بهبود برآورد برخی مشخصه های کمی ساختار جنگل با استفاده از تلفیق داده های لیدار و تصاویر هوایی رقومی در جنگل های پهن برگ شصت کلاته گرگان

در این تحقیق قابلیت داده¬های لیدار، تصاویر رقومی هوایی و تلفیق آنها در برآورد مشخصه¬های حجم سرپا، رویه زمینی و تعداد درختان در هکتار با استفاده از الگوریتم¬های رندوم فورست، ماشین بردار پشتیبان، k-nn و رگرسیون چند متغیره خطی در بخشی از جنگل¬های پهن¬برگ شصت کلاته گرگان مورد ارزیابی قرار گرفت. در این مطالعه، 308 قطعه نمونه دایره¬ای شکل به مساحت 10 آر و به روش منظم تصادفی به ابعاد 200×150 متر و با شدت 33/3 درصد در جنگل مورد مطالعه پیاده شد. علاوه بر این، برای بررسی شدت نمونه¬برداری در دو پارسل 16 و 21 سری یک، 134 قطعه نمونه دایره¬ای شکل به مساحت 10 آر به روش منظم تصادفی و در شبکه¬ای به ابعاد 100×75 متر با شدت 3/13 درصد پیاده گردید. اطلاعات حجم سرپا، رویه زمینی و تعداد درختان در هکتار برای تمامی قطعات نمونه محاسبه شد. پس از حذف تمامی نقاط خطا و تهیه مدل¬های dtm و dsm، تمامی شاخص¬های آماری ارتفاعی و تراکمی از داده¬های لیدار تهیه شد. همچنین پس از تهیه تصاویر ارتو رقومی هوایی، با آنالیز بافت شاخص¬های بافت مربوط به همه باندها نیز ایجاد گردید. مقادیر متناظر با قطعات نمونه زمینی برروی همه شاخص¬های حاصل از داده¬های لیدار و تصاویر رقومی هوایی استخراج گردید. جهت ارزیابی نتایج هریک از الگوریتم¬ها، از 25 درصد نمونه¬های استفاده نشده و معیارهای ارزیابی استفاده گردید. نتایج حاصل از این تحقیق نشان داد که تلفیق داده¬های لیدار و تصاویر رقومی هوایی باعث بهبود نتایج برآوردها شد و از نظر آماری نیز تفاوت معنی¬داری در سطح احتمال 95 درصد بین برآوردهای حاصل از داده¬های لیدار و تلفیق داده¬های لیدار و تصاویر رقومی هوایی وجود دارد. مقدار درصد مجذور میانگین مربعات خطا، درصد اریب و انحراف معیار تفاوت¬های حاصل از الگوریتم ماشین بردار پشتیبان با استفاده از تلفیق داده¬های لیدار و تصاویر رقومی هوایی به ترتیب برای حجم سرپا (42/31 درصد، 18/1- درصد و 21/83 مترمکعب در هکتار) و تعداد درختان در هکتار (54/35 درصد، 28/7- درصد و 36/76 پایه در هکتار) حاصل شد. همچنین مقدار درصد مجذور میانگین مربعات خطا، درصد اریب و انحراف معیار تفاوت¬های حاصل از الگوریتم رندوم فورست با استفاده از تلفیق داده¬های لیدار و تصاویر رقومی هوایی به ترتیب برای رویه زمینی در هکتار (16/27 درصد، 858/0 درصد و 5/6 متر مربع در هکتار) حاصل شد. نتایج نشان داد که با کاهش شدت نمونه¬برداری از 33/3 به 66/1 و سپس به 83/0 درصد، میزان درصد مجذور مربعات خطا در تمامی مشخصه¬های مورد بررسی افزایش یافت اما میزان این افزایش خیلی کم بود به همین دلیل با توجه به تعداد قطعات نمونه کمتر و تفاوت کم میزان مجذور مربعات خطا نسبت به شدت نمونه¬برداری 33/3 درصد، شدت نمونه¬برداری 83/0 می-تواند در برآورد حجم سرپا، تعداد درختان در هکتار و رویه زمینی مورد استفاده قرار گیرد. با توجه به نتایج به¬دست آمده در این مطالعه، می¬توان نتیجه¬گیری نمود که الگوریتم ماشین بردار پشتیبان و تلفیق داده¬های لیدار و تصاویر رقومی هوایی نسبت به سایر الگوریتم¬ها و داده¬های مورد استفاده در این تحقیق بهتر توانستند حجم سرپا و تعداد درختان در هکتار را برآورد نمایند. همچنین الگوریتم رندوم فورست و تلفیق داده¬های لیدار و تصاویر رقومی هوایی نسبت به سایر الگوریتم¬ها و داده¬های مورد استفاده در این تحقیق بهتر توانستند رویه زمینی در هکتار را برآورد نمایند. اگرچه نتایج دو الگوریتم رندوم فورست و ماشین بردار پشتیبان در برآورد رویه زمینی در هکتار تفاوت زیادی با هم ندارند.