برآورد ذخیره کربن روی زمینی در جنگل‌‌‌ کاری شهری با استفاده از داده‌های ماهواره‌ای (مطالعه موردی: پارک جنگلی چیتگر تهران)

هدف از تحقیق حاضر برآورد ذخیره کربن جنگل کاری شهری به روش غیر مستقیم با استفاده از ماهواره geoeye-1 بوده که برای این منظور توده های کاج، اقاقیا و ون موجود در پارک جنگلی دست کاشت چیتگر تهران مورد بررسی قرار گرفت. تعداد 102 قطعه نمونه به مساحت پنج آر با استفاده از روش تصادفی منظم برداشت گردید. پس از برداشت اطلاعات زمینی ارتفاع ، قطر برابر سینه و محاسبه چگالی درختان، زی توده محاسبه و سپس با اعمال ضریب 0.47، ذخیره کربن بدست آمد. پنج شاخص پوشش گیاهی تولید و میانگین ارزش بازتابی قطعات نمونه بر روی تصویر ماهواره ای استخراج گردید. از میانگین ارزش بازتابی نقاط متناظر قطعات نمونه زمینی، در تمامی شاخص ها استفاده شد و با استفاده از ذخیره کربن اندازه گیری شده زمینی و اطلاعات استخراج شده از روش های سنجش از دوری، محاسبات همبستگی در محل نمونه ها انجام شد. از روش رگرسیون خطی برای تجزیه و ارزیابی رابطه بین ذخیره کربن روی زمینی از داده های زمینی و اطلاعات رقومی تصویر ماهواره ای ذکر شده، استفاده و رابطه های برآورد زی توده ارائه شد.سپس با استفاده آزمون t جفتی مدل ها مورد ارزیابی قرار گرفت. نتایج بررسی نشان داد که در تصویر geoeye-1 شاخص ndvi و ارزش بازتابی باند مادون قرمز نزدیک (nir) به ترتیب با 0.659 و 0.396 بیشترین ضریب همبستگی را با میزان ذخیره کربن حاصل از آماربرداری زمینی دارد و می توان با استفاده از مدل رگرسیون خطی، ذخیره کربن را برآورد نمود.

Estimating above Ground Carbon Storage in Urban Afforestation Using Satellite Data (Case Study: Chitgar Forest Park in Tehran)

The goal of this research is to indirectly estimate carbon storage. Carbon sequestrations by the trees in the Pine, ash and false treesplanted areas of Chitgar Forest Park in Tehran, Iran, were estimated by using of GeoEye1 images. 102 sample areas of 25 ×20m have been measured using Systematic Random Sampling (SRS) method for the study. The Biomass and carbon sequestration for each sample were estimated by Height, Diameter on the breast and Density of trees based on the collected Land Information System (LIS) data and then, by applying a coefficient of 0.47, carbon storage was achieved. Five vegetation indices were generated and the average reflectance values ​​of sample units were extracted on a satellite image. The mean reflection values of the corresponding points in the sample plots were used in all indices. Using the measured carbon storage and extracted data from remote sensing methods, correlation calculations were done at the site of the samples. NIR image and Normalized Difference Vegetation Index (NDVI) were then established for each sample using ENVI image analysis software. Linear and nonlinear regression analysis was then performed to establish correlations between the reflectance value and the carbon sequestration that were estimated using LIS data. GeoEye1 images indicated that the NDVI index and NearInfrared (NIR) reflectance values had the strongest relationship with the estimated carbon sequestrations using LIS data with correlation coefficients of 0.659 and 0.396, respectively. The coefficients of linear model were analyzed, leading to conclusion that the linear model could be used to estimate carbon sequestration. Models were analyzed using Paired Ttest. The results showed that the GeoEye1 images with 0.5m spatial and 4band spectral resolutions can be used to estimate carbon sequestrations by the trees in the Chitgar Forest Park.