برآورد و تهیه نقشه مشخصه های ساختاری جنگل با دقت بالا، یکی از اساسی ترین اطلاعات مورد نیاز در مدیریت پایدار و برنامه ریزی جهت استفاده عملی در جنگل ها می باشد. در این مطالعه، ارتباط بین داده-های دو سنجنده aster و- hrg spotبا سه مشخصه مهم ساختاری جنگل شامل حجم سرپا، سطح مقطع و تعداد درختان در هکتار در سری یک جنگل آموزشی و پژوهشی دارابکلا واقع در شهرستان ساری مورد بررسی قرار گرفت. از روش رگرسیون خطی چند متغیره و الگوریتم طبقه بندی و رگرسیون درختی (cart) برای آنالیز و ارزیابی رابطه بین این مشخصه ها با داده های سنجنده ها استفاده شد. پیش پردازش و پردازش های مناسب جهت حذف و یا کاهش خطاهای هندسی و اتمسفری و همچنین بارزسازی تفاوت-های مشخصه های کمی توده ها بر روی داده های طیفی انجام گرفت. تعداد 100 قطعه نمونه با ابعاد 60 *60 متر با استفاده از روش آماربرداری خوشه ای برداشت گردید. پس از برداشت اطلاعات زمینی، محاسبات مقادیر حجم، سطع مقطع و تعداد در هکتار در سطح قطعات نمونه صورت گرفت. ارزیابی اعتبار بهترین مدل بدست آمده با تعدادی قطعه نمونه و با معیارهای ارزیابی مناسب مورد بررسی قرار گرفت. با استفاده از داده های aster و رگرسیون خطی چندگانه مشخصه حجم، سطح مقطع و تعداد درختان در هکتار بترتیب با ضریب تبیین اصلاح شده 2/59، 5/73 و 85 درصد و ریشه میانگـــین مجذور خطا ((m3/ha-1 5/116، ((m2/ha-1 14/5 و ((n/ha-1 95/50 برآورد گردید. همچنین با استفاده از داده های spot- hrg و رگرسیون خطی چندگانه مشخصه های حجم، سطح مقطع و تعداد درختان در هکتار بترتیب با ضریب تبیین اصلاح شده 5/74، 5/80 و 7/85 درصد و ریشه میانگین مجذور خطا ((m3/ha-1 1/77، ((m2/ha-1 02/4 و ((n/ha-1 6/44 برآورد شد. هنگامی که از الگوریتم cart برای تجزیه و تحلیل داده ها سنجنده aster استفاده شد ضریب تبیین برای مشخصه حجم سرپا، سطح مقطع و تعداد درختان در هکتار بترتیب 8/8، 9/6 و 5/2 درصد و ریشه میانگین مجذور خطا نیز بترتیب (m3/h-1) 2/18، (m2/h-1) 15/0 و (n/h-1) 25/6 و برای سنجنده- hrg spot نیز ضریب تبیین به ترتیب 5/4، 6/3 و 6/4 درصد و ریشه میانگین مجذور خطا نیز به ترتیب (m3/h-1) 8/15، (m2/h-1) 27/0 و (n/h-1) 4/2 بهبود یافت. نتایج این تحقیق نشان داد داده های سنجنده spot-hrg در برآورد هر سه مشخصه ساختاری مورد مطالعه دارای نتایج بهتری نسبت به سنجنده aster می باشد و همچنین استفاده از الگوریتم cart می تواند در بهبود نتایج تأثیر چشمگیری داشته باشد. در مجموع نتایج نشان داد که از داده های سنجنده های فوق می توان جهت مدیریت عملی در توده های جنگلی استفاده شود.

