دورسنجی
نسترن نظریانی؛ اصغر فلاح
چکیده
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 ...
بیشتر
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-2 در برآورد مشخصه های کمی جنگل های سامان عرفی اولادقباد کوهدشت است. به منظور برآورد مشخصه های مورد بررسی، 150 خوشه در قالب 16 طرح نمونه برداری خوشه ای با شکل قطعه نمونه دایره و مربعی شکل در منطقه به مساحت تقریبی 4500 هکتار پیاده شد. هر خوشه شامل چهار ریزقطعه نمونه با مساحت 700 متر مربع (شعاع ریز قطعه نمونه های دایره ای 15 متر، قطر ریزقطعه نمونه مربعی 37 متر و فاصله بین ریز قطعه نمونه ها از هم 60 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 6 با ضریب تبیین 0/82 و طرح نمونه برداری خوشه ای 10 با ضریب تبیین0/76 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-2 کارایی مناسبی در برآورد مشخصه های مورد بررسی دارد.