این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
تحقیقات جنگل و صنوبر ایران، جلد ۲۵، شماره ۲، صفحات ۳۲۰-۳۳۱
عنوان فارسی برآورد زی‌توده روی زمینی درختان جنگل با استفاده از تصویرهای نوری و راداری (مطالعه موردی: حوضه ناو اسالم گیلان)
چکیده فارسی مقاله استفاده از داده­‌های سنجش ‌از دور یکی از روش­‌های کاربردی در برآورد مقدار زی‌توده گیاهی است. در این پژوهش، داده­ های راداری ماهواره آلوس-2، با قطبش کامل و تصویرهای نوری ماهواره سنتینل-2، برای برآورد زی­‌توده روی زمینی درختان در جنگل­‌های سری یک حوضه ناو اسالم گیلان استفاده شد. مقدار بازپراکنش در قطبش‌­های مختلف، خصوصیات بافت و ویژگی‌های تجزیه هدف از تصویرهای راداری و باندهای اصلی و مصنوعی به‌دست‌آمده از تصویرهای نوری در سه ترکیب مختلف شامل تصویرهای راداری، تصویرهای نوری و ترکیب تصویرهای راداری و نوری، به‌عنوان ورودی­‌های مدل شبکه عصبی مصنوعی و رگرسیون خطی چندگانه درنظر گرفته شدند. به­‌منظور اندازه­‌گیری زمینی زی­‌توده از 149 قطعه‌نمونه استفاده شد. ارزیابی شبکه­‌های عصبی و رگرسیون خطی چندگانه با استفاده از آماره­‌های R2 و RMSE نشان داد که در تمامی حالت‌ها مدل شبکه­‌های عصبی نسبت به رگرسیون خطی کارایی بهتری در برآورد زی‌توده روی زمینی درختان داشت. نتایج بهترین شبکه عصبی نشان داد که ترکیب داده‌های نوری و راداری با مقدار R2 و RMSE به‌ترتیب 0/86 و 31/62 مگاگرم در هکتار (15/34 درصد) می‌تواند زی­‌توده درختی را برآورد کند. همچنین، نتایج استفاده از تصویرهای راداری و نوری به‌طور مجزا نشان داد که مقدار R2 و RMSE برای مدل­‌سازی زی­توده توسط تصویرهای راداری به‌ترتیب 0/57 و 49/17 مگاگرم در هکتار (23/85 درصد) و برای تصویرهای نوری 0/72 و 39/53 مگاگرم در هکتار (19/17 درصد) بود که نشان­‌دهنده برتری مدل­‌سازی زی‌­توده روی زمینی توسط تصویرهای نوری بود. نتایج کلی نشان از برآوردهای دقیق‌­تر زی‌­توده در صورت استفاده هم­‌زمان از تصویرهای راداری و نوری و استفاده از مدل شبکه­ عصبی مصنوعی داشت.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Estimation of aboveground biomass using optical and radar images (Case study: Nav-e Asalem forests, Gilan)
چکیده انگلیسی مقاله Using remote sensing data is an applied method to estimate above ground biomass. In this study, satellite radar data of ALOS-2, with the full polarization and the optical data of Sentinel-2, has been used to estimate the aboveground biomass in the Nav-e Asalem forests, Gilan province. The backscattering coefficients at different polarization, the texture measures and target decomposition features of SAR images, obtained original and synthetic bands from optical images in three different combinations of radar images, optical images and the composition of radar and optical images, as inputs to the Artificial Neural Network (ANN) and Multiple Linear Regression (MLR) models were used. In order to measure aboveground biomass, 149 sample plots were laid out. Evaluation of ANN and MLR models using R2 and RMSE statistics showed that in all cases the ANN was better performance to estimate the aboveground biomass than MLR. The best results showed that the ANN from combined optical and radar data with R2 and RMSE, 0.86 and 31.62 Mg/ha (15.34%), respectively, can be the best applied method to estimate the aboveground biomass. The results of radar images and optical separately, with the R2 and RMSE for the modeling of aboveground biomass have been shown, respectively, 0.57 and 49.17 Mg/ha (23.85%) by radar images and 0.7 and 39.53 Mg/ha (19.17%) by the optical images, superior modeling to estimate aboveground biomass represents by optical imaging. The overall and more accurate results to estimate of aboveground biomass have been shown when we used combined radar and optical images with the ANN model.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله ساسان وفایی |
دانشجوی دکتری جنگل داری، دانشکده کشاورزی و منابع طبیعی، دانشگاه لرستان، خرم آباد، ایران
سازمان اصلی تایید شده: دانشگاه لرستان (Lorestan university)

جواد سوسنی |
استادیار، گروه جنگل داری، دانشکده کشاورزی و منابع طبیعی، دانشگاه لرستان، خرم آباد، ایران
سازمان اصلی تایید شده: دانشگاه لرستان (Lorestan university)

کامران عادلی |
استادیار، گروه جنگل داری، دانشکده کشاورزی و منابع طبیعی، دانشگاه لرستان، خرم آباد، ایران
سازمان اصلی تایید شده: دانشگاه لرستان (Lorestan university)

هادی فدایی |
دکترای سنجش از دور، دانشکده انفورماتیک، دانشگاه کیوتو، کیوتو، ژاپن

حامد نقوی |
استادیار، گروه جنگل داری، دانشکده کشاورزی و منابع طبیعی، دانشگاه لرستان، خرم آباد، ایران
سازمان اصلی تایید شده: دانشگاه لرستان (Lorestan university)

نشانی اینترنتی http://ijfpr.areeo.ac.ir/article_111776_205ce96bd08b93955fc4ccdfd69fe90b.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/695/article-695-414930.pdf
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