برآورد موجودی حجم جنگل با استفاده از ماهوا ره 1 - GeoEye با استفاده ازالگوریتم RF در جنگل های سری گردشی استان مازندران

Publish Year: 1393
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 792

This Paper With 13 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:

MEAENRS02_228

تاریخ نمایه سازی: 16 خرداد 1394

Abstract:

برآورد حجم سرپای جنگل اهمیت زیادی از نظر کاربردهای آن، برای آگاهی از وضعیت جنگل و نحوه عملکرد آن، برآورد میزان تولید، پیش بینی و مدل سازی فشارهای وارده به جنگل، مسائل اقتصادی و زیست محیطی و برنامه ریزی در جنگل دارد. ماهواره- های سنجش از دور یک گزینه کم هزینه در مدلسازی و نقشه برداری مشخصههای کمی در مناطق جنگلی بزرگ است. هدف از تحقیق حاضر، برآورد حجم (موجودی) جنگل با استفاده از دادههای ماهواره GeoEye-1 در بخشی از جنگلهای حوزه آبخیز 70 (سری گردشی) با مساحت 2324 هکتار در استان مازندران میباشد. به این منظور تعداد 70 قطعه نمونه زمینی مربعی به مساحت 9 آر به روش منظم- تصادفی (سیستماتیک) برداشت و حجم سرپا در هر قطعه نمونه محاسبه گردید. داده های رقومی متناظر با قطعات نمونه زمینی از باندهای طیفی استخراج و به عنوان متغیرهای مستقل و حجم سرپا به عنوان متغیر وابسته در نظر گرفته شدند. با استفاده از رگرسیون متغیره چندگانه و الگوریتم RF بهترین مدلها تولید و با در نظر گرفتن معیارهای مجذور میانگین مربعات خطا (RMSE) و اریبی (Bias) انتخاب شدند. با استفاده از الگوریتم RF برای برآورد حجم (موجودی) با استفاده از ماهواره GeoEye-1 (سری گردشی) با مساحت 2324 هکتار در استان مازندران میباشد. به این منظور تعداد 70 قطعه نمونه زمینی مربعی به مساحت 9 آر به روش منظم- تصادفی (سیستماتیک) برداشت و حجم سرپا در هر قطعه نمونه محاسبه گردید. داده های رقومی متناظر با قطعات نمونه زمینی از باندهای طیفی استخراج و به عنوان متغیرهای مستقل و حجم سرپا به عنوان متغیر وابسته در نظر گرفته شدند. با استفاده از رگرسیون متغیره چندگانه و الگوریتم RF بهترین مدلها تولید و با در نظر گرفتن معیارهای مجذور میانگین مربعات خطا (RMSE) و اریبی (Bias) انتخاب شدند. با استفاده از الگوریتم RF برای برآورد حجم (موجودی) با استفاده از ماهواره GeoEye-1 ریشه مجذور میانگین مربعات خطا 50/102 متر مکعب در هکتار و مقدار بایاس نیز 35/1 متر مکعب در هکتار، دارای بهترین عملکرد است. نتایج نشان داد که دادههای طیفی این ماهواره برای برآورد حجم سرپای جنگل دارای قابلیت بالایی هستند

Keywords:

موجودی حجم درختان درهکتار , ماهواره 1-GeoEye , روش الگوریتم رندم فارست rf , جنگل سری گردشی

Authors

مهدی آفریدن

دانشجوی ارشد جنگلداری، دانشگاه علوم و کشاورزی و منابع طبیعی ساری

اصغر فلاح

عضو هئیت علمی جنگلداری ، دانشگاه علوم و کشاورزی و منابع طبیعی ساری

جعفر اولادی

عضو هئیت علمی جنگلداری ، دانشگاه علوم و کشاورزی و منابع طبیعی ساری

سیاوش کلبی

دانشجوی دکترای جنگلداری ، دانشگاه علوم و کشاورزی و منابع طبیعی ساری

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 :
  • خرمی، ر، 1383. بررسی قابلیت داده های ماهواره ای Landsat7 ...
  • رضایی، ع. سلطانی، ا.، 1382. مقدمه بر تحلیل رگرسیون کاربردی، ...
  • محمدی، ج.، 1386. بررسی امکان برآورد برخی مشخصات کمی به ...
  • ناصری، ف، 1382. طبقه بندی تیپ های جنگلی و برآورد ...
  • Ardo, J., 1992. Volume quantification of coniferous forest compartments using ...
  • _ Gebreslasie , M. T., F.B.Ahmed, A.N., jan V.Adrdt, 2009. ...
  • Gemmel, F. M. 1995. Effects of forest cover , terrain ...
  • Hall, R. J, . Skakun, R. S. Arsenault, E. J, ...
  • Hame, T. Salli, A., Andersson, K., & Lohi, A. (1997). ...
  • Hyyppa, J., H. Hyyppa, M. Inkinen, M. Engdahi, S.Linko & ...
  • Nelson, B. W., R. Mesquita, J.L.G. Pereira, S.G.A. de Souza, ...
  • Trootter, C.M., J.R. Dymond & C.J. Goulding, 1997. Estimation of ...
  • Ripple, W.J., S. Wang, D.L. Isaacson & D.P. Pairre, 1995. ...
  • Wolter, T. p., P.A.Townsend & B.R.Sturtevant, 2009. Estimation of forest ...
  • نمایش کامل مراجع