برآورد زیست توده جنگل با استفاده از تصاویرماهواره ای sar و اپتیک

زیست توده جنگل ها و تخمین مقدار آن نقش بسزایی در تغییرات آب و هوا دارد. بدلیل محدودیت و زمانبر بودن روش های زمینی در تخمین زیست توده، روش های سنجش از دور جایگزین موثری برای روش های زمینی می باشد. در این تحقیق به منظور بهبود دقت برآورد میزان زیست توده جنگل نسبت به پژوهش های پیشین، از تصویر اپتیک avnir-2 و تصویر راداری palsar ماهواره ی alos و همچنین از داده های زمینی دانشکده کشاورزی دانشگاه تهران مربوط به منطقه ی شمالی خیرودکنار استفاده شده است. مراحل انجام این پژوهش را می توان در سه مرحله بیان کرد:ا 1- استخراج ویژگی ها از تصاویر، 2 – انتخاب ویژگی به کمک الگوریتم ژنتیک، 3 - برآورد زیست توده با شبکه عصبی و آنالیز رگرسیون از ویژگی های انتخابی می باشد. ارزیابی نتایج حاصل از اعمال شبکه عصبی و آنالیز رگرسیون بر روی متغیرهای انتخاب شده توسط الگوریتم ژنتیک، بیانگر دقت بالای ۷۰ درصد توسط شبکه عصبی و دقت حدود 15 درصد توسط آنالیز رگرسیون در تخمین مقدار زیست توده است. به همین خاطر استفاده از شبکه عصبی به نحوی که در این تحقیق استفاده شده، برای جنگل های شمالی و با ساختار پیچیده پیشنهاد می گردد.