برآورد مشخصه‌های کمی تک درختان جنگلی با استفاده از داده‌های لیزر اسکنر هوایی در بخشی از جنگل‌های شصت کلاته گرگان

سابقه و هدف: در این تحقیق قابلیت داده‌های لیزر اسکنر هوایی در برآورد ارتفاع، حجم، رویه زمینی، قطر برابر سینه و مساحت تاج پوشش تک درختان جنگلی در بخشی از جنگل‌های پهن‌برگ شصت کلاته گرگان مورد ارزیابی قرار گرفت. مواد و روش‌ها: در این مطالعه 125 پایه‌ی درختی از درختان که دارای تاج مستقل بودند و تداخل تاجی با پایه‌های مجاور نداشتند انتخاب شد. اطلاعات نوع گونه، ارتفاع، قطر بزرگ و قطر کوچک تاج هر درخت اندازه‌گیری و سپس ارتفاع درختان با استفاده از دستگاه ورتکس لیزری اندازه‌گیری شد و موقعیت مراکز درختان با استفاده از دستگاه سیستم موقعیت یاب تفاضلی برداشت گردید. پس از جداسازی مرز تاج پوشش تک درختان و تهیه پلی‌گون مرز آن‌ها از تصاویر دوربین رقومی هوایی UltraCam-D، داده‌های لیزر اسکنر هوایی برای هر درخت جدا و تمامی شاخص‌های ارتفاعی و تراکمی داده‌های لیزر اسکنر هوایی برای آنها محاسبه گردید. سپس با استفاده از الگوریتم‌های ناپارامتریک (RF، k-NN، SVR و ANN) و رگرسیون چند متغییره مشخصه‌های ارتفاع، حجم، رویه زمینی، قطر برابر سینه و مساحت تاج پوشش تک درختان جنگلی مدلسازی شدند. یافته‌ها: نتایج حاصل از روابط رگرسیونی و الگوریتم‌های ناپارامتریک بین ارتفاع، حجم، رویه زمینی، قطر برابر سینه و مساحت تاج پوشش درختان اندازه‌گیری شده با استخراج‌شده از داده‌های لیزر اسکنر هوایی نشان داد که درصد میانگین مجذور مربعات خطا و انحراف معیار از تفاوت‌هابرای مشخصه‌های ارتفاع، حجم، رویه زمینی، قطر برابر سینه و مساحت تاج پوشش تک درختان با استفاده از بهترین مدل به ترتیب 39/13، 78/56، 17/33، 34/22 و 88/25 درصد و 71/1 متر و 59/0 متر مکعب، 049/0 متر مربع، 2/9 سانتی‌متر و 26/39 مترمربع به‌دست آمد. نتیجه‌گیری: به طور کلی نتایج نشان داد که داده‌های لیزر اسکنر هوایی قابلیت برآورد مشخصه‌ ارتفاع درختان را با دقت خوب، و مشخصه‌های رویه زمینی، قطر برابر سینه و مساحت تاج پوشش تک درختان را با دقت مناسب دارد ولی قابلیت برآورد مشخصه حجم سرپا تک درختان را با دقت خوب نداشت. همچنین نتایج نشان داد که از میان الگوریتم‌های پارامتریک و ناپارامتریک الگوریتم ناپارامتریک شبکه عصبی مصنوعی عملکرد بهتری نسبت به سایر الگوریتم‌ها داشت. تیجه‌گیری: به طور کلی نتایج نشان داد که داده‌های لیزر اسکنر هوایی قابلیت برآورد مشخصه‌ ارتفاع درختان را با دقت خوب، و مشخصه‌های رویه زمینی، قطر برابر سینه و مساحت تاج پوشش تک درختان را با دقت مناسب دارد ولی قابلیت برآورد مشخصه حجم سرپا تک درختان را با دقت خوب نداشت. همچنین نتایج نشان داد که از میان الگوریتم‌های پارامتریک و ناپارامتریک الگوریتم ناپارامتریک شبکه عصبی مصنوعی عملکرد بهتری نسبت به سایر الگوریتم‌ها داشت.