طبقه‌بندی طبقات سنی توده‌های جنگلی با استفاده از داده‌های ماهواره‌ لندست، سنجنده ETM+

نوع مقاله: مقاله پژوهشی

چکیده

تفکیک طبقات سنی در سطوح بزرگ با استفاده از داده‌های ماهواره‌ای در مدیریت پایدار توده‌های جنگلی اهمیت فراوانی دارد. در این پژوهش به‌منظور قابلیت داده‌های سنجنده ETM+ ماهواره لندست 7 در تفکیک طبقات سنی، داده‌های رقومی این سنجنده مربوط به 16 تیر ماه 1381 از جنگل بلوط لوه در استان گلستان مورد تجزیه و تحلیل قرار گرفتند. جمع‌آوری داده‌های زمینی مورد نیاز جهت تفکیک طبقات سنی توده‌های جنگلی مدیریت شده به روش تدریجی پناهی منطقه از طریق نمونه‌برداری به روش خوشه‌ای صورت گرفته و تعداد 99 قطعه نمونه شامل 32 قطعه نمونه در دانگ اول (45-25 ساله)، 33 قطعه نمونه در دانگ دوم (5-25 ساله) و 34 قطعه نمونه در توده بهره‌برداری نشده (بیشتر از 45 ساله) پیاده شد. تصاویر ماهواره‌ای پس از اعمال تصحیحات هندسی و کاهش اثر اتمسفری مورد پردازش­های نسبت‌گیری باندها و ایجاد شاخص‌های متداول گیاهی و تجزیه مؤلفه‌های اصلی قرار گرفتند. در این پژوهش، تفکیک‌پذیری سه طبقه سنی به روش نظارت شده و با الگوریتم‌های طبقه‌بندی حداکثر احتمال، حداقل فاصله، متوازی‌السطوح و فیشر مورد بررسی قرار گرفتند. نتایج نشان داد که الگوریتم حداکثر‌ احتمال با سه طبقه سنی به‌ترتیب با دقت کلی 79 درصد و ضریب کاپا 68/0 بهتر از دیگر الگوریتم‌ها توانست طبقات سنی را تفکیک نماید. نتایج به‌دست آمده از ارزیابی صحت و تفکیک‌پذیری طبقات نشان‌دهنده تداخل طیفی بین طبقات سنی 25-5 و بیشتر از 45 ساله بود. با ادغام این دو طبقه سنی صحت کلی و ضریب کاپا به‌ترتیب معادل 94 درصد و 86/0 به‌دست آمد. و این اطلاعات در برآورد بالومیس و کربن و همچنین شناسایی مکان‌هایی که نیاز به تیمارهای جنگل‌شناسی و دیگر فعالیت‌های مدیریتی جنگل دارند مفید می‌باشد.

عنوان مقاله [English]

Forest Stand Age Classification Using Landsat ETM+ Data

چکیده [English]

Classifying age classes in a large area using remotely sensed data has considerable significance for forest sustainable management. In this research, Landsat ETM+ data from Loveh forest, dating July 2002, were analyzed to investigate the potential of this sensor for age class mapping. We applied a systematic cluster sampling method to collect field data. We used 99 plots so that contained 32 plot. In stands with 25-45 years, 33 plots in stand with 5-25 years and 34 plots in stands with >45 years. The quality of the image was first evaluated for radiometric noises. Separability of three age classes 5-25, 25-45 and >45 years, using a supervised classification and four algorithm of maximum likelihood, minimum distance, parallel piped and linear discriminate analysis (Fisher). The results showed that maximum likelihood in three and two age classes with overall accuracy and kappa coefficient were (79% and 94%) and (0.68 and 0.86), respectively. Signature separability, producer and user accuracies showed the highest spectral similarity between 5-25 and >45 age classes. By merging the two classes, the overall accuracy and kappa coefficient became equal to 94% and 0.86, respectively. These results demonstrate that the reflectance values recorded by ETM+ sensor are related to forest stands. This information could also be used to estimate forest biomass and carbon content, identify locations within the stands that might require treatment and plan other management activities.