برآورد مشخصه های کمی جنگل با استفاده از داده های سنجنده aster و الگوریتم cart (منطقه موردمطالعه: جنگل شصت کلاته گرگان)

برآورد مشخصه های کمی جنگل در سطوح وسیع بااستفاده از داده های ماهواره ای اهمیت فراوانی در مدیریت پایدار جنگل دارد. هدف از این پژوهش، بررسی امکان برآورد برخی مشخصه های کمی جنگل بااستفاده از تصاویر سنجنده aster در جنگل شصت کلاته گرگان است. برای این منظور تعداد 112 قطعه نمونه زمینی مربعی به مساحت 09/0 هکتار به روش خوشه‏ای تصادفی در واحدهای همگن ازنظر تیپ درختی و جهت دامنه پیاده شد و مشخصه های حجم، رویه زمینی و تعداد درختان در هکتار در هر قطعه نمونه محاسبه شد. مرکز هر یک از قطعات نمونه نیز با gps تفاضلی ثبت شد. تصحیح هندسی و رادیومتری روی تصویر انجام شد. بااستفاده از روش های مختلف نسبت گیری، تجزیه مؤلفه های اصلی، تحلیل بافت، تبدیل تسلدکپ به همراه باندهای اصلی، مجموعه ای از باندهای مناسب برای تجزیه وتحلیل های همبستگی و مدل سازی فراهم شد. بررسی رابطه بین داده های زمینی و طیفی بااستفاده از آنالیز رگرسیون درختی (cart) انجام گرفت. ارزیابی اعتبار مدل ها با معیارهای میانگین مجذور مربعات خطا و اریبی با استفاده از قطعات نمونه استفاده نشده در مدل انجام شد. نتایج نشان داد که بهترین مدل برای مشخصه های حجم سرپا، رویه زمینی و تعداد درختان در هکتار به ترتیب دارای ضریب تبیین تعدیل یافته 76/0، 73/0 و 80/0 است. در مدل یادشده مقادیر rmse و اریبی به درصد به ترتیب 22/40 و 5/17 درصد برای حجم سرپا، 67/38 و هشت درصد برای رویه زمینی و 68/58 و 72/2 درصد برای تعداد درختان در هکتار به دست آمد. نتایج به طور کلی نشان داد که داده های طیفی این سنجنده برای مشخصه های کمی موردبررسی دارای قابلیت متوسطی هستند.