بررسی قابلیت باندهای اصلی و مصنوعی تصاویر ماهواره Sentinel-۲ در برآورد مشخصه های کمی جنگل های زاگرس

Publish Year: 1401
نوع سند: مقاله ژورنالی
زبان: Persian
View: 139

This Paper With 16 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_SEPEHR-31-124_007

تاریخ نمایه سازی: 28 فروردین 1402

Abstract:

مدیریت و برنامه ­ریزی بوم ­سازگان های حساس نظیر جنگل­ های زاگرس در راستای حفظ و احیاء آنها نیازمند اطلاعات صحیح و به ­هنگام است. با توجه به اینکه برآورد مشخصه ­های کمی تعداد درختان و تاج­ پوشش در جنگل­ های زاگرس با وسعت زیاد و نوع ساختار و پراکنش این بوم ­سازگان به روش ­های دستی بسیار وقت ­گیر و هزینه ­بر است، لذا تکنیک ­های سنجش از دور می­ تواند مکمل مناسبی در این راستا باشد. در مطالعه پیش­رو هدف بررسی قابلیت باندهای اصلی و مصنوعی تصاویر ماهواره­ Sentinel-۲ در برآورد مشخصه ­های کمی جنگل­ های سامان عرفی اولادقباد کوهدشت­  است. به ­منظور برآورد مشخصه ­های مورد بررسی، ۱۵۰ خوشه در قالب ۱۶ طرح نمونه ­برداری خوشه ­ای با شکل قطعه ­نمونه دایره و مربعی شکل در منطقه به مساحت تقریبی ۴۵۰۰ هکتار پیاده شد. هر خوشه­ شامل چهار ریزقطعه ­نمونه با مساحت ۷۰۰ متر مربع (شعاع ریز قطعه نمونه­ های دایره ­ای ۱۵ متر، قطر ریزقطعه نمونه مربعی ۳۷ متر و فاصله بین ریز قطعه ­نمونه ­ها از هم ۶۰ متر) بود. سپس در داخل هر ریز قطعه ­نمونه­، مشخصه­ های تعداد پایه­ ها و مساحت تاج درختان اندازه ­گیری شد. پس از پیش ­پردازش و پردازش­ تصاویر (آنالیز بافت و ایجاد شاخص ­های گیاهی)، ارزش ­های طیفی معادل قطعه­ های زمینی استخراج و به­ عنوان متغیر مستقل در مدل­ ها استفاده شد. مدل­ سازی با استفاده از روش ­های ناپارامتریک جنگل تصادفی، ماشین­ بردار پشتیبان، نزدیکترین همسایه و روش شبکه عصبی مصنوعی انجام شد. با توجه به نتایج مدل­ سازی چهار الگوریتم­ مورد بررسی برای مشخصه ­های تعداد در هکتار و تاج­ پوشش روش شبکه عصبی مصنوعی به ترتیب با طرح نمونه ­برداری خوشه­ ای ۶ با ضریب تبیین ۰/۸۲ و طرح نمونه ­برداری خوشه ­ای ۱۰ با ضریب تبیین۰/۷۶ نتایج بهینه­ ای را ارائه دادند. به ­طور کلی نتایج حاصل از اعتبارسنجی به­ دست آمده نشان داد استفاده از طرح ­های مختلف نمونه ­برداری خوشه­ ای، روش شبکه عصبی مصنوعی و تصاویر Sentinel-۲ کارایی مناسبی در برآورد مشخصه­ های مورد بررسی دارد.

Authors

نسترن نظریانی

پژوهشگر مقطع پسا دکتری جنگلداری، دانشکده منابع طبیعی، دانشگاه علوم کشاورزی منابع طبیعی ساری، مازندران، ساری، ایران

اصغر فلاح

استاد گروه جنگلداری، دانشکده منابع طبیعی، دانشگاه علوم کشاورزی و منابع طبیعی ساری ، ساری، ایران

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 :
  • Ahmadi, K., Kalantar, B., Saeidi, V., Harandi, E. K., Janizadeh, ...
  • Behera, M. D., Barnwal, S., Paramanik, S., Das, P., Bhattyacharya, ...
  • Bell, E., Howell, B.M., Johnson, G.V., Solie, J.B., Raun, W.R., ...
  • Breiman, L. (۲۰۰۱). Random forests. Machine learning, ۴۵(۱), ۵-۳۲ ...
  • Castleman, K. R. (۱۹۹۶). Digital image processing. Prentice Hall Press ...
  • Chen, J. M. (۱۹۹۶). Evaluation of vegetation indices and a ...
  • Dabija, A., Kluczek, M., Zagajewski, B., Raczko, E., Kycko, M., ...
  • Egbers, R. (۲۰۱۶). Sentinel-۲ data processing and identifying glacial features ...
  • Esmaeeli, Z., Pilehvar, B., Kaboodi, A., & Mirazadi, Z. (۲۰۱۷). ...
  • Fatolahi, M., Fallah, A., Hojati, S. M., & Kalbi, S. ...
  • Hamidi, S. K., Weiskittel, A., Bayat, M., & Fallah, A. ...
  • Holmström, H., & Fransson, J. E. (۲۰۰۳). Combining remotely sensed ...
  • Khorami, R. (۲۰۰۴). Investigating the capability of Landsat۷ETM+ satellite data ...
  • Kleinn, C. (۱۹۹۴). Comparison of the performance of line sampling ...
  • Kumar, M., Singh, M. P., Singh, H., Dhakate, P. M., ...
  • Lu, D., Mausel, P., Brondızio, E., & Moran, E. (۲۰۰۴). ...
  • Masihpoor, M., Darvishsefat, A.A., Rahmani, R., & Fatehi, P. (۲۰۲۱). ...
  • Mohammadi, J., Shataei, Sh., & Namirania, M. (۲۰۱۴). Comparison of ...
  • Naghavi, H. (۲۰۱۴). Application of Quickbird satellite images in estimating ...
  • , Fallah, A., Ramezani, H., Naghavi, H., & Jalilvand, H. ...
  • Norian, N., Shatai Joibari, Sh., Mohammadi, J., & Yazdani, S. ...
  • Norodini, A. & Porshkuri, F. (۲۰۱۱). Forest canopy classification on ...
  • Praticò, S., Solano, F., Di Fazio, S., & Modica, G. ...
  • Roujean, J. L., & Breon, F. M. (۱۹۹۵). Estimating PAR ...
  • Rouse J.W., Haas, R.H., Schell, J.A., & Deering, D.W. (۱۹۷۳). ...
  • Shakeri, Z., Mohammadi-Samani, K., Maarofi, H., Khoonsiavashan, S., & Sharifi, ...
  • Shataee, S., Kalbi, S., Fallah, A., & Pelz, D. (۲۰۱۲). ...
  • Sibanda, M., Gumede, N., & Mutanga, O. (۲۰۲۱). Estimating leaf ...
  • Sivanpillai, R., Smith, C. T., Srinivasan, R., Messina, M. G., ...
  • Smith, F. (۱۹۹۶). Biological diversity, ecosystem stability and economic development. ...
  • Townsend, P. A. (۲۰۰۲). Estimating forest structure in wetlands using ...
  • Tucker, C. J. (۱۹۷۹). Red and photographic infrared linear combinations ...
  • Wang, Q., Blackburn, G. A., Onojeghuo, A. O., Dash, J., ...
  • Yim, J. S., Shin, M. Y., Son, Y., & Kleinn, ...
  • Zobeiri, M. (۲۰۰۷). Forest biometrics. Tehran: Tehran University Press ...
  • نمایش کامل مراجع