برآورد تراکم تاج پوشش جنگل با استفاده از مدل fcd

به منظور تهیه نقشه تراکم تاج پوشش در جنگل های بیوره استان ایلام از داده های ماهواره ای لندست 8 مربوط به تاریخ 31 تیرماه 1393 و مدل fcd استفاده شد. در روش fcd از چهار شاخص پوشش گیاهی، خاک، سایه و شاخص حرارتی با اعمال حد آستانه مناسب استفاده شد و سپس شاخص سایه پیشرفته و شاخص سایه هم قیاس شده، محاسبه گردید و درنهایت شاخص تراکم پوشش گیاهی و نقشه تراکم تاج پوشش جنگل بر مبنای مدل fcd برحسب درصد بدست آمد. نقشه تراکم جنگل بدست آمده، بر اساس طبقات ارائه شده از سوی شورای عالی جنگل، مرتع و خاک سازمان جنگل ها و مراتع و آبخیزداری کشور (7 طبقه) و نیز یک طبقه بندی دیگر (5 طبقه)، طبقه بندی گردید. به منظور برآورد صحت نقشه تراکم جنگل طبقه بندی شده، یک نقشه واقعیت زمینی از تصاویر ارائه شده در وب سایت مرکز منطقه ای زیرساخت اطلاعات مکانی کشور که به روز و دارای قدرت تفکیک مکانی مناسب هستند، تهیه شد. بیشترین میزان صحت کلی و ضریب کاپا در مطالعه حاضر، مربوط به طبقه بندی در پنج طبقه و به ترتیب معادل 61/34 درصد و 0/42 محاسبه شد که در طبقه بندی 7 طبقه، میزان صحت کلی و ضریب کاپا کمتر برآورد گردید. ازاین رو می توان نتیجه گرفت که در جنگل های زاگرس، کارایی مدل در تفکیک جنگل نیمه انبوه تا انبوه نسبتاً مناسب است درحالی که مدل در تفکیک طبقات با تراکم پایین تر، دقیق عمل نمی کند.

Estimation of forest canopy density using FCD

In order to map the forest canopy density Bivareh Ilam Landsat 8 satellite data of 22 July 2014 and FCD model was used. The FCD of four indicators of vegetation, soil, shade and the heat index by applying a suitable threshold was and the density of vegetation and forest canopy density map based on FCD in percent respectively. Forest density map obtained, according to the classes provided by the Supreme Council of Forest, Range and Soil of Forest and Rangeland and Watershed Management (7 classes) and a classification (5 classes), were defined. To determine the accuracy of the classified forest density map, a map of the ground reality of the images presented on the website of the Regional Centre spatial data infrastructure updates and spatial resolution are prepared. The highest overall accuracy and Kappa coefficient in the present study, the classification in five classes of 61/34% and 0/42, respectively, were calculated. The classification of 7 classes, the overall accuracy and kappa coefficient was estimated. Therefore we can conclude that in the Zagros forests, semimassive to massive forest separation efficiency model is appropriate when the separation of the classes with lower density, is not accurate.