مدل سازی ذخیره کربن روی زمینی با استفاده از تصاویر ماهواره های Sentinel 1,2 و روابط پارامتریک و ناپارامتریک (مطالعه موردی: جنگل های سری سه سنگده)

محورهای موضوعی : کشاورزی، مرتع داری، آبخیزداری و جنگلداری

سید مهدی رضایی سنگدهی ¹ , اصغر فلاح ² , هومن لطیفی ³ , نسترن نظریانی ⁴

1 - دانش آموخته دکتری جنگلداری، دانشکده منابع طبیعی، دانشگاه علوم کشاورزی و منابع طبیعی ساری، ساری، ایران.
2 - استاد، دانشکده منابع طبیعی، دانشگاه علوم کشاورزی و منابع طبیعی ساری، ایران
3 - استادیار، دانشکده مهندسی نقشه برداری، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران، ایران.
4 - پژوهشگر مقطع پسادکتری، گروه جنگلداری، دانشکده منابع طبیعی، دانشگاه علوم کشاورزی و منابع طبیعی ساری

تاریخ دریافت : 1400/11/01 تاریخ پذیرش : 1401/01/31 تاریخ انتشار : 1402/03/01

کلید واژه: شاخص‌های پوشش گیاهی, سنجش از دور, زی‌توده, اریبی, ماشین‌بردار پشتیبان,

چکیده مقاله :

در پژوهش پیش‌رو هدف؛ یافتن مدل‌های آماری و تجربی مناسب جهت برآورد ذخیره کربن روی زمینی به کمک تلفیق داده‌های طیفی و راداری سنجنده ماهواره‌های Sentinel 1, 2 در قسمتی از جنگل‌های سری سه سنگده است. در این راستا تعداد 150 قطعه نمونه دایره‌ای به روش تصادفی -منظم به مساحت 10 آری انتخاب شد. در هر قطعه نمونه مشخصه‌های نوع گونه، ارتفاع کل درختان و قطر برابرسینه درختان با بیش از 5/7 سانتی‌متر ثبت شد. سپس چگالی تمام گونه‌های موجود در قطعات نمونه در آزمایشگاه تعیین شد. بعد از آن میزان زی‌توده در سطح قطعات نمونه بر اساس مدل جهانی فائو و مقدار ذخیره کربن روی زمینی نیز با اعمال ضریب محاسبه گردید. بر روی تصاویر راداری و طیفی عملیات مختلف پیش‌پردازش و پردازش‌های لازم اعمال شد. سپس ارزش‌های رقومی متناظر با قطعات نمونه زمینی از باندهای طیفی استخراج و به‌عنوان متغیرهای مستقل در نظر گرفته شد. مدل‌سازی با روش‌های ناپارامتری جنگل تصادفی، ماشین‌بردار پشتیبان، نزدیکترین همسایه و روش پارامتری رگرسیون خطی چندگانه انجام گرفت. نتایج نشان داد به طور متوسط میانگین زی‌توده روی زمینی 07/469 تن در هکتار و ذخیره کربن 53/234 تن در هکتار به دست آمد. همچنین بیشترین همبستگی بین باندهای اصلی و مصنوعی با دو مشخصه مورد بررسی مربوط به باند مادون قرمز نزدیک حاصل شد. نتایج اعتبارسنجی مدل‌سازی تلفیق داده‌های نوری و راداری ماهواره‌های Sentinel 1, 2 با زی‌توده و ذخیره کربن روی‌زمینی نشان داد؛ روش جنگل تصادفی نسبت به دیگر پارامترهای مورد بررسی با درصد مجذور میانگین مربعات خطا و درصد اریبی به‌ترتیب برای مشخصه‌های زی‌توده و ذخیره کربن (79/32 و 24/2-) و (79/30 و 01/0-) در مدل‌سازی عملکرد بهتری داشته‌ است. به‌طور کلی نتایج حاصل از اعتبارسنجی به‌دست آمده نشان داد استفاده از روش‌های جنگل تصادفی و تصاویر ماهواره‌های Sentinel 1, 2 عملکرد مناسبی در برآورد مشخصه‌های زی‌توده و ذخیره کربن را نداشت.

چکیده انگلیسی:

In this study, the goal is; Find suitable statistical and experimental models for estimating ground carbon storage by combining spectral and radar data from Sentinel 1, 2. There are 150 random circular samples with an area of 10 acres and a total of 150 samples. With global coverage, all height classes were selected. Species of species type, the total height of trees, and diameter equal to the chest of trees with more than 7.5 cm were recorded in each sample plot. After that, the amount of biomass at the surface of the sample parts was calculated based on the FAO global model and the amount of carbon storage on the ground by applying a coefficient. Radar and spectral images were subjected to various preprocessing operations and necessary processing. Then, the numerical values corresponding to the ground sample plots were extracted from the spectral bands and considered as independent variables. Modeling was performed by non-parametric methods of RF, SVM, kNN, and parametric methods of multiple linear regressions. The results showed that the average ground biomass was 469.07 tons per hectare and carbon storage was 234.53 tons per hectare. Also, the highest correlation was obtained between the main and artificial bands with the two characteristics related to the near-infrared band. The results of modeling validation showed the combination of optical and radar data of Sentinel 1, 2 satellites with biomass and surface carbon storage; Random forest method with the RMSE%, and percentage of bias. The studied characteristics (32.79, -2.24) and (30.79 and 0.01), respectively, have had a better performance in modeling. In general, the results obtained from the validation showed that in estimating the two characteristics the RF method showed better results if the Sentinel 1, 2 data were combined, and in contrast to the SVM.