|
|
برآورد زیتودۀ چوبی رویزمینی با بهکارگیری دادههای راداری در جنگلهای آمیختۀ هیرکانی (مطالعۀ موردی: جنگل خیرود نوشهر مازندران)
|
|
|
|
|
نویسنده
|
رنود قاسم ,درویش صفت علی اصغر ,شپمن مایکل ,نمیرانیان منوچهر ,مقصودی یاسر
|
منبع
|
جنگل ايران - 1401 - دوره : 14 - شماره : 3 - صفحه:257 -274
|
چکیده
|
در این پژوهش، قابلیت دادههای راداری قطبش کامل ماهوارۀ alos-2 در برآورد زیتودۀ چوبی رویزمینی جنگلهای آمیختۀ هیرکانی بررسی شد. بهمنظور آماربرداری ابتدا با جنگلگردشی مناطق مناسب با شیب کم شناسایی و 127 قطعه نمونۀ مربعشکل با مساحت 900 متر مربع در آن پیاده شد. قطر برابرسینه و ارتفاع درختان قطورتر از 7.5 سانتیمتر اندازهگیری و حجم هر درخت با استفاده از این دو مشخصه محاسبه شد. برای محاسبۀ زیتوده در هر قطعه نمونه از رابطۀ تبدیل حجم به زیتوده (با ضرب حجم در چگالی بحرانی چوب) استفاده شد. میانگین زیتودۀ رویزمینی محاسباتی در منطقۀ پژوهش 318.04 تن در هکتار است. بهمنظور پردازش دادههای alos-2، کانالهای قطبشی کالیبراسیون و چنددیده شدند. برای کاهش نویز، فیلتر باکسکار با ابعاد پنجرۀ 5×5 پیکسل اعمال شد و در نهایت متغیرهای استخراجشده تصحیح هندسی شدند. شدت بازپخش در فرم گامانات برای قطبشهای مختلف، مولفههای تجزیۀ هدف freeman-durden و مشخصههای حاصل از روابط ریاضی بین کانالهای قطبشی متغیرهای استخراجشده در این تحقیق بودند. بهمنظور مدلسازی برآورد زیتوده با استفاده از متغیرهای ذکرشده، سه الگوریتم ناپارامتریک شاملk نزدیکترین همسایه (k-nn)، جنگلتصادفی (rf) و رگرسیون بردار پشتیبان (svr) اجرا شد. نتایج مدلسازی با استفاده از الگوریتم جنگل تصادفی نشان داد که زیتودۀ رویزمینی میتواند با ضریب تبیین 0.38 و جذر میانگین مربعات خطای نسبی 23.77 درصد برآورد شود؛ درحالی که الگوریتمهای k نزدیکترین همسایه (k-nn) با ضریب تبیین 0.38 و جذر میانگین مربعات خطای 24.38 درصد و رگرسیون بردار پشتیبان با مقادیر ضریب تبیین 0.35 و جذر میانگین مربعات خطای 25.2 درصد صحت کمتری در برآورد زیتوده داشتند. بهطورکلی نتایج این پژوهش نشاندهندۀ قابلیت متوسط دادههای قطبش کامل راداری alos-2 در برآورد زیتودۀ چوبی رویزمینی در شرایط جنگلهای آمیختۀ هیرکانی است.
|
کلیدواژه
|
alos-2 ,جنگلهای آمیخته، رادار، زیتودۀ چوبی رویزمینی، قطبش،
|
آدرس
|
دانشگاه تهران, دانشکدۀ منابع طبیعی, گروه جنگلداری و اقتصاد جنگل, ایران, دانشگاه تهران, دانشکدۀ منابع طبیعی, گروه جنگلداری و اقتصاد جنگل, ایران, دانشگاه زوریخ, آزمایشگاههای سنجش از دور, سوئیس, دانشگاه تهران, دانشکدۀ منابع طبیعی, گروه جنگلداری و اقتصاد جنگل, ایران, دانشگاه خواجه نصیرالدین طوسی, دانشکدۀ مهندسی نقشهبرداری, ایران
|
پست الکترونیکی
|
ymaghsoudi@yahoo.com
|
|
|
|
|
|
|
|
|
woody aboveground biomass estimation using radar data in the mixed hyrcanian forest (case study: khayroud forest of nowshahr, mazandaran)
|
|
|
Authors
|
ronoud gh. ,darvishsefat a.a. ,schaepman m.e. ,namiranian m. ,maghsoudi y.
|
Abstract
|
this study investigates the capability of alos-2 full polarimetric radar data for estimating woody aboveground biomass (agb) in a mixed hyrcanian forest. for collecting ground data, the low slope areas selected and measured for a total of 127 square sample plots with an area of 900-m2. tree height and diameter at breast height (dbh) were measured for each tree with dbh of larger than 7.5-cm and the volume of each tree was calculated using these two characteristics. we used volume to biomass equation (multiplying the volume by the wood-critical density) to calculate agb in each sample plot. the average of observed agb was 318.04-tons per hectare for the study area. to process alos-2 data, the polarization channels were calibrated and multi-looked. we used a box-car filter with window size of 5×5 pixels to reduce the noise. finally, the extracted features were geometrically corrected. they are backscattering intensity components in the form of gamma naught, freeman-durden target decompositions components and variables derived from mathematical relationships between polarization channels. in order to modeling the biomass estimation, three non-parametric algorithms including k- nearest neighbor (k-nn), random forest (rf) and support vector regression (svr) were used. the results showed that the agb can be predicted by coefficient of determination (r2)=0.38 and the relative root mean square error (rrmse)=23.77% using rf algorithm. while k-nn algorithm with r2=0.38 and rrmse=24.38% and svr algorithm with r2=0.35 and rrmse=25.2% were less accurate for agb prediction. generally, the results of this study indicate the moderate capability of fully polarized alos-2 radar data for agb estimation in mixed hyrcanian forests.
|
Keywords
|
aboveground woody biomass ,radar ,polarization ,alos-2 ,mixed forests
|
|
|
|
|
|
|
|
|
|
|