برآورد زی‌توده روی زمینی توده‌های جنگلی دست‌کاشت عرب داغ استان گلستان با استفاده از داده‌های ماهواره‌ای سنتینل 2

سابقه و هدف: جنگل‌های‌ دست‌کاشت امروزه یکی از مهم‌ترین منابع ذخیره کربن جنگلی و از عوامل کاهش‌دهنده روند تخریبی عرصه‌های طبیعی هستند. زی‌توده روی زمینی درختان نقش اساسی در مدیریت پایدار جنگل و در کاهش روند گرم شدن کره زمین و یک منبع اطلاعاتی مهم محسوب ‌می‌شود. معادلات آلومتریک ابزاری مهم برای کمی کردن زی‌توده روی زمینی درختان در جنگل‌ها هستند. در سال‌های اخیر، فنون سنجش‌ازدور با استفاده از روش‌های ناپارامتریک مانند الگوریتم رندوم فارست به‌طور گسترده برای برآورد زی‌توده درختان جنگل مورد استفاده قرارگرفته است. در این تحقیق قابلیت داده‌های سنتینل 2 با استفاده از الگوریتم رندوم فارست در برآورد زی‌توده روی زمینی توده‌های جنگلی دست‌کاشت عرب داغ استان گلستان مورد ارزیابی قرار گرفت. مواد و روش‌ها: در این مطالعه از اطلاعات زی‌توده 180 قطعه‌نمونه دایره‌‌ای به مساحت 400 مترمربع حاصل از روش نمونه‌برداری خوشه‌ای استفاده شد. همچنین مختصات مراکز قطعات نمونه با استفاده از dgps ثبت شد. زی‌توده روی زمینی قطعات نمونه از معادلات آلومتریک تهیه شده است. در این بررسی از داده‌های سنتینل 2 که پیش‌پردازش رادیومتری و هندسی شده بودند استفاده شد و براساس آن، شاخص‌های مختلف پوشش گیاهی تهیه شد. در اجرای الگوریتم رندوم فارست ارتباط بین مشخصه‌ی زی‌توده به‌عنوان متغیر وابسته و ارزش‌های طیفی شاخص‌های گیاهی تهیه شده به‌عنوان متغیرهای مستقل مورد بررسی قرار گرفت. مدل‌سازی با استفاده از 75 درصد قطعات نمونه (135 قطعه‌نمونه) با استفاده الگوریتم رندوم فارست صورت گرفت وارزیابی برآوردها با استفاده از 25 درصد قطعات نمونه (45 قطعه‌نمونه) انجام شد.یافته‌ها: نتایج نشان داد که در بین متغیرهای مستقل مورد استفاده شاخص‌ها ndvi و gndvi دارای بیشترین همبستگی در برآورد زی‌توده روی زمینی را داشتند و الگوریتم رندوم فارست با 310 درخت و 5 پیش‌بینی کننده‌ و درصد مجذور میانگین مربعات خطا 35.83 درصد و ضریب تبیین 0.51 توانسته است که زی‌توده روی زمینی توده‌های دست‌کاشت عرب داغ را برآورد نمایند. همچنین نتایج نشان داد که الگوریتم رندوم فارست با استفاده از داده‌های سنتینل 2، مقادیر زی‌توده روی زمینی درختان را بیشتر از مقدار واقعی برآورد نموده‌اند. بین مقادیر زی‌توده روی زمینی برآورد شده و واقعی تفاوت معنی‌داری در سطح احتمال 95 درصد وجود ندارد (p-value > 0.05). نتیجه‌گیری: نتایج این تحقیق نشان داد که داده‌های سنتینل 2 با دقت قابل قبول توانسته‌اند زی‌توده روی زمینی توده‌های دست‌کاشت عرب داغ را برآورد نمایند و باتوجه به نتایج حاصل شده در این مقاله می‌توان گفت که اطلاعات باندهای اصلی و شاخص‌های طیفی نقش مهم در برآورد زی‌توده روی زمینی داشتند.

estimation of above-ground biomass of arabdagh reforested stands, golestan province using sentinel-2 satellite data

background and objectives: today, reforested stands are one of the most important sources of forest carbon storage and one of the factors that reduce the process of destruction of natural areas. above-ground biomass (agb) plays an essential role in sustainable forest management and reducing global warming and is an important source of information. allometric equations are an important tool for quantifying above-ground biomass in forests. in recent years, remote sensing techniques using non-parametric methods such as the random forest algorithm have been widely used to estimate forest tree biomass. in this research, the ability of sentinel 2 data using the random forest algorithm to estimate the above-ground biomass of arabdagh reforested stands in golestan province was evaluated.materials and methods: in this study, 180 circular sample plots with an area of 400 square meters were measured using the cluster sampling method and the diameter at breast height (dbh) and tree height (h) were measured. also, the exact coordinates of the centers of the sample plots were recorded using dgps. then, using the prepared allometric equations, the above-ground biomass of trees was calculated. in this study, sentinel 2 pre-processed radiometric and geometrical data were used, and based on that, different vegetation indices were prepared. in the implementation of the random forest algorithm, the relationship between the characteristics of biomass as a dependent variable and the spectral values of vegetation indices as independent variables were investigated. modeling was done using 75% of sample plots (135 sample plots) with random forest algorithm and validation of estimates was done using 25% of sample plots (45 sample plots).results: the results showed that ndvi and gndvi indices had the highest correlation in the estimation of above-ground biomass and the random forest algorithm with 310 trees and 5 predictors and the percentage root mean square error of 35.83% and the coefficient of determination 0.51 was able to estimate the above-ground biomass of arabdagh reforested stands. also, the results showed that using the data of sentinel 2, the random forest algorithm has estimated the above-ground biomass of trees more than the actual values. there is no significant difference at the 95% probability level between the estimated and real above-ground biomass values (p-value > 0.05). also, among the independent variables used.conclusion: the results of this research showed that sentinel 2 data has been able to estimate the above-ground biomass of arabdagh reforested stands with acceptable accuracy. according to the results of this article, it can be said that the information of the main bands and spectral indices played an important role in the estimation of above-ground biomass.