برآورد زی توده روی زمینی درختان جنگل با استفاده از تصویرهای نوری و راداری (مطالعه موردی: حوضه ناو اسالم گیلان)
عنوان مقاله: برآورد زی توده روی زمینی درختان جنگل با استفاده از تصویرهای نوری و راداری (مطالعه موردی: حوضه ناو اسالم گیلان)
شناسه ملی مقاله: JR_IJFPR-25-2_014
منتشر شده در در سال 1396
شناسه ملی مقاله: JR_IJFPR-25-2_014
منتشر شده در در سال 1396
مشخصات نویسندگان مقاله:
ساسان وفایی - دانشجوی دکتری جنگل داری، دانشکده کشاورزی و منابع طبیعی، دانشگاه لرستان، خرم آباد، ایران
جواد سوسنی - استادیار، گروه جنگل داری، دانشکده کشاورزی و منابع طبیعی، دانشگاه لرستان، خرم آباد، ایران
کامران عادلی - استادیار، گروه جنگل داری، دانشکده کشاورزی و منابع طبیعی، دانشگاه لرستان، خرم آباد، ایران
هادی فدایی - دکترای سنجش از دور، دانشکده انفورماتیک، دانشگاه کیوتو، کیوتو، ژاپن
حامد نقوی - استادیار، گروه جنگل داری، دانشکده کشاورزی و منابع طبیعی، دانشگاه لرستان، خرم آباد، ایران
خلاصه مقاله:
ساسان وفایی - دانشجوی دکتری جنگل داری، دانشکده کشاورزی و منابع طبیعی، دانشگاه لرستان، خرم آباد، ایران
جواد سوسنی - استادیار، گروه جنگل داری، دانشکده کشاورزی و منابع طبیعی، دانشگاه لرستان، خرم آباد، ایران
کامران عادلی - استادیار، گروه جنگل داری، دانشکده کشاورزی و منابع طبیعی، دانشگاه لرستان، خرم آباد، ایران
هادی فدایی - دکترای سنجش از دور، دانشکده انفورماتیک، دانشگاه کیوتو، کیوتو، ژاپن
حامد نقوی - استادیار، گروه جنگل داری، دانشکده کشاورزی و منابع طبیعی، دانشگاه لرستان، خرم آباد، ایران
استفاده از داده های سنجش از دور یکی از روش های کاربردی در برآورد مقدار زی توده گیاهی است. در این پژوهش، داده های راداری ماهواره آلوس-۲، با قطبش کامل و تصویرهای نوری ماهواره سنتینل-۲، برای برآورد زی توده روی زمینی درختان در جنگل های سری یک حوضه ناو اسالم گیلان استفاده شد. مقدار بازپراکنش در قطبش های مختلف، خصوصیات بافت و ویژگی های تجزیه هدف از تصویرهای راداری و باندهای اصلی و مصنوعی به دست آمده از تصویرهای نوری در سه ترکیب مختلف شامل تصویرهای راداری، تصویرهای نوری و ترکیب تصویرهای راداری و نوری، به عنوان ورودی های مدل شبکه عصبی مصنوعی و رگرسیون خطی چندگانه درنظر گرفته شدند. به منظور اندازه گیری زمینی زی توده از ۱۴۹ قطعه نمونه استفاده شد. ارزیابی شبکه های عصبی و رگرسیون خطی چندگانه با استفاده از آماره های R۲ و RMSE نشان داد که در تمامی حالت ها مدل شبکه های عصبی نسبت به رگرسیون خطی کارایی بهتری در برآورد زی توده روی زمینی درختان داشت. نتایج بهترین شبکه عصبی نشان داد که ترکیب داده های نوری و راداری با مقدار R۲ و RMSE به ترتیب ۰/۸۶ و ۳۱/۶۲ مگاگرم در هکتار (۱۵/۳۴ درصد) می تواند زی توده درختی را برآورد کند. همچنین، نتایج استفاده از تصویرهای راداری و نوری به طور مجزا نشان داد که مقدار R۲ و RMSE برای مدل سازی زیتوده توسط تصویرهای راداری به ترتیب ۰/۵۷ و ۴۹/۱۷ مگاگرم در هکتار (۲۳/۸۵ درصد) و برای تصویرهای نوری ۰/۷۲ و ۳۹/۵۳ مگاگرم در هکتار (۱۹/۱۷ درصد) بود که نشان دهنده برتری مدل سازی زی توده روی زمینی توسط تصویرهای نوری بود. نتایج کلی نشان از برآوردهای دقیق تر زی توده در صورت استفاده هم زمان از تصویرهای راداری و نوری و استفاده از مدل شبکه عصبی مصنوعی داشت.
کلمات کلیدی: آلوس, رادار با روزنه مجازی, سنتینل, سنجش از دور, شبکه عصبی مصنوعی
صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/1884307/