ارزیابی داده های ماهواره ای رپیدآی (RapidEye) در برآورد برخی مشخصه های کمی جنگل های خزری منطقه گرگان

سال انتشار: 1397
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 370

فایل این مقاله در 16 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_GIRS-9-4_001

تاریخ نمایه سازی: 25 خرداد 1398

چکیده مقاله:

برآورد مشخصه های کمی جنگل اهمیت زیادی ازنظر کاربردهای آن برای آگاهی از وضعیت جنگل و نحوه عملکرد آن دارد. هدف از این پژوهش برآورد مشخصه­های کمی (حجم سرپا، رویه زمینی و تعداد درختان در هکتار) با استفاده از داده های طیفی ماهواره رپیدآی  RapidEye)1390) و الگوریتم های ناپارامتریک در بخشی از جنگل های خزری منطقه گرگان بود. به این منظور تعداد 418 قطعه نمونه هرکدام با مساحت 1000 مترمربع به روش خوشه ای تصادفی انتخاب شد. در هر پلات قطر برابرسینه تمامی درختان و ارتفاع برخی از آن ها به همراه موقعیت مراکز قطعه نمونه برداشت شد. سپس حجم سرپا، رویه زمینی و تعداد درختان در هکتار محاسبه گردید. پس از انجام برخی پردازش های تصویر رپیدآی شامل نسبت گیری، تجزیه مولفه­های اصلی، تحلیل بافت و تبدیل تسلدکپ، ارزش های رقومی متناظر با قطعات نمونه زمینی از باندهای طیفی استخراج و به عنوان متغیرهای مستقل در نظر گرفته شدند. مشخصه های کمی نیز به عنوان متغیر وابسته در نظر گرفته شدند. مدل سازی با روش های k نزدیک ترین همسایه، ماشین بردار پشتیبان و جنگل تصادفی با 75 درصد از قطعات نمونه انجام گردید و نتایج با 25 درصد باقیمانده قطعات نمونه مورد ارزیابی قرار گرفت. نتایج نشان داد که بهترین برآوردها با روش جنگل تصادفی برای مشخصه های حجم سرپا، رویه زمینی و تعداد درختان در هکتار با درصد مجذور میانگین مربعات خطا برابر با 39.83، 29.71 و 50.11 درصد و اریبی نسبی 0.01، 1.69 و 2.11 به دست آمد که در بین روش های ناپارامتریک دارای بهترین عملکرد بود. نتایج این تحقیق همچنین نشان داد که با توجه به ناهمگنی و متراکم بودن جنگل های خزری داده های طیفی ماهواره RapidEye دارای قابلیت نسبتا خوبی در برآورد مشخصه های کمی جنگل می باشند.

کلیدواژه ها:

جنگل هیرکانی ، الگوریتم های ناپارامتریک ، داده های ماهواره ای رپیدآی RapidEye ، استان گلستان

نویسندگان

نورالدین نوریان

دانش آموخته دکتری جنگلداری، دانشکده علوم جنگل، دانشگاه علوم کشاورزی و منابع طبیعی گرگان

شعبان شتایی

استاد گروه جنگلداری، دانشکده علوم جنگل، دانشگاه علوم کشاورزی و منابع طبیعی گرگان

جهانگیر محمدی

استادیار گروه جنگلداری، دانشکده علوم جنگل، دانشگاه علوم کشاورزی و منابع طبیعی گرگان

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • احمدی، م. و م. نارنگی فرد. 1394. برآورد کیفیت و ...
  • حسن زاد ناورودی، ا.، ن. سیدی و ح. سیف اللهیان. ... [مقاله ژورنالی]
  • خرمی، ر.، ع. ا. درویش صفت و م. نمیرانیان. 1386. ...
  • رجب­پور رحمتی، م.، ع. ا. درویش صفت، و ع. خلیل ... [مقاله ژورنالی]
  • ظهریبان، م.، ا. فلاح، ش. شتایی و س. کلبی. 1394. ... [مقاله ژورنالی]
  • عزیزی، ز.، ا. نجفی آشتیانی، پ. فاتحی و م. پیرباوقار. ... [مقاله ژورنالی]
  • فاضلی فارسانی، آ.، ر. قضاوی و م. ر. فرزانه. 1394. ...
  • قاسمی، ا.، ا. فلاح و ش. شتایی جویباری. 1395. ارزیابی ...
  • کلبی، س. 1390. بررسی امکان برآورد مشخصه های ساختاری جنگل ...
  • محمدی، ج. 1392. بهبود برآورد مشخصه های کمی ساختار جنگل ...
  • مروی مهاجر، م. 1384. جنگل شناسی و پرورش جنگل. انتشارات ...
  • نوریان، ن.، ش. شتایی جویباری، ج. محمدی و س. یزدانی. ... [مقاله ژورنالی]
  • نوریان، ن. 1392. بررسی قابلیت داده های ماهواره ای باقدرت ...
  • یزدانی، س.1390. برآورد برخی مشخصه های کمی جنگل با استفاده ...
  • Bhatti A, Mulla D, Frazier B. 1991. Estimation of soil ...
  • Bell GE, Howell BM, Johnson GV, Raun WR, Solie JB, ...
  • Breiman L. 2001. Random forests. Machine Learning, 45(1): 5-32. ...
  • Finley AO, McRoberts RE, Ek AR. 2006. Applying an efficient ...
  • Gonzales RC, Woods RE. 2002. Digital Image processing. Prentice Hal, ...
  • Gu H, Dai L, Wu G, Xu D, Wang S, ...
  • Holmström H, Fransson JE. 2003. Combining remotely sensed optical and ...
  • Huiyan G, Dai L, Wu G, Xu D, Wang S, ...
  • Hyyppä J, Hyyppä H, Inkinen M, Engdahl M, Linko S, ...
  • Kaartinen H, Hyyppä J, Vastaranta M, Kukko A, Jaakkola A, ...
  • Kajisa T, Murakami T, Mizoue N, Kitahara F, Yoshida S. ...
  • Kutzer C. 2008. Potential of the K-NN method for estimation ...
  • Lu D, Mausel P, Brondızio E, Moran E. 2004. Relationships ...
  • McRoberts RE, Tomppo EO, Finley AO, Heikkinen J. 2007. Estimating ...
  • Merzlyak MN, Gitelson AA, Chivkunova OB, Rakitin VY. 1999. Non‐destructive ...
  • Mohammadi J, Shataee Joibary S, Yaghmaee F, Mahiny A. 2010. ...
  • Nourian N, Joibary SS, Mohammadi J. 2016. Assessment of different ...
  • Packalén P, Maltamo M. 2007. The k-MSN method for the ...
  • Rana P, Tokola T, Korhonen L, Xu Q, Kumpula T, ...
  • Richardson AJ, Wiegand C. 1977. Distinguishing vegetation from soil background ...
  • Roujean J-L, Breon F-M. 1995. Estimating PAR absorbed by vegetation ...
  • Sandau R. 2010. Status and trends of small satellite missions ...
  • Schönert M, Weichelt H, Zillmann E, Jürgens C. 2014. Derivation ...
  • Shataee S, Kalbi S, Fallah A, Pelz D. 2012. Forest ...
  • Tomppo EO, Gagliano C, De Natale F, Katila M, McRoberts ...
  • Tucker CJ. 1979. Red and photographic infrared linear combinations for ...
  • Wallner A, Elatawneh A, Schneider T, Knoke T. 2014. Estimation ...
  • نمایش کامل مراجع