ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
Publisher of Iranian Journals and Conference Proceedings
Login |Register |Help |عضویت کتابخانه ها
Paper
Title

بهره گیری از رویکرد بوت استرپ برای مقایسه روش های مدل سازی آماری در برآورد سنجش ازدوری زی توده روی زمینی جنگل های زاگرس

Year: 1399
COI: JR_GIRS-11-2_003
Language: PersianView: 298
This Paper With 19 Page And PDF Format Ready To Download

Buy and Download

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این Paper را که دارای 19 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

Authors

امیر صفری - دکتری جنگلداری، دانشکده منابع طبیعی و علوم دریایی نور، دانشگاه تربیت مدرس، تهران، ایران
هرمز سهرابی - دانشیار گروه جنگلداری، دانشکده منابع طبیعی و علوم دریایی نور، دانشگاه تربیت مدرس، تهران، ایران

Abstract:

پیشینه و هدف با توجه به اهمیت اکوسیستم های جنگل­ ها در پروژه­ های تعدیل تغییر اقلیم، روش­ های دقیق و کم هزینه برای برآورد زی­توده روی زمینی موردنیاز است. روش­ های معمول مورد استفاده برای برآورد زی­توده روی زمینی شامل اندازه ­گیری در عرصه، محاسبه زی­توده با استفاده از معادلات آلومتری و استفاده از فنون سنجش از دوری است. سنجش­ از دور به ­طور گسترده­ برای برآورد زی­توده جنگل­ ها در دهه ­های اخیر مورد استفاده قرارگرفته است. یکی از عوامل بسیار مهم در استفاده از داده­ های سنجش ­از دوری برای برآورد زی­توده روی­زمینی روش مدل­ سازی آماری مورد استفاده است. تعداد زیادی تحقیق در زمینه استفاده از روش­ های مدل ­سازی انجام شده است. به­ هرحال، این مطالعات با چالش­ های مختلفی روبرو هستند که برای مثال می ­توان به موارد زیر اشاره کرد: 1) هیچ روش مدل ­سازی به ­عنوان بهترین روش معرفی نشده است، 2) عملکرد این روش ­ها متاثر از نوع جنگل، ساختار جنگل و میزان آشفتگی­ های موجود است. 3) ارزیابی عملکرد و مقایسه نتایج آن ­ها با استفاده از آزمون نکویی برازش و روش ­های ارزیابی متقابل انجام گرفته است. با توجه به نقش انتخاب روش مدل­ سازی مناسب، مطالعه حاضر باهدف بررسی نه روش مدل­ سازی شامل رگرسیون خطی، مدل تجمعی تعمیم ­یافته، جنگل تصادفی، ماشین­ بردارپشتیبان، درختان رگرسیون تقویت شده، k-امین نزدیک ترین همسایه، مدل پردازش گوسی و رگرسیون اسپلاین تطبیقی چندگانه با استفاده از فرآیند بوت استرپ برای برآورد زی­توده روی زمینی جنگل ­های زاگرس با استفاده از تصویرهای لندست 8 انجام شد. مواد و روش­ ها مطالعه حاضر در جنگل­ های کرمانشاه که در غرب ایران درکوه ­های زاگرس واقع شده است با گونه درختی غالب بلوط­ انجام شد. جنگل­ های زاگرس اغلب به صورت تنک و باز بوده و حدود 20 درصد از سطح ایران و 40 درصد از