جنگل های شهری نقش مهمی در بهبود کیفیت محیط زیست شهری ایفا می کنند. آگاهی از سطح تاج پوشش از ارکان مدیریت جنگل های شهری محسوب می شود. از طرفی مدل سازی کارکردهای جنگل شهری نیز از طریق اندازه گیری های تاج پوشش این جنگل ها امکان پذیر می باشد. هدف از این مطالعه، بررسی کارایی روش های مختلف آمار برداری زمینی و داده های سنجنده ی geoeye-1 به منظور برآورد مشخصه ی تاج پوشش درختان و همچنین تعین قابلیت تصاویر این سنجنده به منظور طبقه بندی کاربری های شهری موجود در منطقه سه شهر تهران می باشد. از اهداف دیگر این مطالعه می توان به بررسی کارایی الگوریتم طبقه بندی و رگرسیونی brt و همچنین الگوریتم رندم فارست (rf) به منظور مدل سازی تاج پوشش درختان اشاره کرد. به همین منظور پس از اطمینان از تصحیح هندسی تصویر و پیاده کردن قطعات نمونه روی تصویر و زمین، آمار برداری زمینی جهت محاسبه ی تاج پوشش انجام شد. در این مطالعه 100 قطعه نمونه با ابعاد 20×20 جهت آمار برداری از درختان مجتمع و 50 ترانسکت به طول 20 متر جهت آماربرداری از درختان کنار خیابان طراحی و میانگین سطح تاج برای هر ترانسکت و پلات روی زمین بدست آمد. در مرحله ی بعد مشخصه های بافت مرتبه ی اول و دوم از باندهای اصلی تولید گردید. سپس داده های رقومی متناظر با سطح تاج از باندهای اصلی و مصنوعی مشخصه های بافت استخراج گردید. در آمار برداری از درختان خیابان نتایج آزمون t (292/0, p=06/1, t=98(df= نشان داد که میانگین مساحت بدست آمده برای هر ترانسکت در تصویر مورد نظر اختلاف معنی داری با آمار برداری زمینی ندارد. جهت مقایسه ی میانگین سطح تاج پوشش محاسبه شده روی تصویر و آمار برداری زمینی در درختان مجتمع از آزمون نا پارامتریک من ویتنی استفاده شد. نتایج این آزمون نشان داد بین میانگین داده ها اختلاف معنی دار وجود ندارد (246/0sig=). با استفاده از رگرسیون خطی ساده میزان r2adj برای درختان خیابان و مجتمع به ترتیب %90 و %77 بدست آمد. میزان r2adj و rmse برای استخراج رقومی سطح تاج پوشش، به وسیله ی فاکتورهای آنالیز بافت و باندهای اصلی تصویر با استفاده از الگوریتم brt، به ترتیب %97 و (m2/plot)34/38 بدست آمد. مقادیر ذکر شده برای روش rf به ترتیب 93% و (m2/plot)24/38 محاسبه شد. نتایج طبقه بندی تصویر با به کارگیری پارامترهای بافت و الگوریتم طبقه بندی brt نشان داد بهترین ترکیب باندی برای طبقه بندی دارای صحت کلی و ضریب کاپا، به ترتیب 92/0 و 90/0 می باشد. به طور کلی نتایج این مطالعه نشان داد که تصویر geoeye-1، الگوریتمbrt و مشخصه های بافت تصویر دارای قابلیت بالایی در محاسبه ی سطح تاج پوشش جنگل های شهری و طبقه بندی کاربری های شهری می باشند.

