ارزیابی خشکیدگی جنگل‌های بلوط با استفاده از تصویر اسپات6 (مطالعه موردی: منطقه کهمره در استان فارس)

بلوط ایرانی، طی سال‌های اخیر، تحت تاثیر پدیده زوال بلوط قرار گرفته و این پدیده موجب ازدست‌رفتن بخش‌های وسیعی از جنگل‌های بلوط در عرصه‌های زاگرس شده است. به‌‌دلیل پوشش زمانی مناسب و وضوح زمینی مطلوب تصاویر جدید ماهواره‌ای، کاربرد آنها در تشخیص این پدیده امیدبخش به‌نظر می‌رسد. در این تحقیق، قابلیت‌های مکانی تصاویر سنجنده اسپات6 با توان تفکیک مکانی 1.5 متر در باند پانکروماتیک و 6 متر در باندهای چندطیفی، در تشخیص خشکیدگی درختان بلوط در منطقه جنگلی کهمره، از بخش‌های شهرستان شیراز در استان فارس، بررسی شد. مقادیر شاخص‌های گوناگون گیاهی شامل ndvi، evi، tdvi، savi، rndvi، osavi، dvi و msr، با درصدهای متفاوت خشکیدگی درختان بلوط به‌صورت متناظر، در نمونه‌های زمینی و تصویر ماهواره‌ای ارزیابی شد. براساس نتایج به‌‌دست‌‌آمده، معادله رگرسیونی بین مقادیر انحراف معیار tdvi و خشکیدگی بیشتر از 30%، در هریک از پایه‌های درختان بلوط، به‌صورت y=17.92(x0.06)0.32 با ضریب تبیین r^2=82% برآورد شد. پایش مناطق جنگلی برای درک روند زوال یا بهبودی درختان آن کمک شایان توجهی به دست‌اندرکاران مدیریت مناطق جنگلی خواهد کرد؛ بنابراین، استفاده از نتایج این تحقیق می‌تواند مدرکی برای مقایسه پایش مقاطع زمانی آینده با وضعیت موجود باشد.

Evaluation of Persian Oak Forests Dieback Using Spot 6 (Case Study Kohmareh District in Fars province)

Iranian oak has been affected by oak canopy level dieback in recent years. This phenomenon has led to damage a vast part of the oak forests in the Zagros arena. As to the suitable temporal and spacial resolution of the recent satellite images, it seems promising to detect the forest dieback by remote sensing. The spatial capabilities of Spot6 images with pan and spectral resolution of 1.5 and 6 m, respectively in detecting the drying of oak trees was investigated. The forest area was located on ​​Kuhmareh district of Shiraz in Fars province. The values of different indices such NDVI, EVI, TDVI, SAVI, RNDVI, OSAVI, DVI, MSR of each tree stocks was obtained and the corresponding quantity of dryness was determined at the filed. The best correlation was obtained between TDVI and the observed data. A nonlinear function was built based on TDVI standard deviation to predict the dryness of more than 30% as y=17.92(x0.06)0.32 with an R2 = 82%. Monitoring forest areas to understand the decline or recovery of trees will be of great help to the forest management community. Therefore, using the results of this study can be a proof to compare the current situation with future periods.