مناطق جنگلی این کشور را شامل می­ شود. برای اجرای این مطالعه دو منطقه جنگلی با شدت دخالت های انسانی مختلف انتخاب شد: منطقه سرفیروزآباد با شدت تخریب بالا و منطقه جنگلی گهواره با حداقل تخریب. مختصات جغرافیایی این مناطق به ترتیب برای سرفیروزآباد و گهواره عبارتند از 33 درجه و 57 دقیقه تا 34 درجه و 4 دقیقه شمالی و 47 درجه و 3 دقیقه تا 47 درجه و 17 دقیقه شرقی، و 34 درجه 21 دقیق تا 34 درجه و 24 دقیقه شمالی و 46 درجه و 16 دقیق تا 46 درجه و 23 دقیق شرقی است. برای جمع ­آوری نمونه ­های زمینی در دو منطقه مورد مطالعه، از نقشه شاخص سطح برگ تهیه شده از تصویرهای لندست براساس مدل جهانی استفاده شد. هر دو منطقه به سه طبقه کم، متوسط و زیاد شاخص سطح برگ طبقه بندی شده و در هر طبقه موقعیت مکانی نمونه ­ها با استفاده از آماربرداری منظم در قالب یک شبکه 200×200 متر مشخص گردید. نمونه ­های زمینی به تعداد 124 نمونه مربعی شکل (63 نمونه در منطقه گهواره و 61 نمونه در منطقه سرفیروزآباد) با ابعاد 30×30 متر به اندازه پیکس­ل های تصویر لندست مورد استفاده برداشت شد. مقدار زی­توده روی زمینی هر درخت یا جست گروه توسط معادله آلومتری پیشنهاد شده برای گونه ­های بلوط جنگل­ های زاگرس محاسبه شد. معادله آلومتری مورد استفاده برای برآورد اندوخته زی­توده هر درخت یا جست گروه از دو قطر عمود بر هم تاج درختان استفاده می­ کند. از جمع اندوخته زی­توده تک تک درختان موجود در قطعه نمونه، مقدار قطعه زی­توده در سطح قطعه نمونه بر حسب تن در هکتار محاسبه شد. منطقه ­های مورد مطالعه در یک فریم از تصویرهای لندست 8 به شماره گذر 167 و شماره ردیف 36 قرار داشتند. یک تصویر لندست بدون پوشش ابرناکی مربوط به تاریخ 19 مرداد سال 1394 (10 آگوست 2015) مربوط به زمانی که تاجدرختان کاملا بسته بوده و نزدیک به زمان آماربرداری زمینی از سایت USGS دانلود شد. پیش ­پردازش تصویر مورد استفاده شامل تصحیحات رادیومتری و توپوگرافی به روش C اعمال شد که در مطالعات قبلی پیشنهاد شده است. برای برآورد زی­توده روی زمینی در منطقه ­های مورد مطالعه با استفاده از سنجش ­از دور، تعداد 38 متغیر طیفی شامل مقدار­های باندی، نسبت ­های ساده باندی، شاخص ­های گیاهی و تبدیل ­های خطی رایج مانند تسلدکپ و آنالیز مولفه ­های اصلی از تصویر لندست 8 مورد استفاده استخراج شدند. به طورکلی کارایی 9 روش مدل ­سازی آماری مختلف شامل روش­ های پارامتری (رگرسیون خطی)، نیمه ­پارامتری (مدل جمعی تعمیم ­یافته) و ناپارامتری (جنگل تصادفی، ماشین­بردار پشتیبان، k-امین نزدیک ترین همسایه، درختان رگرسیون تقویت شده، رگرسیون اسپلاین تطبیقی چندمتغیره، کوبیست و مدل پردازش گوسی) برای برآورد زی­توده روی زمینی مورد مقایسه قرار گرفت. ارزیابی مدل­ ها با استفاده از روش fold-10 