برآورد تاج‌پوشش جنگل‌های زاگرس با استفاده از داده های سنجنده oli ماهواره landsat 8

تاج پوشش یک مشخصه مهم ساختار جنگل برای بسیاری از برنامه های کاربردی در بوم شناسی، آب‌شناسی و مدیریت جنگل است. این مطالعه با هدف بررسی قابلیت داده‌های سنجنده oli ماهواره landsat 8 در مدل‌سازی و برآورد تاج‌پوشش جنگل در بخشی از جنگل‌های زاگرس انجام شد. ابتدا کیفیت تصاویر از نظر وجود خطاهای هندسی و رادیومتری بررسی شد. پردازش های مورد نیاز مانند شاخص‌های پوشش گیاهی، تجزیه مولفه‌های اصلی و تبدیل تسلدکپ روی تصاویر منطقه مورد مطالعه انجام شد. به‌منظور اندازه‌گیری زمینی تاج‌پوشش با استفاده از روش عکس‌برداری نیم‌کروی، تعداد 60 قطعه نمونه با ابعاد مربعی شکل 45 ×45 متر برداشت شد. ارزش‌های طیفی متناظر در محل قطعات نمونه زمینی با استفاده از نقشه پلی گونی قطعات نمونه تهیه شده از تصاویر استخراج شدند. برای مدل سازی تاج‌پوشش جنگل از روش آماری رگرسیون خطی چندمتغیره به روش گام به گام استفاده شد و دقت مدل حاصل با استفاده از اعتبارسنجی متقابل به روش kfold ارزیابی شد. نتایج حاصل از رگرسیون خطی چندمتغیره بین تاج‌پوشش با باندهای اصلی و محاسباتی سنجنده نشان داد که مدل حاصل از شاخص پوشش گیاهی sr و باند 8 با ضریب تعیین 0/662 و درصد مجذور میانگین مربعات خطای 15/24 درصد بهترین مدل است. در مجموع، نتایج این پژوهش نشان داد که با استفاده از ماهواره landsat 8 می‌توان تاج‌پوشش جنگل را با هزینه بسیار پایین در کمترین زمان برآورد کرد.

Modeling of Canopy Cover Estimation Using Landsat 8 Satellite OLI Data in the Zagros Forests

Canopy cover is an important forest structure parameter with many applications in ecology, hydrology and forest management. This study aimed at investigating the capability of Landsat 8 satellite OLI data for modeling and estimation of forest canopy in a part of the Zagros forests. First the images were evaluated in terms of geometrical and radiometric errors. Required processing such as Vegetation Indices, Principle Component Analysis (PCA), and Tasseled Cap transformation were performed on the images of the study area. To measure aboveground canopy cover using hemispherical photography method, 60 sample plots were designed with a square dimension of 45 × 45 m. The spectral values of the corresponding sample plots were extracted using a polygon map of sample plots. Forest canopy cover was modeled using stepwise multiple linear regression and the accuracy of the model was evaluated via the kfold cross validation technique. The results of multiple linear regression between canopy cover with main and computational bands showed that the model obtained from SR vegetation index and band 8 with R2 = 0.662 and RMSE (%) = 15.24 was the best model. Overall, this study demonstrated that the estimation of forest canopy cover is costeffective and requires low computation power using Landsat 8 satellite.