تخمین تراکم تاج پوشش جنگل با استفاده از داده‌های ماهواره ای

نوع مقاله: علمی- پژوهشی

نویسندگان

اعضای هیات علمی موسسه تحقیقات جنگلها و مراتع

چکیده

در این بررسی امکان استفاده از داده‌های سنجنده + ETM ماهواره لندست 7 برای تهیه نقشه تراکم تاج پوشش در چهار طبقه، %100-81 ، %80-51، % 50-31 و  %30- 5 در چهار منطقه از جنگلهای شمال کشور مورد بررسی و ارزیابی قرار گرفت. با بهره گیری از شاخصOIF  و تجزیه و تحلیل آماری داده‌ها در باندها و با توجه به اینکه باندهای 3 و 4 لندست  برای تشخیص پوشش گیاهی مناسب می‌باشند ترکیب رنگی کاذب 3 , 4 , 5 و 2 , 3 , 4 برای طبقه بندی نظارت نشده در نظر گرفته شد. از نقشه حاصل از این طبقه بندی به عنوان راهنما جهت بازدید و برداشت مشاهدات صحرایی استفاده شد. هر یک از مناطق با شدت آماربرداری یک درصد، به ترتیب دارای 72، 34،81 ، 95 قطعه نمونه 2250 متر مربعی به ابعاد 150×150 متر بودند که بعد از تعیین موقعیت آنها اطلاعات مربوط به درصد تاج پوشش و سایر اطلاعات مورد نیاز از آنها برداشت شد. نقشه‌های نهایی تراکم تاج پوشش با بکارگیری اطلاعات ثبت شده از قطعات نمونه و مشاهدات میدانی با استفاده از روش طبقه بندی نظارت شده استخراج شدند.
ارزیابی نقشه‌های درصد تراکم تاج پوشش نشان داد که صحت کلی نقشه درصد تاج پوشش استخراج شده از داده‌های ماهواره ای43/85%، متوسط صحت تولید کننده 7/84% و متوسط صحت کاربر 68/82%  می‌باشد.
 

کلیدواژه‌ها


عنوان مقاله [English]

Estimating forest canopy cover using Landsat7 ETM+ data

نویسندگان [English]

  • Khosro Mirakhorlou
  • Manoochehr Amani
Members of Scientific Board, Research Institute of Forests and Rangelands
چکیده [English]

The remotely sensed data is one of the most rapid methods for providing thematic maps in natural resources, especially forest. By combining ETM+ data and ground observation data, we can have access to thematic maps of forest such as canopy cover map, that it can be used in forest ecological studies and forest management and improvement.
     The research was conducted to evaluate and investigate the possibility of using Landsat7 ETM+ data for developing forest canopy cover density map at four classes in four sites of Caspian Forests of Iran.
Based on OIF index and statistical analysis of the ETM+ data, Color composite 3, 4, 5 were selected for unsupervised and supervised classifications. Ground observation information was collected from 282 plots (150*150m), using unsupervised map as a primary map.
     Finally, combining the ETM+ data and the ground information, using supervised classification method, canopy cover map was achieved at four classes (5-30%, 31-50%, 51-80%, 81-100%).
Evaluation of the canopy cover density percentage showed that the overall accuracy of the canopy cover percentage map developed by the Landsat7 ETM+ data and average accuracy, producer's and user's accuracy were: 85.43, 84.7 and 82.68 percent, respectively.

کلیدواژه‌ها [English]

  • Canopy Cover
  • Classification
  • satellite data
  • Training sample
  • Accuracy assessment
  • Caspian forests
- شتایی جویباری، ش.، 1375. تهیه نقشه جنگل به کمک تصاویر ماهواره‌ای به روش رقومی. پایان نامه کارشناسی ارشد، دانشکده منابع طبیعی، دانشگاه تهران، 148 صفحه.

- میرآخورلو، خ.، 1382. تهیه نقشه کاربری اراضی در محدوده جنگلهای شمال کشور با استفاده ازداده‌های ماهواره + Landsat7 ETM.فصل نامه پژوهشی تحقیقات جنگل و صنوبر ایران، 11 (2): 325-358.

- Chris, S. and Nicki, B., 1997. Erdas Field Guide. Chapter 1 & Chapter 6. Erdas, Inc. 4th  Edition, Atlanta, Gorgia , 656p.

- Congalton, R. 1991. A Review of Assessing the Accuracy of Classifications of Remotely Sensed data. Remote Sensing of Environment, Vol. 37: 35-46p.

- Dadhi, L. K., Yousif, A. H. and Martien, G., 2004. Assessing the effects of different forest management regimes on forest condition in Chitwan, Nepal, using satellite  remotely sensing data and forest canopy density mapper. Remote Sensing applications, 25th  ACRS 2004 Chian Mai, Thailand. 6 p.

- Lillesand, T. M., Kieffer R. W. and Chipman, J.W. 2004. Remote sensing and Image Interpretation. 5th Edition, New York: John Wiley & Sons, 763 p.

- Nathnil, D. H., Geerygory, K. and David C., 2003. Mapping impervious surfaces and forest canopy using classification and regression tree (CART) analysis. ASPRS 2003 Annnual Conference Proceedings, May 2003, Anchorage, Alaska. 8p.

- Petra, B., Remo, D., Haas, A. and Raymand, N., 1997. ILWIS 2.1 Reference Guide. ILWIS department, ITC, Enschede, The Netherlands, 485p.

- Raymond, N. and Petra, B., 2001. ILWIS 3.0 Academic, User’s Guide. ILWIS department, ITC, Enschede, The Netherlands, 520p.

- Rikimarus A., Miataka S., 1997. Development of Forest Canopy Density Mapping and Monitoring Model Using Indices of Vegetation, Bare soil and Shadow. HoseiUniversity, Tokyo, Japan, 8p.

- Robert, A. S., 1987. Techniques for Image Processing and Classification. Remote Sensing University of Arizona, Academic Press, New York, 387p.

- Swain, P. H., 1973. Pattern Recognition: A Basis for Remote Sensing Data Analysis (LARAS Information Note 111572). West Lafayette, Indiana. The laboratory for Applications of Remote Sensing, Purdue University 134 p.

- Xueqiau, L., 1999. Researches on Monitoring by Remote sensing the Tropical Forests in Hainan IslandChina. Meteorological Bureau of Hainan Provincial, China, 5p.

- Yousef, A. H., 1999. Remote Sensing Applications for Sustainable management of Forests. ITC, Enschede, The Netherlands, 6p.