ارزیابی حساسیت شاخص‌های طیفی گیاهی با استفاده از تابع حساسیت در برآورد حجم سرپای توده‌های جنگلی

نوع مقاله: مقاله پژوهشی

چکیده

یکی از مشکلات مهم بوم‌شناسان شناسایی بهترین شاخص‌ها جهت استفاده در تجزیه و تحلیل‌های کمی جنگل و پوشش‌های گیاهی می‌باشد. هدف از این تحقیق ارزیابی حساسیت شاخص‌های طیفی گیاهی نسبت به مشخصه حجم سرپا، جهت انتخاب بهترین شاخص طیفی گیاهی برای تهیه مدل حجم سرپا و مقایسه آن با مدل حاصل شده از روش رگرسیون بهترین زیر‌مجموعه می‌باشد. همچنین حساسیت این شاخص‌ها نسبت به یکدیگر با استفاده از تابع حساسیت نسبی ارزیابی شد. در این مطالعه 99 قطعه نمونه 36/0 هکتاری به ابعاد 60×60 متر به روش خوشه‌ای پیاده و اطلاعات قطر، نوع گونه و ارتفاع درختان شاهد و موقعیت مراکز قطعات نمونه برداشت شد. شاخص‌های طیفی گیاهی مورد تحقیق نیز از داده‌های سنجنده ETM+ ایجاد گردیدند. به‌منظور بررسی همبستگی بین مشخصه‌های طیفی و حجم، میانگین ارزش‌های رقومی (DN) قطعات نمونه برداشت شده زمینی، از 5 شاخص استخراج و در فرآیند مدل‌سازی به‌کار گرفته شدند. همچنین، جهت ارزیابی حساسیت شاخص‌ها از تابع حساسیت استفاده شد. نتایج حاصل از تحلیل حساسیت نشان داد که مجموعه شاخص‌های ‌NDWI و Greenness در کل محدوده حجم سرپا، به‌ترتیب دارای حساسیت بیشتری در مقایسه با شاخص‌های DVI، RAI و GEMI نسبت به حجم سرپا در منطقه مورد مطالعه می‌باشند. در نتیجه این دو شاخص جهت تهیه برآورد مدل حجم سرپا با استفاده داده‌های ماهواره‌ای مورد استفاده قرار گرفتند. با استفاده از روش بهترین زیر مجموعه دو شاخص‌ DVI و NDWI به‌عنوان بهترین مجموعه شاخص‌ها در برآورد حجم سرپا معرفی شدند. نتایج حاصل از تحلیل رگرسیون نشان داد که که مجموعه شاخص‌های ‌NDWI و Greenness با ضریب تبیین اصلاح‌شده 4/55 درصد نسبت به دو شاخص DVI و NDWI با ضریب تبیین اصلاح شده 5/43 درصد بهتر توانسته‌اند حجم سرپا را برآورد نمایند. این نکته بیان‌گر این مطلب است که شاخص‌های طیفی گیاهی انتخاب شده با استفاده از تابع حساسیت نسبت به روش رگرسیونی بهترین زیرمجموعه، بهتر توانسته‌اند حجم سرپا را برآورد نمایند که افزایش 12 درصدی ضریب تبیین اصلاح‌شده بیانگر همین مطلب می‌باشد. به‌طورکلی تابع حساسیت به‌دلیل بیان تغییرات در کل دامنه مشخصه‌های کمی، وابسته نبودن به واحد و شدت شاخص‌های طیفی گیاهی و انجام آزمون معنی‌دار بودن از تابع‌های مناسب برای ارزیابی حساسیت شاخص‌ها و انتخاب بهترین شاخص‌ها در تجزیه و تحلیل‌های کمی جنگل و پوشش‌های گیاهی بسیار مفید می‌باشد. 

عنوان مقاله [English]

Sensitivity Evaluation of Spectral Vegetation Indices Using Sensitivity Functions for Stand Volume Estimation

چکیده [English]

Identification of the best vegetation indices (VIs) for use in quantitative analyzes of vegetation is one of the important issues for ecologists. The objective of this study was sensitivity evaluation of vegetation indices to a stand volume for identification of the best vegetation index (VI) in stand volume estimation using a statistical sensitivity method. Also, another objective of this study was to compare results of stand volume estimation using sensitivity function and the best subset regression. We also evaluated sensitivity of VI relative to another VI using relative sensitivity function. In this study, 99 plots 60m×60m each were used with systematic cluster sampling method. In each plot, data on tree species, diameter at breast height, stand height and geographic coordinates of each plot center were recorded. The vegetation indices were created using Landsat ETM+ data. In order to analyze the relationship between stand volume and vegetation indices, average digital number of pixels within 2×2 pixels window were extracted from vegetation indices. The result of the sensitivity function showed that NDWI and Greenness had high sensitivity compared to DVI, RAI and GEMI in stand volume estimation, respectively. Therefore, NDWI and Greenness were selected for estimating stand volume using satellite data. Also, the result of the best subset regression analyses showed that DVI and NDWI were best for estimation of the stand volume. The regression model with NDWI and Greenness could better predict stand volume (adjusted R2=55.4%) compared to DVI and NDWI (adjusted R2=43.5%). This is a 12% increase in adjusted R2. The results showed that relative sensitivity of NDWI to GEMI and Greenness is high. Generally, the sensitivity function expresses the change in sensitivity of a VI through the range of allometric characteristics, it is irrelevant of the unit or magnitude of vegetation indices and it tests the significance of the sensitivity with t-or-z statistic is useful for evaluation of sensitivity analysis of vegetation indices and identifying the best vegetation indices in quantitative and qualitative assessment of forested area.