نام پژوهشگر: مژگان ظهریبان حصاری

برآورد برخی مشخصه های ساختاری جنگل با استفاده از داده های ماهواره pleiades وداده های کمکی (مطالعه موردی؛ جنگل آموزشی پژوهشی داربکلا)
thesis وزارت علوم، تحقیقات و فناوری - دانشگاه علوم کشاورزی و منابع طبیعی ساری - دانشکده منابع طبیعی 1393
  مژگان ظهریبان حصاری   شعبان شتایی

امروزه استفاده از داده های سنجش از دور و داده های کمکی برای کسب اطلاعات کمی و کیفی از توده های جنگلی به عنوان یک راهکار جایگزین برداشت زمینی مطرح شده است. هدف از این تحقیق، برآورد برخی مشخصه های ساختاری جنگل (حجم و رویه زمینی در هکتار) با استفاده از داده های ماهواره pleiades و داده های کمکی (فیزیوگرافی، خاک و اقلیم) در جنگل دارابکلای ساری بود. تعداد 144 قطعه نمونه 10 آری در شبکه ای به ابعاد 500 در 330 متر به روش تصادفی منظم پیاده و اطلاعات قطر برابر سینه تمامی درختان و ارتفاع برخی از آنها به همراه موقعیت مراکز قطعه نمونه به وسیله gps برداشت و حجم سرپا و رویه زمینی درختان در هکتار محاسبه گردید. پیش پردازش و پردازش های لازم بر روی تصویر انجام گرفت و نقشه پیوسته داده های کمکی شیب، جهت و ارتفاع (از مدل رقومی زمین)، بافت و اسدیتیه خاک (از طریق نمونه برداری زمینی و درونیابی)، بارش و دما (از طریق درون یابی ایستگاه های اقلیمی) تهیه شد. ارزش های رقومی متناظر با قطعات نمونه زمینی از باندهای طیفی و داده های کمکی استخراج و به عنوان متغیرهای مستقل و حجم سرپا و رویه زمینی در هکتار به عنوان متغیر وابسته در نظر گرفته شدند. مدلسازی با استفاده از روش های ناپارامتریک نزدیک ترین همسایه (knn)، ماشین بردار پشتیبانی (svm) و جنگل تصادفی (rf) با 70 درصد از قطعات نمونه انجام گردید و نتایج با 30 درصد قطعات نمونه باقیمانده مورد ارزیابی اعتبارسنجی قرار گرفت. نتایج نشان داد در مدلسازی با داده های طیفی برای برآورد حجم سرپا، الگوریتم ماشین بردار پشتیبان با درصد مجذور میانگین مربعات خطا برابر با 13/45 درصد و اریبی نسبی برابر با 21/3- و برای مشخصه رویه زمینی در هکتار با درصد مجذور میانگین مربعات خطا برابر با 75/38 درصد و اریبی نسبی برابر با 12/3 در مقایسه با الگوریتم های دیگر بهتر بودند. در مدلسازی با داده های کمکی برای برآورد حجم سرپا الگوریتم جنگل تصادفی با درصد مجذور میانگین مربعات خطا برابر با 17/45 درصد و اریبی نسبی برابر با 18/6- و برای مشخصه رویه زمینی در هکتار نیز این روش با درصد مجذور میانگین مربعات خطا برابر با 55/39 درصد و اریبی نسبی برابر با 89/2- دارای بهترین الگوریتم بوده است. با تلفیق داده های طیفی و کمکی در برآورد مشخصه حجم سرپا، روش ناپارامتریک جنگل تصادفی با درصد مجذور میانگین مربعات خطا برابر با 02/41 درصد و اریبی نسبی برابر با 11/2- و برای مشخصه رویه زمینی در هکتار روش ماشین بردار پشتیبان با درصد مجذور میانگین مربعات خطا برابر با 92/37 درصد و اریبی نسبی برابر با 20/0- دارای بهترین نتایج بود. نتایج این تحقیق نشان داد که داده های طیفی ماهواره pleiades در جنگل های متراکم شمال کشور در برآورد مشخصه های حجم سرپا و رویه زمینی دارای دقت متوسطی می باشد. تلفیق داده های طیفی با داده های کمکی (فیزیوگرافی، خاک و اقلیم) باعث بهبود نتایج شدند و همچنین نتایج نشان داد که در بین روش های ناپارامتریک مدل ماشین بردار پشتیبان و جنگل تصادفی بهتر از الگوریتم نزدیک ترین همسایه توانستند مشخصه های ساختاری جنگل را برآورد نمایند.