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

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.

جنگل اولادقباد, روش های ناپارامتریک, سنجش از دور, نمونه برداری خوشه ای