و با 1000 مرتبه تکرار و با محاسبه دو آماره ضریب تبیین و جذر میانگین مربعات خطا انجام گرفت. این تعداد اطمینان از پایداری نتایج را تامین می کند. نتایج و بحث مشخصه­ های آماری اندازه ­گیری شده از قطعه نمونه ­های زمینی نشان داد که میانگین زی­توده روی زمینی برای منطقه ­های سرفیروزآباد و گهواره به ترتیب 12.6 و 20.5 تن در هکتار است. تجزیه واریانس نشان داد که اختلاف معنی داری در سطح 0.001 برای مشخصه­ های ضریب تبیین و جذر میانگین مربعات خطای محاسبه شده برای 1000 مرتبه تکرار توسط fold-10 وجود دارد. روش مدل­ سازی کوبیست در منطقه سرفیروزآباد با میانگین ضریب تبیین محاسبه شده 0.61 نتایج بهتری نسبت به سایر روش ­ها ارائه کرد. این نتایج برای منطقه گهواره بیانگر کارایی بهتر روش­ های رگرسیون خطی، مدل جمعی تعمیم ­یافته و k-امین نزدیکتریین همسایه با میانگین ضریب تبیین 0.87 بود. مقایسه ­های روش ­های مختلف مدل­سازی در مورد جذرمیانگین مربعات خطای برآوردها با استفاده از آزمون تکی Tukey نشان داد که در منطقه سرفیروزآباد روش کوبیست با مقدار میانگین 3.3 تن در هکتار و روش­ های k-امین نزدیکترین همسایه و جنگل تصادفی با میانگین 5.8 تن در هکتار اختلاف معنی ­داری با سایر روش­ ها داشت. به­ طورکلی، نتایج این تحقیق بیانگر کارایی مناسب تصویر لندست 8 در برآورد زی­توده روی زمینی جنگل ­های زاگرس است. این موضوع می ­تواند به دلیل مقدار کم زی­توده در منطقه­ های مورد بررسی و نرسیدن آن ها به نقطه اشباع به ­عنوان یکی از چالش­ های استفاده از تصویرهای نوری مانند لندست باشد. نتایج دیگر این تحقیق ارزیابی اثر روش مدل ­سازی برای افزایش صحت برآورد سنجش ­از دوری زی­توده روی زمینی است. برخلاف نتایج پژوهش های قبلی، رگرسیون خطی نتایج بهتری نسبت به روش ­های ناپارامتری ارائه کرد که دلیل آن می ­تواند وجود رابطه خطی زی­توده روی زمینی و متغیرهای طیفی استخراج شده از تصویرهای لندست باشد. در بین متغیرهای طیفی مختلفی که استفاده شد مقدارهای باند قرمز، مادون قرمز نزدیک و مادون قرمز با طول موج کوتاه 1 و 2 به عنوان متغیر نهایی در اغلب روش­های مدل­ سازی استفاده شدند. نتیجه­ گیری در این تحقیق، کارایی روش ­های مختلف مدل­ سازی را در برآورد زی­توده روی زمینی با استفاده از تصویرهای لندست مورد بررسی قرار گرفت.  برآوردهای زی­توده با استفاده از 9 روش پارامتری، نیمه ­پارامتری و ناپارامتری و با استفاده از ارزیابی متقابل fold-10  و با 1000 مرتبه تکرار مورد مقایسه قرار گرفتند. نتایج بیانگر قابلیت خوب تصویرهای لندست برای برآورد زی­توده روی زمینی جنگل­ های بلوط زاگرس با هزینه کم است. برآورد زی­توده در منطقه جنگلی گهواره با دست­خوردگی کمتر صحت بالاتری نسبت به منطقه جنگلی سرفیروزآباد با تخریب بالاتر داشت.

