نوع مقاله : علمی - پژوهشی

نویسندگان

1 دانشجوی دکتری جنگلداری، دانشکده منابع طبیعی، دانشگاه علوم کشاورزی و منابع طبیعی ساری

2 استاد گروه جنگلداری، دانشکده منابع طبیعی، دانشگاه علوم کشاورزی و منابع طبیعی ساری آدرس: دانشکده منابع طبیعی، دانشگاه علوم کشاورزی

3 محقق ، سوئد، اومئو، دانشگاه کشاورزی و منابع طبیعی سوئد،

4 استادیار گروه جنگلداری، دانشکده علوم کشاورزی و منابع طبیعی، دانشگاه لرستان

5 استاد گروه جنگلداری، دانشکده منابع طبیعی، دانشگاه علوم کشاورزی و منابع طبیعی ساری

چکیده

گردآوردی اطلاعات میدانی دقیق به منظور مدیریت پایدار مناطق جنگلی، مستلزم صرف زمان و هزینه بالایی است؛ لذا استفاده از روش های نمونه برداری و تصاویر ماهواره ای، جایگزین مناسبی برای این منظور خواهد بود. در پژوهش حاضر هدف تأثیر طرح های مختلف نمونه برداری خوشه ای در برآورد مشخصه های کمی جنگل های سامان عرفی اولادقباد شهرستان کوهدشت، استان لرستان با استفاده از تصاویر سنجنده Sentinel 2 است. به منظور برآورد مشخصه های مورد بررسی، 150 خوشه در قالب شش طرح (مثلث، مربع، ستاره ای یک، خطی، ال شکل و ستاره ای دو) در منطقه به مساحت تقریبی 4500 هکتار پیاده شد. هر خوشه شامل چهار ریز قطعه نمونه با مساحت 700 متر مربع (شعاع ریز قطعه نمونه دایره ای 15 متر و فاصله بین ریز قطعه نمونه ها از هم 60 متر) بود. سپس در هر ریز قطعه نمونه ، مشخصه های تعداد و مساحت تاج درختان اندازه گیری شد. پس از پیش پردازش و پردازش تصاویر (تجزیه مؤلفه اصلی، آنالیز بافت و ایجاد شاخص های گیاهی)، ارزش های رقومی متناظر با قطعات نمونه زمینی از باندهای طیفی استخراج و به‌عنوان متغیرهای مستقل در نظر گرفته شد. مدل سازی با استفاده از روش های ناپارامتریک جنگل تصادفی، ماشین بردار پشتیبان و نزدیکترین همسایه انجام شد. نتایج نشان داد میانگین تراکم در هکتار 51 اصله و سطح تاج پوشش 3294 متر مربع در هکتار است. نتایج حاصل از اعتبارسنجی نشان داد که برای هر دو مشخصه تراکم و سطح تاج‌پوشش الگوریتم جنگل تصادفی به همراه طرح های نمونه برداری خطی و ستاره ای دو به ترتیب با درصد مجذور میانگین مربعات خطا 00/46 و 44/10 درصد، در مدل سازی عملکرد بهتری داشته است. به طور کلی استفاده از طرح های مختلف نمونه برداری خوشه ای، روش های مدل سازی ناپارامتریک و تصاویر سنجنده Sentinel 2 کارایی بهتری در برآورد مشخصه تاج پوشش نشان داد، اما در مقابل عملکرد مناسبی در برآورد تعداد در هکتار را نداشته است.

کلیدواژه‌ها

عنوان مقاله [English]

The Effect of Different Cluster Sampling Schemes in Estimating the Quantitative Characteristics of Zagros Forests Using Sentinel 2 Sensor Images

نویسندگان [English]

  • Nastaran Nazariani 1
  • Asghar Fallah 2
  • Habib Ramezani 3
  • Hamed Naghavi 4
  • Hamid Jalilvand 5

1 phD. Student of forest management, Department of Natural Resources, University of Agricultural Sciences and Natural Resources of Sari, Iran

2 Professor, Department of Forestry, Faculty of Natural Resources, Sari University of Agricultural Sciences and Natural Resources

3 Researcher, Sweden, Umeau, Swedish University of Agriculture and Natural Resources

4 Assistant Professor, Department of Forestry, Faculty of Agricultural Sciences and Natural Resources, Lorestan University

5 Professor, Department of Forestry, Natural Resources Faculty, University of Agricultural Sciences and Natural Resources

چکیده [English]

Gathering accurate information for statistics requires high cost and precision. The time factor is also one of the important issues that should be seriously considered in statistics. Therefore, the use of sampling methods and satellite images will be a good alternative for this purpose. In the present study, the aim of the effect of different cluster sampling schemes in estimating the quantitative characteristics of the traditional forests of Olad Ghobad in Koohdasht township, Lorestan province using Sentinel 2 sensor images. To estimate the studied characteristics, 150 clusters in the form of six designs (triangular, square, star 1, linear, L-shaped, star 2) were implemented in the region. Then, in each subplot, the characteristics of the number and area of the tree canopy were measured. Afterimage preprocessing and appropriate image processing (principal component analysis, texture analysis, and different spectral ratios to create important plant indices), the corresponding digital values of the ground sample plots are extracted from the spectral bands and used as independent variables. Modeling was performed using nonparametric methods of random forest, support vector machine, and nearest neighbor. The results showed that the average density per hectare was 51 and the canopy area was 32.94%. The diagram of the mean squares of the error of the training and test data against the number of trees for the characteristic number per hectare and canopy showed that the optimal number of trees was obtained at approximately 75 and 350 points. The results of validation according to the percentage of squared mean squared error showed that for both density and canopy surface characteristics of random forest algorithm with linear and double star sampling designs with the squared percentage of mean squared error respectively (46.00%) and (10.44%) and Bias (-0.02%, 2.82%) along with cluster sampling designs linear and double star, respectively, had better performance in modeling. In general, the results showed that the use of different cluster sampling schemes, nonparametric modeling methods, and Sentinel2 sensor images can high-performance estimate the quantitative characteristics of Zagros forests.

کلیدواژه‌ها [English]

  • Cluster Sampling
  • Non-Parametric Method
  • Olad Ghobad Forest
  • Random forest
  • remote sensing