نوع مقاله : علمی - پژوهشی
نویسندگان
دانشگاه گیلان
چکیده
بهمنظور ارزیابی قابلیت تصاویر سنجندة OLI ماهوارة لندست8 در تهیة نقشة تراکم تاجپوشش جنگلهای زاگرس، ابتدا پنجرهای از تصاویر سنجندة مذکور از جنگلهای منطقة حفاظتشدة مانشت با مساحت 2300 هکتار در استان ایلام انتخاب شد.برای تهیة نمونههای تعلیمی و برآورد صحت طبقهبندیها، نقشة واقعیت زمینی بهشکل نمونهای از طریق نمونهبرداری بهروش منظم-تصادفی با 100 قطعهنمونة مربعیشکل (36/0 هکتاری) روی شبکهای با ابعاد 500×400 متر تهیه شد. در هر قطعهنمونه، سطح تاجپوشش تمامی درختان اندازهگیری شد و درصد تاج پوشش در هر قطعهنمونه بهدست آمد. پس از انتخاب نمونههای تعلیمی و مجموعة باندهای مناسببا استفاده از معیار واگرایی تبدیلشده، طبقهبندی دادهها بهروش نظارتشده و با استفاده از خوارزمیهای حداقل فاصله از میانگین و حداکثر احتمال انجام شد.نتایج حاصل از طبقهبندی با استفاده از معیارهای تعیین صحت نشان دادند که خوارزمیِ حداقل فاصله از میانگین با صحت کلی و ضریب کاپای 80 درصد و 68/0 در مقایسه با خوارزمیِ حداکثر احتمال با صحت کلی و ضریب کاپای 60 درصد و 35/0 در طبقهبندی تراکم تاجپوشش بهتر عمل میکند. بازبودن تاجپوشش و همچنین اختلاط بازتاب خاک و پوشش گیاهی در این منطقه مانع دستیابی به نتایج مطلوبتر گردید. بهطور کلی نتایج پژوهش حاضر، قابلیت نسبتاً مناسب دادههای سنجندة OLI را در طبقهبندی تراکم تاجپوشش جنگلهای زاگرس نشان میدهند. کلیدواژهها: استان ایلام، جنگلهای زاگرس، سنجندة OLI، لندست8.
کلیدواژهها
عنوان مقاله [English]
Investigating Capability of OLI Data of Landsat 8 for Estimation of Canopy Density in Zagros Forests
چکیده [English]
In this study for evaluation capability, OLI data of Landsat8 to estimate canopy density 2300 ha. in protected Manesht area in Zagros forests of Iran was selected. For ground truth data, 100 square plots (0.36 ha) were measured and systematic random sampling method was used. The dimensions of network inventory were 500m×400m. In each plot, crown cover was measured and then canopy percent in each plot was calculated. For classification and mapping, maximum likelihood and minimum distance to mean classifiers were used. The Transformed Divergence index was used to determine best combination of image bands. Result of this study showed that minimum distance to mean classifier had overall accuracy and kappa coefficient of 80% and 0.68 respectively on OLI image data. In addition, the maximum likelihood classifier had overall accuracy and kappa coefficient of 60% and 0.35 respectively. The result of this study showed that minimum distance to mean classifier was most suitable classifier for canopy classification of Zagros forests on the OLI image data. Keywords: Ilam, Landsat8, OLI sensor, Zagros forest.