Keywords:

Paper COI Code

This Paper COI Code is JR_GIRS-11-2_003. Also You can use the following address to link to this article. This link is permanent and is used as an article registration confirmation in the Civilica reference:

https://civilica.com/doc/1041015/

How to Cite to This Paper:

If you want to refer to this Paper in your research work, you can simply use the following phrase in the resources section:
صفری، امیر و سهرابی، هرمز،1399،بهره گیری از رویکرد بوت استرپ برای مقایسه روش های مدل سازی آماری در برآورد سنجش ازدوری زی توده روی زمینی جنگل های زاگرس،https://civilica.com/doc/1041015

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :

  • Aghababaie M, Ebrahimi A, Tahmasebi P. 2018. Comparison vegetation indices ...
  • Calvao T, Palmeirim J. 2004. Mapping Mediterranean scrub with satellite ...
  • Castillo JAA, Apan AA, Maraseni TN, Salmo SG. 2017. Estimation ...
  • Dai L, Jia J, Yu D, Lewis BJ, Zhou L, ...
  • Domingo D, Lamelas MT, Montealegre AL, García-Martín A, De la ...
  • Du H, Cui R, Zhou G, Shi Y, Xu X, ...
  • Dube T, Mutanga O. 2015. Evaluating the utility of the ...
  • Eisfelder C, Kuenzer C, Dech S. 2012. Derivation of biomass ...
  • Fassnacht FE, Hartig F, Latifi H, Berger C, Hernández J, ...
  • Fernández-Manso O, Fernández-Manso A, Quintano C. 2014. Estimation of aboveground ...
  • Fu L, Zhao Y, Xu Z, Wu B. 2015. Spatial ...
  • Gao Y, Lu D, Li G, Wang G, Chen Q, ...
  • Gasparri NI, Parmuchi MG, Bono J, Karszenbaum H, Montenegro CL. ...
  • Gizachew B, Solberg S, Næsset E, Gobakken T, Bollandsås OM, ...
  • Görgens EB, Montaghi A, Rodriguez LCE. 2015. A performance comparison ...
  • Huffman T, Liu J, McGovern M, McConkey B, Martin T. ...
  • Iranmanesh Y. 2013. Assessment on biomass estimation methods and carbon ...
  • Karlson M, Ostwald M, Reese H, Sanou J, Tankoano B, ...
  • Krahwinkler P, Rossman J. 2011. Using decision tree based multiclass ...
  • Kwak D-A, Lee W-K, Cho H-K, Lee S-H, Son Y, ...
  • Latifi H, Fassnacht F, Koch B. 2012. Forest structure modeling ...
  • McRoberts RE, Magnussen S, Tomppo EO, Chirici G. 2011. Parametric, ...
  • Nolè A, Law B, Magnani F, Matteucci G, Ferrara A, ...
  • Noorian N, Shataee S, Mohamadi J. 2019. Evaluation of RapidEye ...
  • Pan Y, Birdsey RA, Fang J, Houghton R, Kauppi PE, ...
  • Powell SL, Cohen WB, Healey SP, Kennedy RE, Moisen GG, ...
  • Rajashekar G, Fararoda R, Reddy RS, Jha CS, Ganeshaiah KN, ...
  • Riaño D, Chuvieco E, Salas J, Aguado I. 2003. Assessment ...
  • Safari A, Sohrabi H. 2019. The effect of digital preprocessing ...
  • Safari A, Sohrabi H, Powell SL. 2018. Comparison of satellite-based ...
  • Sagheb-Talebi K, Pourhashemi M, Sajedi T. 2014. Forests of Iran. ...
  • Sarker LR, Nichol JE. 2011. Improved forest biomass estimates using ...
  • Shao Z, Zhang L. 2016. Estimating forest aboveground biomass by ...
  • Wang X, Shao G, Chen H, Lewis BJ, Qi G, ...
  • Zhao K, Suarez JC, Garcia M, Hu T, Wang C, ...
  • Zhao P, Lu D, Wang G, Wu C, Huang Y, ...
  • Zhu X, Liu D. 2015. Improving forest aboveground biomass estimation ...
  • Research Info Management

    Certificate | Report | من نویسنده این مقاله هستم

    اطلاعات استنادی این Paper را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    Scientometrics

    The specifications of the publisher center of this Paper are as follows:
    Type of center: دانشگاه دولتی
    Paper count: 32,949
    In the scientometrics section of CIVILICA, you can see the scientific ranking of the Iranian academic and research centers based on the statistics of indexed articles.

    Share this page

    More information about COI

    COI stands for "CIVILICA Object Identifier". COI is the unique code assigned to articles of Iranian conferences and journals when indexing on the CIVILICA citation database.

    The COI is the national code of documents indexed in CIVILICA and is a unique and permanent code. it can always be cited and tracked and assumed as registration confirmation ID.

    Support