بررسی امکان برآورد برخی مشخصههای ساختاری جنگل با استفاده از داده های سنجنده aster و spot-hrg ( مطالعه موردی: جنگل دارابکلا)
Abstract
برآورد و تهیه نقشه مشخصه های ساختاری جنگل با دقت بالا، یکی از اساسی ترین اطلاعات مورد نیاز در مدیریت پایدار و برنامه ریزی جهت استفاده عملی در جنگل ها می باشد. در این مطالعه، ارتباط بین داده-های دو سنجنده aster و- hrg spotبا سه مشخصه مهم ساختاری جنگل شامل حجم سرپا، سطح مقطع و تعداد درختان در هکتار در سری یک جنگل آموزشی و پژوهشی دارابکلا واقع در شهرستان ساری مورد بررسی قرار گرفت. از روش رگرسیون خطی چند متغیره و الگوریتم طبقه بندی و رگرسیون درختی (cart) برای آنالیز و ارزیابی رابطه بین این مشخصه ها با داده های سنجنده ها استفاده شد. پیش پردازش و پردازش های مناسب جهت حذف و یا کاهش خطاهای هندسی و اتمسفری و همچنین بارزسازی تفاوت-های مشخصه های کمی توده ها بر روی داده های طیفی انجام گرفت. تعداد 100 قطعه نمونه با ابعاد 60 *60 متر با استفاده از روش آماربرداری خوشه ای برداشت گردید. پس از برداشت اطلاعات زمینی، محاسبات مقادیر حجم، سطع مقطع و تعداد در هکتار در سطح قطعات نمونه صورت گرفت. ارزیابی اعتبار بهترین مدل بدست آمده با تعدادی قطعه نمونه و با معیارهای ارزیابی مناسب مورد بررسی قرار گرفت. با استفاده از داده های aster و رگرسیون خطی چندگانه مشخصه حجم، سطح مقطع و تعداد درختان در هکتار بترتیب با ضریب تبیین اصلاح شده 2/59، 5/73 و 85 درصد و ریشه میانگـــین مجذور خطا ((m3/ha-1 5/116، ((m2/ha-1 14/5 و ((n/ha-1 95/50 برآورد گردید. همچنین با استفاده از داده های spot- hrg و رگرسیون خطی چندگانه مشخصه های حجم، سطح مقطع و تعداد درختان در هکتار بترتیب با ضریب تبیین اصلاح شده 5/74، 5/80 و 7/85 درصد و ریشه میانگین مجذور خطا ((m3/ha-1 1/77، ((m2/ha-1 02/4 و ((n/ha-1 6/44 برآورد شد. هنگامی که از الگوریتم cart برای تجزیه و تحلیل داده ها سنجنده aster استفاده شد ضریب تبیین برای مشخصه حجم سرپا، سطح مقطع و تعداد درختان در هکتار بترتیب 8/8، 9/6 و 5/2 درصد و ریشه میانگین مجذور خطا نیز بترتیب (m3/h-1) 2/18، (m2/h-1) 15/0 و (n/h-1) 25/6 و برای سنجنده- hrg spot نیز ضریب تبیین به ترتیب 5/4، 6/3 و 6/4 درصد و ریشه میانگین مجذور خطا نیز به ترتیب (m3/h-1) 8/15، (m2/h-1) 27/0 و (n/h-1) 4/2 بهبود یافت. نتایج این تحقیق نشان داد داده های سنجنده spot-hrg در برآورد هر سه مشخصه ساختاری مورد مطالعه دارای نتایج بهتری نسبت به سنجنده aster می باشد و همچنین استفاده از الگوریتم cart می تواند در بهبود نتایج تأثیر چشمگیری داشته باشد. در مجموع نتایج نشان داد که از داده های سنجنده های فوق می توان جهت مدیریت عملی در توده های جنگلی استفاده شود.