تعداد نشریات | 161 |
تعداد شمارهها | 6,572 |
تعداد مقالات | 71,022 |
تعداد مشاهده مقاله | 125,498,128 |
تعداد دریافت فایل اصل مقاله | 98,759,989 |
بررسی قابلیت دادههای سنجنده +ETM ماهواره لندست 7 در برآورد موجودی سرپای تودههای راش (مطالعه موردی: جنگلهای سنگده) | ||
مجله منابع طبیعی ایران (منتشر نمی شود) | ||
مقاله 15، دوره 61، شماره 1 - شماره پیاپی 1000375، فروردین 1388 اصل مقاله (1.54 M) | ||
نویسندگان | ||
رمضانعلی خرمی؛ علیاصغر درویشصفت؛ منوچهر نمیرانیان* | ||
چکیده | ||
به منظور بررسی قابلیت دادههای سنجنده +ETM ماهواره لندست 7 در برآورد موجودی سرپای تودههای راش، دادههای رقومیاین سنجنده مربوط به خرداد 1380 مورد استفاده قرار گرفتند. این پژوهش در استان مازندران و در جنگلهای سنگده تحت پوشش شرکت چوب فریم و در وسعتی بیش از 2000 هکتار انجام شد. تطابق هندسی تصاویر به روش Orthorectification و ارزیابی آنها با استفاده از لایه بُرداری جادهها انجام گرفت. جهت بررسی رابطه بین مشخصة موجودی سرپا و دادههای رقومیدر باندهای طیفی، تعداد 95 قطعة نمونة زمینی به صورت انتخابی و به ابعاد 60×60 متر برداشت شدند. برداشت نمونهها از تودههای راش خالص واقع در دامنههایی با جهت شمالی صورت گرفت. در محل قطعههای نمونه قطر برابر سینة درختان قطورتر از 5/12 سانتی متر اندازهگیری و حجم سرپای درختان بر پایه جدولهای تاریف برآورد شد. همچنین مختصات مراکز قطعههای نمونه با GPS تعیین و بر پایه آنها نقشه رقومیقطعههای نمونه تهیه شد. با استفاده از این نقشه دادههای رقومیمتناظر با قطعههای نمونه از باندهای طیفی استخراج شد. انطباق لایة بُرداری جادهها با مسیرهای متناظر بر روی تصاویر تطابق یافته و خطای 58/0 پیکسل بیانگر تصحیح هندسی مطلوب تصاویر در این پژوهش بود. بررسیهای آماری برای تعیین رابطه بین مشخصه یاد شده با ارزشهای رقومی باندهای طیفی صورت گرفت. بر پایه شاخص همبستگی پیرسن، دادههای باند4 (مادون قرمز نزدیک) و باند 4 ادغام یافته با باند Pan، بیشترین میزان همبستگی را با موجودی سرپا به ترتیب 70/0- r=و 72/0- r=، (P<0.01) نشان دادهاند. در تحلیل رگرسیونی بیشترین میزان ضرایب همبستگی در مدلهای خطی ساده و سهمی با لگاریتم موجودی سرپا برای باند4 به ترتیب برابر با 74/0- =B و 77/0-=r و برای باند 4 ادغام یافته به ترتیب 76/0- و 80/0- کسب شدند. | ||
کلیدواژهها | ||
تودههای راش؛ تحلیل همبستگی و رگرسیونی؛ اعتبار سنجی | ||
عنوان مقاله [English] | ||
Investication on the Capability of Landsat7 ETM+ data for Standing Volume Estimation of Beech Stands | ||
چکیده [English] | ||
In order to investigate the capability of Landsat7 ETM+ data to estimate standing volume of pure beech stands, the data of this sensor dated June 2001 were used. This study was carried out in Farim forests in an area measuring over 2,000 ha. Orthorectification of image was performed using ephemeris data, GCPs and a precise DEM, and its result was verified using roads vector layer. In order to study the relationship between standing volume and multispectral satellite data, ninety five 60m×60m sample plots were selectively established in the forest. Sampling was performed in pure beech stands located on the north-facing slopes. In each plot, DBHs greater than 12.5 cm were measured and the standing volume of trees were determined based on a local tarif table. The position of each plot was also recorded by GPS and a digital map of the sample plots was prepared using these positions. Digital numbers related to each plot were extracted from spectral bands. The resulting RMS error of orthorectification was 0.85 pixel. Desired coincidence between the roads layer of digital topographic maps and the rectified image indicated high precision of the orthorectification. Based on Pearson’s correlation coefficient, data in NIR band and NIR fused with Pan showed the highest correlation, with the standing volume with correlation coefficients of -0.70 and -0.72, respectively. In regression analysis, for infrared band, the highest correlation coefficient with standing volume in simple linear and binominal models were obtained -0.74 and -0.76, respectively, and for fused band 4, these coefficients were -0.77 and -0.80, respectively. | ||
کلیدواژهها [English] | ||
ETM+ , موجودی سرپا, Landsat7 ETM+, standing volume, Beech stands, Verification Correlation and Regression analysis | ||
آمار تعداد مشاهده مقاله: 1,494 تعداد دریافت فایل اصل مقاله: 1,422 |