شناسایی منابع موجود، نظارت بر روند تغییرات و دسترسی به آمار و اطلاعات به هنگام از عوامل کلیدی در برنامه ریزی ها، تصمیم گیری ها و مدیریت در هر زمینه می باشد. در این مطالعه، امکان برآورد میزان زیتوده روی زمینی جنگل با استفاده از تصاویر ماهواره ای spot-hrg مورد بررسی قرار گرفت. برای این کار تعداد 100 پلات 900 مترمربعی به صورت خوشه های 5 تایی در جهت شمالی، توده های راش سری 1 جنگل دارابکلا واقع در شهرستان میان درود (مازندران) پیاده شد. ابتدا میزان حجم درهکتار برای هر پلاته محاسبه و در نهایت با استفاده از معادلات برآورد زیتوده با استفاده از دانسیته و حجم میزان زیتوده درهکتار برای هر پلات محاسبه شد. پیش پردازش ها و پردازش های مناسب جهت حذف و کاهش خطای هندسی و اتمسفری و همچنین بارزسازی تفاوت های مشخصه کمی توده ها بر روی داده-های طیفی انجام گرفت. در این تحقیق لایه های مناسب جهت مدل سازی مورد بررسی قرار گرفت. در میان تمام باندهای اصلی و مصنوعی، از لایه هایی که ضریب همبستگی در بین آنها کمتر و با مشخصه کمی مورد مطالعه دارای بیشترین ارتباط بودند استفاده کردیم. از روش نزدیکترین همسایه وزن دار و الگوریتم ههای مختلف آن جهت ارزیابی و مدل سازی استفاده شد. 70 درصد داده ها برای مدل سازی و 30 درصد باقی مانده جهت ارزیابی استفاده شد که درصد rmse برای الگوریتم های euclidean و euclidean squared و cityblock و chebychev روش نزدیکترین همسایگی به ترتیب برابر: 26/052 و 26/126 و 26/156 و 25/75 و همچنین میزان اریبی به درصد به ترتیب برابر با: 1/437- و 1/441- و 1/391-و 1/910- بود. نتایج حاصل از ارزیابی داده ها و مقایسه آن با سایر کارهای انجام شده در این زمینه نشان داد که سنجنده spot-hrg قابلیت برآورد زیتوده را با دقت مناسبی دارد و استفاده از روش نزدیکترین همسایه در برآورد مشخصه زیتوده روی زمینی مفید و کاربردی است.

جنگل¬ها بزرگ¬ترین منبع ذخایر کربن در اکوسیستم¬های زمینی هستند. با این حال، به دلیل ساختار پیچیده و وسعت جنگل¬ها، برآورد دقیقی از ذخایر کربن جنگل¬ها در دست نیست. نظارت بر جنگل¬ها با استفاده از تصاویر ماهواره¬ای در چند دهه¬ی اخیر، به¬جایی رسیده است که این مجموعه داده¬ها به¬عنوان اطلاعات جهت سیاستگذاری¬های بین¬المللی، به¬طور قابل توجهی در ارتباط با میزان انتشار دی¬اکسید کربن موجود در اتمسفر ناشی از جنگل¬زدایی و سایر تغییرات کاربری اراضی زمین مورد استفاده قرار می¬گیرند. هدف از این مطالعه، تعیین قابلیت داده¬های سنجنده spot-hrg در برآورد ذخیره کربن روی زمینی جنگل در سری یک جنگل آموزشی پژوهشی دارابکلا می¬باشد. پیش¬پردازش و پردازش¬های مختلف، جهت حذف و یا کاهش خطای هندسی و اتمسفری بر روی تصاویر انجام شد. با استفاده از آماربرداری خوشه¬ای، تعداد 165 قطعه نمونه مربعی شکل با ابعاد 30×30 متر برداشت گردید. در مجموع 165 قطعه نمونه برداشت شده که تعداد 81 قطعه نمونه در رویشگاه طبیعی و 84 قطعه نمونه در قسمت جنگل¬کاری قرار داشت. پس از برداشت داده¬های زمینی، میزان زی¬توده و ذخیره کربن در سطح پلات و در هکتار محاسبه گردید. برای مدلسازی از روش ناپارامتری رگرسیون بردار پشتیبان (svr) با کرنل¬های مختلف شامل خطی، سیگموئید، چندجمله¬ای و rbf استفاده شد. با استفاده از رگرسیون بردار پشتیبان (svr) بهترین مدل¬های رگرسیونی تولید و با در نظر گرفتن معیارهای اعتبار سنجی بهترین مدل از بین چهار کرنل محاسبه شده انتخاب شد. برای کل منطقه مورد مطالعه مدل چند جمله¬ای درجه سوم با درصد rmse و درصد اریبی و صحت به ترتیب 41/38 %، 31/5 % و 2/62 % و برای جنگل طبیعی نیز مدل چند جمله¬ای به¬ترتیب با 77/42 %، 58/16 % و 3/57 % و برای محدوده جنگل¬کاری به¬ترتیب با 71/44 %، 31/2 % و 3/64 % به¬عنوان بهترین مدل¬ها انتخاب گردید. در مجموع، نتایج این مطالعه نشان داد که سنجنده spot-hrg و الگوریتم ماشین¬های بردار پشتیبان دارای قابلیت مناسبی جهت برآورد میزان ذخیره کربن روی زمینی می¬باشد.

