مقایسه قابلیت داده های سنجنده های WorldView-2، Pleiades-2و IRS-LISS III در برآورد موجودی جنگل (مطالعه موردی: جنگل آموزشی پژوهشی دارابکلا- ساری)
Publish Year: 1396
نوع سند: مقاله ژورنالی
زبان: Persian
View: 697
This Paper With 16 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JWFST-24-4_010
تاریخ نمایه سازی: 11 آبان 1398
Abstract:
چکیده سابقه و هدف: آگاهی از وضعیت مشخصه های کمی جنگل همانند موجودی سرپا، یکی از مهمترین اصول در برنامه ریزی و تصمیم گیری مدیریت جنگل می باشد. هدف از این مطالعه، مقایسه قابلیت داده های سنجنده های مختلف و روش های ناپارامتری در برآورد موجودی سرپای جنگل می باشد. مواد و روش ها: منطقه مورد مطالعه سری یک جنگل دارابکلا در استان مازندران در جنوب شرق ساری است با مساحت 2612 هکتار که در حوزه آبخیز 74 اداره کل منابع طبیعی شهرستان ساری واقع شده است. با استفاده از روش نمونه برداری منظم -تصادفی با قطعات 10 آری با شبکه آماربرداری 330 در 500 متر ، 150 قطعه نمونه دایره ای برداشت گردید. پیش پردازش و پردازش های لازم همانند نسبت گیری، ایجاد شاخص های گیاهی و آنالیز بافت بر روی تصاویر ماهواره ای سه سنجنده WorldView-2، Pleiades-2 وIRS-LISS III انجام شد. سپس ارزش متناظر با قطعه نمونه ها از تمام باندها استخراج گردید. برای مدلسازی در این مطالعه از روش های مختلف رگرسیونی شامل واریانت های مختلف روش نزدیکترین همسایه، کرنل های مختلف روش ماشین بردار پشتیبان و روش جنگل تصادفی استفاده شد. یافته ها: نتایج مربوط به مدلسازی موجودی سرپا با استفاده از روش ماشین بردار پیشتبان(SVM) نشان داد بهترین کرنل به ترتیب برای سنجنده worldview- 2،IRS-LISS III وPleiades-2 چند جمله ای، توابع پایه شعاعیRBF)) و چندجمله ای، با درصد مجذورمیانگین مربعات خطای 57/34، 5/49، 03/43 بود. در روش نزدیک ترین همسایه(KNN) بهترین واریانت برای سه سنجنده مذکور به ترتیب شبیشف(Chebychev)، شبیشف (Chebychev) و سیتی بلاک (City block) با درصد مجذورمیانگین مربعات خطای 18/41، 09/55 و 97/46 بود . در روش جنگل تصادفی درصد مجذورمیانگین مربعات خطا برای این سه سنجنده به ترتیب برابر با 33/31 ، 91/48 و 68/45 بود . نتایج نشان داد بهترین مدل برای برآورد موجودی سرپا، مربوط به الگوریتم جنگل تصادفی و داده های تصاویر WorldView-2 با درصد مجذور میانگین مربعات خطا برابر با 33/31 درصد و اریبی نسبی برابر با 8/2 درصد بود. دلیل بهتر بودن نتایج سنجنده World Veiw2 نسبت به سنجنده Pleiades وجود تعداد باند بیشتر و عرض کمتر باندها می باشد. زیرا هرچه تعداد باند بیشتر و عرض باند باریکتر باشد اطلاعات در باندهای مختلفی ذخیره می شوند و نسبت سیگنال به نویز افزایش می یابد در نتیجه آشکارسازی پدیده ها بهتر صورت می گیرد و دقت نتایج نیز بالاتر می رود. نتیجه گیری: نتایج تفاوت زیادی بین الگوریتم های ناپارامتریک از نظر میزان درصد مجذور میانگین مربعات خطا نشان نداد ولی از نظر سنجنده تفاوت زیادی مشاهده گردید. نتایج کلی این مطالعه نشان داد سنجنده ها و روش های رگرسیونی مورد استفاده در این مطالعه، دارای قابلیت نسبتا مناسبی در برآورد موجودی جنگل می باشند. همچنین نتایج نشان داد علاوه بر قدرت تفکیک مکانی سنجنده ها، قدرت تفکیک طیفی آنها نیز تاثیر چشمگیری در بالا بردن دقت نتایج مدلسازی موجودی جنگل با استفاده از تصاویر ماهواره ای دارد.
Keywords:
Authors
وحیده بهرامی
دانشجوی دکتری
اصغر فلاح
دانشیار دانشگاه کشاورزی ساری
رمضانعلی خرمی
عضو مرکز تحقیقات مرکز تحقیقات منابع طبیعی مازندران
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 :