصد) و برای تصویرهای نوری 0/72 و 39/53 مگاگرم در هکتار (19/17 درصد) بود که نشاندهنده برتری مدلسازی زیتوده روی زمینی توسط تصویرهای نوری بود. نتایج کلی نشان از برآوردهای دقیقتر زیتوده در صورت استفاده همزمان از تصویرهای راداری و نوری و استفاده از مدل شبکه عصبی مصنوعی داشت.