برآورد پارامترهای ساختاری جنگل با روش های جمع آوری داده های زمینی گران و وقت گیر است. داده های سنجش از راه دور گزینه ای کم هزینه در مدل سازی و نقشه برداری پارامترهای ساختاری در مناطق جنگلی بزرگ است. هدف از این مطالعه مقایسه روش های پارامتری و ناپارامتری در بررسی قابلیت استفاده از داده های ماهواره ای چند طیفیworld view-2 برای پیش بینی پارامترهای ساختاری جنگل مانند حجم، رویه زمینی، تعداد درخت در هکتار، انحراف معیار قطر برابر سینه و شاخص تفاوت قطری در جنگل های دارابکلا واقع در شمال ایران است. روابط بین مشخصه های بافت تصویر و پارامتر های ساختاری مذکور با استفاده از تجزیه و تحلیل همبستگی مورد آزمون قرار گرفت. در این مطالعه تعداد 140 قطعه نمونه به روش آماربرداری تصادفی منظم برداشت شد. پیش پردازش ها و پردازش های لازم بر روی تصاویر اعمال گردید. سپس از روش های مختلف پارامتری (روش رگرسیون خطی چند متغیره) و ناپارامتری (روش knn، svm، brt و rf) برای مدلسازی استفاده شد. نتایج نشان داد مقدار میانگین مربعات خطا با استفاده از روش رگرسیون خطی چند متغیره به ترتیب برای مشخصه های حجم سرپا، رویه زمینی، تعداد درخت در هکتار، انحراف معیار قطر و شاخص تفاوت قطری به ترتیب 38/112، 17/8، 43/86، 49/4 و 12/0 می باشد. همچنین مقدار میانگین مربعات خطا در برآورد مشخصه های حجم سرپا (m3 ha-1)، رویه زمینی (?m^2 ha?^(-1))، تعداد درخت در هکتار (n ha-1)، انحراف معیار قطر و شاخص تفاوت قطری به ترتیب 29/125، 92/7، 50/92، 49/4 و 10/0برای روش knn، 16/110، 51/6، 65/73، 53/4 و 09/0 برای روش svm، 28/99، 89/7، 35/87، 44/4 و 092/0برای روش brt و 33/109، 79/7، 63/84، 30/4 و 092/0برای روش rf بدست آمد. به طور کلی نتایج نشان داد که بهترین روش ها برای برآورد هر یک از مشخصه های ساختاری جنگل شامل حجم سرپا (m3 ha-1)، رویه زمینی (?m^2 ha?^(-1))، تعداد درخت در هکتار (n ha-1)، انحراف معیار قطر و شاخص تفاوت قطری به ترتیب روش های الگوریتم طبقه بندی و رگرسیونی درختی تقویت شونده (brt)، ماشین های بردار پشتیبان (svm)، ماشین های بردار پشتیبان (svm)، الگوریتم طبقه بندی و رگرسیونی جنگل تصادفی (rf) و الگوریتم طبقه بندی و رگرسیونی درختی تقویت شونده ((brt با مقدار میانگین مربعات خطا به ترتیب 28/99، 51/6، 65/73، 30/4 و 092/0 است.

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.

