ارزیابی سطح و تراکم تاج پوشش جنگل های استان گیلان با استفاده از داده های ماهواره ای
Publish Year: 1398
Type: Journal paper
Language: Persian
View: 143
This Paper With 12 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
JR_IJFPR-27-1_009
Index date: 13 January 2024
ارزیابی سطح و تراکم تاج پوشش جنگل های استان گیلان با استفاده از داده های ماهواره ای abstract
آگاهی از سطح و پوشش جنگل در سطح یک چشم انداز می تواند یکی از شاخص های مهم برای ارزیابی پایداری جنگل باشد. در پژوهش پیش رو، با هدف استخراج نقشه پوشش جنگل در استان گیلان، داده های ماهواره لندست ۸ مربوط به تابستان ۱۳۹۳ با روش طبقه بندی نظارت شده و الگوریتم ماشین بردار پشتیبان پردازش شدند. براساس روش آماربرداری دومرحله ای، ۳۱۶ قطعه نمونه نیم هکتاری انتخاب شد. سپس، داده های میدانی مانند نوع کاربری و انبوهی تاج پوشش مشخص شدند. صحت کلی و ضریب کاپا در نقشه های استخراج شده از داده های لندست ۸ به ترتیب ۹۱/۸ درصد و ۰/۸ به دست آمد. مساحی نقشه ها، سطح پوشش جنگل های گیلان را در مجموع ۴۹۸ هزار و ۸۰۴ هکتار برآورد کرد. جنگل های انبوه، نیمه انبوه و تنک به ترتیب ۴۲/۱، ۴۱/۵ و ۱۶/۴ درصد از سطح جنگل های استان را به خود اختصاص دادند. از نتایج مهم این پژوهش، مشخص شدن تاثیر منفی تشابه طیفی بین باغهای کشاورزی با جنگل های تنک و نیمه انبوه در صحت طبقه بندی جنگل بود. این پژوهش بیانگر کارایی مناسب داده های تصاویر لندست ۸ در تهیه نقشه های موضوعی مانند انبوهی و پوشش جنگل بود، بنابراین این داده ها و اطلاعات به دست آمده از آن ها را می توان برای استفاده در تصمیم گیری های مدیریتی، حفاظت و احیاء جنگل توصیه کرد.
ارزیابی سطح و تراکم تاج پوشش جنگل های استان گیلان با استفاده از داده های ماهواره ای Keywords:
ارزیابی سطح و تراکم تاج پوشش جنگل های استان گیلان با استفاده از داده های ماهواره ای authors
مسعود امین املشی
استادیار، بخش تحقیقات جنگل ها، مراتع و آبخیزداری، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی گیلان، سازمان تحقیقات، آموزش و ترویج کشاورزی، رشت، ایران
خسرو میرآخورلو
مربی، موسسه تحقیقات جنگل ها و مراتع کشور، سازمان تحقیقات، آموزش و ترویج کشاورزی، تهران، 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 :