برآورد زی‌تودة روی زمینی جنگل‌های هیرکانی با استفاده از داده‌های راداری Alos-Palsar (مطالعة موردی: شصت‌کلاته گرگان)

نوع مقاله: مقاله پژوهشی

نویسندگان

1 دانشجوی دکتری، گروه جنگلداری، دانشکدة علوم جنگل، دانشگاه علوم کشاورزی و منابع طبیعی گرگان

2 دانشیار، گروه جنگلداری، دانشکدة علوم جنگل، دانشگاه علوم کشاورزی و منابع طبیعی گرگان

3 استادیار، گروه سنجش از دور و سیستم اطلاعات جغرافیایی، دانشکدة جغرافیا، دانشگاه تهران

4 استادیار، گروه جنگلداری، دانشکدة علوم جنگل، دانشگاه علوم کشاورزی و منابع طبیعی گرگان

چکیده

کمّی‌سازی مشخصه‌های بیوفیزیکی جنگل مانند زی‌توده در مقیاس‌های محلی، ناحیه‌ای و جهانی در ارزیابی، پایش و مدیریت وضعیت انتشار و ترسیب کربن ضروری است. تصاویر راداری پلاریزه‌شده با طول موج بلند با توجه به قدرت نفوذشان به تاج‌پوشش جنگل و اخذ اطلاعات تنه، در برآورد زی‌تودة روی زمینی جنگل‌ها استفاده شده‌اند. این پژوهش با هدف بررسی قابلیت داده‌های راداری Alos-Palsar در برآورد زی‌تودة روی زمینی درختان در بخشی از جنگل‌های آمیختة پهن‌برگ طرح جنگلداری دکتر بهرام‌نیا انجام گرفت. زی‌تودة روی زمینی درختان در 308 قطعه نمونة 10 آری با استفاده از معادلات آلومتریک محلی محاسبه شد. در این بررسی از داده‌های راداری که پیش‌پردازش رادیومتری و هندسی شده بودند استفاده شد و براساس آن ضرایب بازپخش نرمال‌شدة پلاریزاسیون‌های HH و HV، نسبت و تفاضل آنها، مؤلفه‌های آلفا و اینتروپی حاصل از روش تجزیة هدف Cloud-Pottier به‌همراه ویژگی‌های بافت محاسبه‌شده از ماتریس سطوح خاکستری هم‌رخداد از تصاویر راداری Alos-Palsar تهیه و مقادیر آنها در محل قطعات نمونه استخراج شد. مدلسازی با استفاده از 70 درصد قطعات نمونه با الگوریتم‌های ناپارامتریک K-NN، رگرسیون بردارپشتیبان و جنگل‌تصادفی، همچنین رگرسیون چندمتغیرة خطی صورت گرفت و ارزیابی برآوردها با استفاده از 30 درصد قطعات نمونه باقی‌مانده انجام پذیرفت. براساس نتایج، الگوریتم K-NN نسبت به دیگر الگوریتم‌ها عملکرد به‌نسبت بهتری در برآورد زی‌تودة روی زمینی درختان داشت. مجذور میانگین مربعات خطای 189/57 درصد و ضریب تبیین تعدیل‌شدة 032/0 عملکرد ضعیف این رویکرد را در برآورد زی‌تودة روی زمینی درختان نشان می‌دهد..

کلیدواژه‌ها


عنوان مقاله [English]

Estimation of aboveground biomass using Alos-Palsar data in Hyrcanian forests (Case study: ShastKalateh, Gorgan)

نویسندگان [English]

  • M. Poorazimy 1
  • Sh. Shataee 2
  • S. Attarchi 3
  • J. Mohammadi 4
1 M.Sc. Student, Forestry Department, Faculty of Forest Science, Gorgan University of Agriculture and Natural Resources, Gorgan, I.R.Iran.
2 Asso. Professor, Forestry Department, Faculty of Forest Science, Gorgan University of Agriculture and Natural Resources, Gorgan, I.R.Iran.
3 Assist. Professor, Remote Sensing and Geographical Information System Department, Faculty of Geography, University of Tehran, Tehran, I.R.Iran.
4 Assist. Professor, Forestry Department, Faculty of Forest Science, Gorgan University of Agriculture and Natural Resources, Gorgan, I.R.Iran.
چکیده [English]

Quantifying the forest biophysical variables such as biomass in local, zonal, and regional scales is necessary for evaluation, monitoring, and management of carbon sequestration conditions. Polarized SAR images in L band (like Alos-Palsar) have been used for estimating AGB due to its ability in penetration into canopy and extracting the trunk information. The capability of Alos-Palsar data for above-ground biomass estimation of trees was studied in some part of mixed hardwood forest of Dr. Bahramnia forestry plan. The aboveground biomass of trees was computed in 308 0.1 circular sample plots using local allometric equations. In this study, we used radiometric and geometric processed radar data and according that, normalized backscatter coefficients in HH and HV polarization, ratio and difference of them, alpha and entropy components from Cloud-Pottiers target decomposition approach and GLCM texture features were extracted from Alos-Palsar images on sample plots. Biomass modeling and estimation were done using 70 percent of sample plots by KNN, SVR and Random Forest nonparametric algorithms as well as multiple linear regression algorithms. The validity assessment was done by using the remaining 30 percent samples. According to the results, KNN algorithm had better performance than the other algorithms in estimation of aboveground biomass of trees. RMSE (57.189%) and adjusted R2 (0.032) showed the weak performance of this approach in aboveground biomass estimation of trees.

کلیدواژه‌ها [English]

  • Nonparametric algorithm
  • Hyrcanian forests
  • Dual polarization Alos-Palsar data
  • Trees aboveground biomass