بررسی پتانسیل تصاویر سنتینل-2 در برآورد زی‌ توده جنگلی

زی ‌توده اکوسیستم ‌های جنگلی مخزن مهمی برای جذب و ذخیره کربن اتمسفری هستند و نقش ویژه‌ای در چرخه جهانی کربن دارند. بنابراین اندازه‌گیری زی‌توده موجود در اکوسیستم‌های جنگلی اهمیت زیادی دارد. با این وجود این اندازه‌گیری باید با روشی انجام گیرد که کم‌ترین هزینه و زمان را داشته و بدون تخریب نیز باشد. استفاده از تصاویر مختلف ماهواره‌ای و روش‌های مبتنی بر سنجش از دور با تخمین‌های مناسبی از زی‌توده هوایی جنگل و دارا بودن شرایط فوق در سال‌های اخیر مورد توجه قرار گرفته است. بنابراین در این پژوهش به منظور برآورد زی‌توده هوایی بخشی از جنگل‌های فندقلو اردبیل با استفاده از تصویر سنتینل-2 ابتدا در مشخصات کمی درختان در قطعات نمونه زمینی اندازه‌گیری شدند، سپس شاخص‌های avi، ndvi، dvi، si، rvi، ipvi، savi و bi محاسبه شدند. در نهایت، بین مقادیر زی‌توده انداز‌گیری شده زمینی و اعداد متناظر هر شاخص در هر قطعه نمونه‌، مدل رگرسیونی برقرار شد و با استفاده از مقادیر ضریب تبیین و مجذور میانگین مربعات خطا، ارزیابی دقت انجام شد. نتایج نشان داد که شاخص savi با ضریب تبیین 0.78 و مجذور میانگین مربعات خطای 2.45 نسبت به دیگر شاخص‌ها از دقت بیشتری برخوردار می‌باشد.مقدار زی‌توده منطقه مورد مطالعه نیز 132.433 تن در هکتار برآورد گردید. نتایج این پژوهش توانایی تصویر سنتینل-2 در برآورد زی‌توده هوایی را ثابت کرد و نشان داد شاخص‌های پوشش گیاهی مانند شاخص savi که ضرایب خاک را در نظر می‌گیرند، از دقت بالاتری نسبت به شاخص‌هایی که این ضرایب را در نظر نمی‌گیرند، برخوردار هستند.

investigation of the potential of sentinel-2 images in estimation of forest biomass

land use/cover change, especially the destruction of forest lands, is one of the most important factors in increasing atmospheric carbon emissions, resulting in global warming and climate change. on the other hand, forest ecosystems play an important role in absorbing and maintaining the global carbon balance. because forest biomass constitutes about 90% of the biomass of the earth's vegetation and is considered an important parameter for evaluating the amount of carbon absorbed by the forest. therefore, in the current situation where climate change and global warming have caused many environmental crises, evaluating the functioning of the forest ecosystem requires an accurate estimation of biomass and its changes, which should be done with minimum cost and time and without destruction. the total biomass includes aboveground (trees, shrubs, etc.) and underground (living roots, etc.) biomass research is concentrated in the aboveground biomass sector. various methods have been provided to estimate it. the most accurate method is based on ground measurements, but the destruction and economic costs of ground measurements are very high and it is not suitable for large-scale measurements. remote sensing-based measurement methods, in addition to having the mentioned advantages, also make suitable estimates of forest aboveground biomass possible. because, the methods based on remote sensing, only require a small number of samples in the forest for ground measurement and include the use of various sensors, images, data, and different processing algorithms, the results have acceptable. biomass prediction models based on satellite images can be obtained from radar data, multi-spectral bands, and vegetation indices (for example, normalized difference vegetation index (ndvi) and variables vegetation biophysics such as leaf area index). these models can be developed with or without secondary thematic data (e.g. height). therefore, this study aims to estimate the aboveground biomass of part of ardabil fandoghlo forests using vegetation indices and regression models and to evaluate the efficiency of sentinel-2 images in estimating the aboveground biomass of the forest.