برآورد و تهیه نقشه مشخصه های کمی جنگل با دقت بالا، یکی از اساسی ترین اطلاعات مورد نیاز در مدیریت پایدار و برنامه ریزی جهت استفاده عملی در جنگل می باشد. در این مطالعه، برآورد مشخصه های کمی جنگل، شامل، حجم سرپا، تعداد درختان، درصد تاج پوشش و همچنین برآورد حجم(موجودی) جنگل به روش غیر مستقیم با استفاده از ماهواره 1- geoeye، در سری یک جنگل گردشی واقع در شهرستان ساری مورد بررسی قرار گرفت. از روش رگرسیون خطی و الگوریتم درختی (cart)، برای آنالیز و ارزیابی رابطه بین این مشخصه ها با داده های ماهواره 1- geoeye، استفاده شد. تعداد 70 قطعه نمونه مربعی 30×30 متر با استفاده از روش تصادفی منظم برداشت گردید. پس از برداشت اطلاعات زمینی، محاسبات مقادیر حجم، تعداد و درصد تاج پوشش در هکتار در سطح نمونه صورت گرفت. ارزیابی اعتبار بهترین مدل به دست آمده با تعدادی قطعات نمونه و با معیارهای ارزیابی مناسب مورد بررسی قرار گرفت. با استفاده از داده های ماهواره 1- geoeye، و رگرسیون خطی چندگانه مشخصه حجم، تعداد درختان و درصد تاج پوشش در هکتار، به ترتیب با ضریب تبیین 756/. ، 695/. و 853/. درصد و ریشه میانگین مجذور خطا (??(m?^3 ha?^(-1)32/105 ، (?nha?^(-1))38/54 و (?%ha?^(-1))58/15 برآورد گردید، و هنگامی که از الگوریتم cart، برای تجزیه و تحلیل داده های 1- geoeye، استفاده شد، ضریب تبیین برای مشخصه حجم، تعداد درختان و درصد تاج پوشش در هکتار، به ترتیب 63/ ،852/ و853/ درصد و ریشه میانگین مجذورخطا( (?m^3 ha?^(-1)23/120، (?nha?^(-1))11 /55 و ( ?%ha?^(-1)) 49/ 16 به دست آمد. همچنین با استفاده از داده های ماهواره 1- geoeye، برای برآورد حجم (موجودی) به روش غیر مستقیم با استفاده از رابطه تاج پوشش و حجم، به ترتیب با ضریب تبیین 566/. درصد و ریشه میانگین مجذور خطا (?m^3 ha?^(-1))50/97 برآورد گردید. نتایج این تحقیق نشان داد، داده های سنجنده ی 1- geoeye، که برآورد حجم به روش غیر مستقیم نسبت به روش مستقیم ارجحیت دارد. در مجموع نتایج نشان داد، که از داده های ماهواره 1- geoeye، می توان جهت مدیریت عملی در توده های جنگلی استفاده شود.

نقشه های کاربری/ پوشش اراضی و تفکیک اراضی از اطلاعات بسیار مهم برای اعمال برنامه های مدیریتی می باشند. از طرفی جنگل های غرب کشور به عنوان یکی از مجموعه پوشش های جنگلی کشور، علاوه بر ویژگی های اکولوژیکی خاص، تأثیرات مهمی بر زندگی مردم منطقه دارد. هدف از این مطالعه تعیین کاربری/ پوشش اراضی و تراکم جنگل با استفاده از داده های ماهواره ای pleiades در منطقه کاکا رضا الشتر – لرستان می باشد. برای این منظور، ابتدا پس از اطمینان از صحت هندسی تصاویر، پردازش های لازم نظیر ایجاد شاخص های گیاهی، تجزیه مولفه اصلی و آنالیز بافت بر روی باندهای اصلی انجام شد. سپس نمونه های تعلیمی لازم با استفاده از عملیات میدانی و همچنین نقشه توپوگرافی و تصاویر ماهواره-ای، برای تعیین کاربری اراضی برداشت گردید.