مدل سازی تنوع گونه های درختی در جنگل های سری گردشی با استفاده از تصاویر GeoEye (مطالعه موردی: سری گردشی ساری)

سال انتشار: 1398
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 489

فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JWFST-26-2_004

تاریخ نمایه سازی: 11 آبان 1398

چکیده مقاله:

سابقه و هدف: شناخت ارتباط بین حفظ تنوع زیستی و فرآیندهای اکوسیستم، به عنوان یکی از مباحث اصلی در پژوهش های بوم شناسی می باشد. جنگل ها یکی از منابع طبیعی با ارزش کره زمین می باشد که نقش مهمی در تعادل اکولوژیکی و زندگی جوامع انسانی دارد. تنوع گونه-های درختی یکی از پارامترهای کلیدی به منظور توضیح اکوسیستم های جنگلی در مدیریت همگام با طبیعت می باشد. مدلسازی و تهیه نقشه تنوع درختی ابزاری مفید برای حفاطت و مدیریت جنگل ها می باشد. جنگل های خزری، از نظر تنوع درختی، غنی ترین جنگل های ایران می باشد که طی سال های اخیر در معرض تغییرات شدید قرار گرفته است. یکی از مهمترین و به صرفه ترین راه ها جهت کسب اطلاع از تنوع درختی استفاده از تصاویر ماهواره ای می باشد. هدف از این مطالعه تعیین قابلیت تصاویر GeoEye در پایش تنوع درختی در جنگل های سری گردشی واقع در استان مازندران می باشد. مواد و روش ها: بدین منظور ابتدا با استفاده از آماربرداری زمینی تعداد 150 قطعه نمونه با ابعاد 30 در 30 متر برداشت گردید. سپس شاخص-های شانون – وینر، سیمپسون و عکس سیمپسون در هر قطعه نمونه محاسبه گردید. پیش پردازش و پردازش ای لازم همانند تجزیه مولفه اصلی، ساخت شاخص های گیاهی و آنالیز بافت بر روی تصاویر انجام شد. برای مدلسازی از روش های درخت طبقه بندی و رگرسیونی، جنگل تصادفی، واریانت های مختلف نزدیک ترین همسایه و کرنل های مختلف ماشین بردار پشتیبان استفاده شد. از 70 درصد از نمونه های تعلیمی برای مدلسازی استفاده شد. سپس بهترین باندها برای مدلسازی انتخاب گردید. ارزیابی مدل ها با استفاده از 30 درصد نمونه ها انجام شد. سپس بهترین مدل ها برای هر قسمت مشخص گردید. یافته ها: نتایج نشان داد از بین شاخص ها تولید شده، باند مادون قرمز و باندهای مصنوعی حاصل از آن، به عنوان بهترین باند جهت مدلسازی تشخیص داده شد. کرنل RBF از روش ماشین بردار پشتیبان با ضریب تبیین 58 درصد و ریشه میانگین مجذور خطای نسبی 46 درصد برای مدلسازی شاخص تنوع شانون وینر از میان مدل های فوق دارای بهترین نتیجه بود. همچنین روش جنگل تصادفی با ضریب تبیین 54 و 57 درصد و ریشه میانگین مجذور خطای نسبی حدود 48 و 14 درصد به ترتیب برای روش های سیمپسون و عکس سیمپسون دارای بهترین نتیجه بود. نتیجه گیری: نتایج نشان داد داده های ماهواره GeoEye دارای قابلیت نسبتا مناسبی در برآورد تنوع درختی در جنگل های سری گردشی می باشد. از مدل های مورد استفاده روش جنگل تصادفی برای دو حالت و کرنل RBF روش ماشین بردار پشتبان در یک حالت دارای بهترین نتیجه بود. در مجموع نتایج نشان داد از این داده های می توان جهت مدیریت، حفاظت و پایش تنوع درختی در جنگل های شمال کشور استفاده نمود. کلمات کلیدی: تنوع درختی، شاخص شانون وینر، سیمپسون و سری گردشی

کلیدواژه ها:

تنوع درختی ، شاخص شانون وینر ، سیمپسون و سری گردشی

نویسندگان

حسن اکبری

گروه جنگلداری ،دانشکده منابع طبیعی،دانشگاه علوم کشاورزی و منابع طبیعی ساری،ایرات

سیاوش کلبی

اداره کل منابع طبیعی و آبخیزداری بوشهر