برآورد مشخصه‌های کمی جنگل با استفاده از داده‌های سنجنده ASTER و الگوریتم CART (منطقه موردمطالعه: جنگل شصت‌کلاته گرگان)

برآورد مشخصه‌های کمی جنگل در سطوح وسیع بااستفاده از داده‌های ماهواره‌ای اهمیت فراوانی در مدیریت پایدار جنگل دارد. هدف از این پژوهش، بررسی امکان برآورد برخی مشخصه‌های کمی جنگل بااستفاده از تصاویر سنجنده ASTER در جنگل شصت‌کلاته گرگان است. برای این منظور تعداد 112 قطعه‌نمونه زمینی مربعی به‌مساحت 09/0 هکتار به‌روش خوشه‏ای تصادفی در واحدهای همگن ازنظر تیپ درختی و جهت دامنه پیاده شد و مشخصه‌های حجم، رویه زمینی و تعداد درختان در هکتار در هر قطعه‌نمونه محاسبه شد. مرکز هر یک از قطعات‌نمونه نیز با GPS تفاضلی ثبت شد. تصحیح هندسی و رادیومتری روی تصویر انجام شد. بااستفاده از روش‌های مختلف نسبت‌گیری، تجزیه مؤلفه‌های اصلی، تحلیل بافت، تبدیل تسلدکپ به‌همراه باندهای اصلی، مجموعه‌ای از باندهای مناسب برای تجزیه‌وتحلیل‌های همبستگی و مدل‌سازی فراهم شد. بررسی رابطه بین داده‌های زمینی و طیفی بااستفاده از آنالیز رگرسیون درختی (CART) انجام گرفت. ارزیابی اعتبار مدل‌ها با معیارهای میانگین مجذور مربعات خطا و اریبی با استفاده از قطعات‌نمونه استفاده‌نشده در مدل انجام شد. نتایج نشان داد که بهترین مدل برای مشخصه‌های حجم سرپا، رویه زمینی و تعداد درختان در هکتار به‌ترتیب دارای ضریب‌تبیین تعدیل‌یافته 76/0، 73/0 و 80/0 است. در مدل یادشده مقادیر RMSE و اریبی به درصد به‌ترتیب 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 به‌دست آمد. نتایج به‌طور کلی نشان داد که داده‌های طیفی این سنجنده برای مشخصه‌های کمی موردبررسی دارای قابلیت متوسطی هستند.