برآورد زیتوده روی زمینی جنگل‎ با استفاده از تصاویر ماهواره‎‎ای و مدل رگرسیون جنگل تصادفی

ارزیابی دقیق زیتوده روی زمینی جنگل برای مطالعات میزان گازهای گلخانه‎ای، برآورد کربن ذخیره شده در منابع جنگلی، مدل‎های تغییر آب‎و‎هوا و در نتیجه مدیریت پایدار جنگل‎ها امری ضروری است. زیتوده جنگل بیانگر توان تولید در واحد سطح می‎باشد. در این پژوهش از داده‎های تصاویر نوری ماهواره سنتینل-2 برای برآورد زیتوده روی زمینی جنگل در سطح 285 هکتار‎‎‎‎ از جنگل‎های استان ایلام استفاده شد. 124 قطعه نمونه مربعی‌شکل به ابعاد 20 در 20 متر به روش خوشه‎ای روی زمین پیاده شد. مشخصه‎های قطر بزرگ و قطر کوچک تاج مجموع 508 پایه درختی (تک‌پایه و جست گروه) در قطعات نمونه اندازه‎‎گیری شدند. بسته به تک‌پایه و جست‌گروه بودن پایه‎های درختی از معادلات آلومتریک مناسب برای محاسبه زیتوده روی زمینی بر اساس مشخصه‎های اندازه‎گیری شده استفاده شد. در نهایت مجموع زیتوده روی زمینی جنگل برای همه پایه‎های درختی موجود در هر قطعه نمونه محاسبه شد. با استفاده از نسبت‎گیری‎های طیفی، شاخص‎های گیاهی مرتبط با پوشش‎گیاهی از باندهای سنجنده msi ماهواره سنتینل 2 تهیه شدند. در گام بعد ارزش‎های طیفی متناظر قطعات نمونه از باندهای اصلی و شاخص‎های گیاهی استخراج شدند. از مدل رگرسیون جنگل تصادفی برای برآورد زیتوده روی زمینی جنگل استفاده شد. از 70 درصد نمونه‎ها برای آموزش مدل استفاده شد و اعتبارسنجی مدل با استفاده از 30 درصد باقیمانده داده‎ها انجام شد. نتایج حاصل با میزان r2=0.80 و rmse=28.70 تن در هکتار نشان از عملکرد قابل‌قبول مدل در برآورد زیتوده روی زمینی جنگل بود. نتایج بررسی میزان اهمیت‎ متغیرها با استفاده از آماره جینی نشان داد که شاخص‎های rvi، gndvi، ndvi و dvi اهمیت بیشتری در ارائه مدل برآورد زیتوده داشتند.

forest aboveground biomass estimation using satellite imagery and random forest regression model

accurate assessment of forest above-ground biomass is essential for sustainable forest management. estimation of forest biomass is necessary for studies such as estimation of greenhouse gases, carbon stored in forest resources and climate change models. also, the forest biomass represents the production rate per unit area. the optical image data of sentinel-2 satellite was used to estimate the above-ground biomass of the forest in the area of 285 hectares of the forests in ilam province. 124 square-shaped sample plots with a 20×20 m dimension were located on the ground using a cluster method. some characteristics of a total of 508 trees (both single stems and coppice forms), including the major and minor crown diameters were measured within each sample plot. depending on whether the trees are single stem and multi-stem clumps, suitable allometric equations were used to calculate the above-ground biomass based on the measured characteristics. finally, the total above-ground biomass was calculated for all trees in each sample plot. in order to estimate the above-ground biomass, msi sensor images of sentinel 2 satellite were used at the level of l2a corrections. using spectral ratios, vegetation indices were calculated. in the next step, the corresponding spectral values of the sample plots were extracted from the main bands, and vegetation indices. a random forest regression model was used to estimate forest above-ground biomass. 70% of the samples were used for training the model, and the models were validated using the remaining 30% of the data. the results with r2=0.80 and rmse=28.70 t/ha showed the acceptable performance of model for estimating the above-ground biomass of the forest. by using the gini statistic, it was shown that rvi, gndvi, ndvi, and dvi vegetatuin inices played a larger role in the estimation of biomass.