امکان برآورد تنوع گونه های چوبی با استفاده از تصاویر نوری ماهواره سنتینل (مطالعه موردی: جنگلهای مریوان)

نوع مقاله: مقاله پژوهشی

نویسندگان

1 دانش آموخته کارشناسی ارشد جنگلداری، دانشکدۀ منابع طبیعی دانشگاه کردستان، سنندج

2 دانشیار گروه جنگلداری و مرکز پژوهش و توسعۀ جنگلداری زاگرس شمالی، دانشکدۀ منابع طبیعی دانشگاه کردستان، سنندج

3 استادیار گروه جنگلداری و اقتصاد جنگل، دانشکدۀ منابع طبیعی دانشگاه تهران، کرج

چکیده

هدف پژوهش کنونی، بررسی امکان استفاده از سنجش از دور برای برآورد تنوع گونه‌های چوبی است که در پایداری اکوسیستم‌های جنگلی اهمیت بسیار زیادی دارد. برای این منظور از تصاویر نوری ماهوارۀ سنتینل2 در بخشی از جنگل‌های شهرستان مریوان استفاده شد. ابتدا منطقۀ پژوهش به مساحت حدود 500 هکتار از راه جنگل‌گردشی بررسی شد. 89 قطعه نمونه با ابعاد 40×40 متر به‌صورت تصادفی در کل سطح منطقه برداشت و مشخصه‌های نوع و تعداد گونه در هر قطعه نمونه ثبت شد. تنوع زیستی درختی براساس شاخص‌های تنوع گونه‌ای سیمپسون و شانون وینر، غنای گونه‌ای مارگالف، یکنواختی فیشر آلفا و غالبیت سیمپسون برای هر قطعه نمونه محاسبه شد. تصاویر سنجندۀ سنتینل2 در سطح تصحیحات سیستمی دریافت شد. شاخص‌های گیاهی مناسب از باندهای اصلی تصاویر ماهواره‌ای تهیه و ارزش‌های رقومی در محل هر قطعه نمونه از هر یک از باندهای اصلی و شاخص‌های گیاهی استخراج شد. همبستگی میان باندهای اصلی و شاخص‌های گیاهی با شاخص‌های تنوع، بررسی و معادلات رگرسیونی چندمتغیره به روش گام‌به‌گام با استفاده از 66 قطعه نمونه توسعه یافت. نتایج اعتبارسنجی مدل‌های رگرسیونی با استفاده از 23 قطعه نمونه نشان داد که شاخص‌های تنوع گونه‌ای سیمپسون (RMSEr = 21/39%, R2 = 0/57)، غالبیت سیمپسون (RMSEr = 22/63%, R2 = 0/55) و تنوع‌گونه‌ای شانون- وینر (RMSEr = 23/16%, R2 = 0/50) با دقت بیشتری از بقیۀ شاخص‌ها قابل برآوردند. برپایۀ نتایج این پژوهش می‌توان بیان داشت که تصاویر سنتینل۲ از توانایی متوسطی در برآورد تنوع گونه‌ای در جنگل‌های زاگرس برخوردار است.

کلیدواژه‌ها


عنوان مقاله [English]

Possibility of estimating the woody species diversity using Sentinel optical imagery (Case study: Marivan forests)

نویسندگان [English]

  • A. Saed Mocheshei 1
  • M. Pir Bavaghar 2
  • N. Shabanian 2
  • P. Fatehi 3
1 M.Sc. Graduate, Department of Forestry, Faculty of Natural Resources, University of Kurdistan, Sanandaj, I.R. Iran
2 Assoc. Prof., Department of Forestry, Faculty of Natural Resources, The Center for Research and Development of Northern Zagros Forestry, University of Kurdistan, Sanandaj, I.R. Iran
3 Assist. Prof., Department of Forestry and Forest Economics, Faculty of Natural Resources, University of Tehran, Karaj, I.R. Iran
چکیده [English]

This study aims at investigating the possibility of using remote sensing to estimate the woody species diversity which plays an important role in the sustainability of forest ecosystems. For this purpose, Sentinel-2 imagery data was used over a part of the Marivan forests, Iran. The study site with an area of about 500 ha was investigated through field observation. 89 field-plots with a size of 40 m × 40 m were selected over the whole area. Within each plot, tree species and number of each species were recorded. Different woody species diversity indices i.e. Simpson, Shannon-Wiener, Margalef, Fisher-alpha, and Dominance were calculated for each sample plot. Satellite imagery of sentinel-2 level 1C product was provided. Different vegetation indices were generated from the original bands of satellite imagery, and the digital values were extracted from spectral bands, and vegetation indices based on the field sample plots. In the next step, the correlation between extracted digital values (i.e. spectral data) and species diversity indices was investigated for 66 sample plots, and stepwise multiple regression was applied. The validation procedure based on 23 sample plots showed that the Sentinel-2 data predict Simpson index (R2 = 0.57, RMSEr = 21.39%), Dominant index (R2 = 0.55, RMSEr = 22.63%) and Shannon-Wiener index (R2 = 0.50, RMSEr = 23.16%) were more accurate than other species diversity indices. Based on the results of this study, it could be concluded that Sentinel-2 images have a moderate ability to estimate species diversity in Zagros forests.

کلیدواژه‌ها [English]

  • Biodiversity indices
  • Regression models
  • Sentinel-2 satellite
  • Zagros forests