این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
جنگل ایران، جلد ۱، شماره ۲، صفحات ۱۰۵-۱۱۳
عنوان فارسی بررسی امکان تهیۀ نقشۀ تیپ راش به کمک داده های سنجندۀ ETM+ (مطالعۀ موردی: جنگل خیرود نوشهر)
چکیده فارسی مقاله به‌منظور بررسی امکان تهیۀ نقشۀ تیپ راش به کمک داده‌های سنجندۀ ETM+ لندست7، داده‌های رقومی این سنجنده از بخش چلیر جنگل خیرود نوشهر مورد تجزیه و تحلیل قرار گرفت. تطابق هندسی تصاویر، با نقشه‌های رقومی توپوگرافی در مقیاس 1:25000 به‌روش نقاط کنترل زمینی با استفاده از 14 نقطه و دقت مطلوب زیر نیم پیکسل انجام شد. برای برآورد صحت نتایج حاصل از طبقه‌بندی تصاویر ماهواره‌ای، نقشۀ واقعیت زمینی (نقشۀ تیپ‌های راش) در نوارهایی در 42% منطقه، به‌روش پیمایشی و به‌صورت کیفی تهیه شد. پس از انجام پردازش و بارزسازی‌های مناسب طبقه‌بندی تصاویر ماهواره‌ای با باندهای اصلی و مصنوعی حاصل از نسبت‌گیری، تبدیل مؤلفه‌های اصلی، تبدیل تسلد کپ و ادغام، به تیپ‌های راش خالص، راش غالب، راش مخلوط و غیر راش انجام شد. در این راستا خوارزمی‌های مختلف روش نظارت‌شده شامل طبقه‌بندی‌کننده‌های سخت حداکثر تشابه، حداقل فاصله از میانگین و KNN استفاده شد. بالاترین صحت کلی با روش KNN برابر با 35% به‌دست آمد. علت پایین بودن نتایج حاصل از تجزیه و تحلیل تصایر ماهواره‌ای، بیشتر مربوط به نوع طبقه‌های مورد نظر و تشابه بازتاب آن‌ها به‌ویژه تیپ‌های راش خالص و غالب بوده است. با ترکیب این دو طبقه با هم و انجام دوباره تجزیه و تحلیل، بالاترین صحت کلی در طبقه‌بندی با سه طبقه، به51% افزایش یافت. بر اساس نتایج این تحقیق، داده‌های طیفی سنجندۀ ETM+ از قابلیت خوبی برای تهیۀ نقشۀ تیپ راش در جنگل‌های آمیخته و ناهمسال شمال کشور برخوردار نیست که دلیل آن بیشتر مربوط به در‌نظر گرفته‌نشدن بازتاب طیفی دیگر گونه‌های همراه در این چنین تیپ‌بندی (تنها بر اساس گونه راش) است.
کلیدواژه‌های فارسی مقاله سنجندۀ ETM+، واقعیت زمینی، نقشۀ تیپ راش، طبقه‌بندی،
عنوان انگلیسی Investigation on the possibility of beech forest type mapping using Landsat ETM+ data (case study: Khyrood forest)
چکیده انگلیسی مقاله In order to investigate the possibility of beech forest type (Fagetum) mapping using Landsat ETM+, its data from Chelir district (780 ha) in Khyrood forest, Caspian forests, Iran were analyzed. Geometric registration was applied using 14 ground control points based on digital topographic maps at 1:25000 scale. The RMS error obtained was less than half of an ETM+ pixel. In order to estimate the accuracy of the classified satellite images, a ground truth map covering 42% of the total area, was qualitatively prepared as strips after field inspection. Image classification was performed using original and synthetic bands (rationing, principal component analysis, tasseled cap transformation and fusion) for following four beech forest types: pure beech, dominant beech, mixed beech and non-beech types. Classification was performed using maximum likelihood, minimum distance to mean and KNN classifiers. The highest overall accuracy (35%) was obtained using KNN classifier. The main reason for low overall accuracy can be related to the kind of related classes and also spectral similarity between pure and dominant beech classes. Therefore, these two classes were merged and classification was done again. The highest overall accuracy, considering three classes increased the classification accuracy up to 51%. The results showed that the spectral data of ETM+ do not have a high potential for beech forest type mapping in heterogeneous and uneven-aged Hyrcanian forests, Because the type of considering classes in such a classification is based on one specie (here beech) whereas the abundance of spectral reflectance of other species is neglected.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله علی اصغر درویش صفت | ali asghar
گروه جنگلداری و اقتصاد جنگل دانشکدۀ منابع طبیعی، دانشگاه تهران
سازمان اصلی تایید شده: دانشگاه تهران (Tehran university)

مژگان عباسی |
دانشجوی دکتری جنگلداری دانشکدۀ منابع طبیعی، دانشگاه تهران
سازمان اصلی تایید شده: دانشگاه تهران (Tehran university)

محمد رضا مروی مهاجر | mohammad reza meravi mohajer
گروه جنگلداری و اقتصاد جنگل دانشکدۀ منابع طبیعی، دانشگاه تهران
سازمان اصلی تایید شده: دانشگاه تهران (Tehran university)

نشانی اینترنتی http://www.ijf-isaforestry.ir/article_4304_1828f9c73b31a995b19fc98befbdbaf5.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات