فهرست نشریات علمی دسترسی آزاد ایران

سابقه و هدف: اگرچه روش‌های غیرمستقیمِ اندازه‌گیری شاخص سطح برگ (Leaf Area Index: LAI) با تصویربرداری نیمکروی حاصل از دوربین دیجیتال مجهز به لنز چشم‌ماهی، دقت زیادی دارند، اما هزینه‌بر هستند و حمل‌ونقل آن‌ها نیز در عرصه دشوار است. پیشرفت فناوری در گوشی‌های هوشمند و ظهور لنزهای کلیپسی، زمینه استفاده از این ابزارها را برای برآورد LAI فراهم کرده است. هدف این پژوهش، ارزیابی صحت تصاویر نیمکرویِ گوشی هوشمند در مقایسه با دوربین دیجیتال برای برآورد شاخص سطح برگ در گونه‌های اقاقیا ( Robinia pseudoacacia L.)، کاج ( Pinus eldarica Medw.)، داغداغان ( Celtis australis L.) و ون ( Fraxinus rotundifolia Mill.) در پارک جنگلی چیتگر در شهرستان تهران بود. مواد و روش‌ها: درمجموع، از چهار توده در 169 نقطه عکس‌برداری انجام شد (در توده‌های اقاقیا: 47 نقطه، کاج: 36 نقطه، ون: 47 نقطه و داغداغان: 39 نقطه). برای نمونه‌برداری، اولین نقطه به‌صورت تصادفی در محل انتخاب شد. سپس، عکس‌برداری با فاصله‌های 10 متر از زیر تاج‌پوشش ادامه یافت. در هر نقطه، دو تصویر نیمکروی به‌طور هم‌زمان با دوربین دیجیتال و گوشی هوشمند ثبت شدند. عکس‌برداری در ارتفاع 5/0 متر و پیش از طلوع آفتاب انجام گرفت. شاخص سطح برگ با نرم‌افزار GLA استخراج و با استفاده از نرم‌افزار SPSS، آزمون نرمال بودن و آزمون تی جفتی انجام شد. 70 درصد از داده‌ها برای مدل‌سازی رگرسیون خطی و 30 درصد مابقی برای برازش و اعتبارسنجی مدل در نرم‌افزار Excel به‌صورت تصادفی انتخاب شدند. آزمون F برای تعیین معنی‌داری کلی مدل و آزمون t نیز برای تعیین معنی‌داری ضریب‌های مدل به کار رفت. همچنین، از ریشه میانگین مربع خطا (RMSE) و ریشه میانگین مربع خطای نسبی (RRMSE) برای برآورد خطای مدل رگرسیونی و از اریبی (Bias) برای تعیین کم‌برآوردی یا بیش‌برآوردی مدل استفاده شد. نتایج: میانگین شاخص سطح برگ در دوربین دیجیتال برای اقاقیا 8/0 با انحراف معیار (SD) 27/0±، کاج 89/0 (15/0±=SD)، داغداغان 24/1 (16/0±=SD)، و ون 77/0 (27/0±=SD) بود. این مقادیر برای گوشی هوشمند به‌ترتیب برابر با 66/0 (31/0±=SD)، 83/0 (19/±0=SD)، 07/1 (14/±0=SD)، و 75/0 (3/0±=SD) به‌دست آمد. براساس نتایج آزمون تی جفتی، تفاوت میانگین‌ها در گونه‌های اقاقیا، کاج و داغداغان معنی‌دار بود (05/0>Sig)، اما برای ون غیرمعنی‌دار (05/0<Sig) به‌دست آمد. میانگین اختلاف مقادیر برای همه گونه‌ها، مثبت و بیشترین مقدار آن در داغداغان (2/0) و کمترین آن در ون (028/0-) مشاهده شد. در مدل‌های رگرسیونی خطی ساده، همه مدل‌ها براساس آزمون F معنی‌دار بودند. براساس آزمون t نیز در همه مدل‌های رگرسیونی خطی، عرض از مبدأ معنی‌دار نبود. ضریب تعیین مدل‌ها در اقاقیا 53/0=R 2 ، کاج 59/0=R 2 ، داغداغان 73/0=R 2 و ون 71/0=R 2 به‌دست آمد. اعتبارسنجی با 30 درصد داده‌ها نشان داد که مقادیر RMSE و RRMSE در کاج به‌ترتیب 07/0 و 9، داغداغان 1/0 و 10، ون 18/0 و 25 و در اقاقیا 18/0 و 33 درصد هستند. گوشی هوشمند بدون مدل‌سازی در همه گونه‌ها، کم‌برآوردی داشت (به‌عنوان مثال در داغداغان 7/13 درصد کمتر از مقدار واقعی). نتیجه‌گیری کلی: در پژوهش پیش‌رو، داده‌های دوربین دیجیتال فقط به‌عنوان مرجع برای کالیبراسیون و صحت‌سنجی مدل استفاده شد. پس از توسعه مدل، گوشی هوشمند قادر است به‌طور مستقل و بدون نیاز به داده‌های دوربین، شاخص سطح برگ را برآورد کند. با این حال، این مدل فقط در شرایط و گونه‌های مورد مطالعه اعتبارسنجی شده است و به‌کارگیری آن در مناطق یا گونه‌های دیگر، نیازمند صحت‌سنجی و کالیبراسیون مجدد خواهد بود. همچنین، در این پژوهش از گوشی هوشمندی با کیفیت معمولی و یک لنز کلیپسی چشم‌ماهی برای ایجاد میدان دید 180 درجه استفاده شد. اگرچه دقت و کیفیت آن‌ها نسبت به دوربین دیجیتال کمتر است، اما در مناطق دورافتاده یا برای پایش‌های گسترده میدانی، به‌ویژه در گونه‌هایی با ساختار منظم تاج‌پوشش، آن‌ها می‌توانند جایگزینی عملی و مؤثر باشند. واژه‌های کلیدی: اعتبارسنجی مدل، رگرسیون خطی، عکس‌برداری نیمکروی، لنز چشم‌ماهی.