دوره 7، شماره 14 - ( پاییز و زمستان 1398 )                   جلد 7 شماره 14 صفحات 58-69 | برگشت به فهرست نسخه ها

XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Naseri M H, Shataee Jouibari S, Mohammadi J, Ahmadi S. Capability of Rapid Eye Satellite Imagery to Map the Distribution of Canopy Trees in Dashtebarm Forest Area of Fars Province. ifej. 2019; 7 (14) :58-69
URL: http://ifej.sanru.ac.ir/article-1-267-fa.html
ناصری محمدحسن، شتایی جویباری شعبان، محمدی جهانگیر، احمدی شهرام. قابلیت تصویر ماهواره ای Rapid Eye در تهیه نقشه پراکنش تاج پوشش درختان منطقه جنگلی دشت برم استان فارس. بوم شناسی جنگل های ایران (علمی- پژوهشی). 1398; 7 (14) :58-69

URL: http://ifej.sanru.ac.ir/article-1-267-fa.html


دانشگاه علوم کشاورزی و منابع طبیعی گرگان
چکیده:   (250 مشاهده)
  در این تحقیق قابلیت تصاویر ماهواره‌ای  Rapid Eyeدر تهیه نقشه پراکنش تاج­پوشش درختان بلوط در جنگل‌های زاگرس، در منطقه جنگلی دشت­ برم شهرستان کازرون استان فارس مورد بررسی قرار گرفت. در این مطالعه کیفیت داده­ ها به لحاظ هندسی و رادیومتری مورد بررسی قرار گرفت و تصحیح هندسی تصاویر با استفاده از روش چند­جمله­ای و با استفاده از نقاط کنترل زمینی با دقت مناسب انجام شد. به منظور بررسی بکارگیری باندهای مصنوعی حاصل از پردازش ­های مناسب در فرآیند طبقه ­بندی، تصاویر شاخص­های طیفی مناسب  گیاهی از طریق نسبت‌گیری باندها و تصاویر مولفه ­های اصلی با استفاده از تجزیه مؤلفه‌های اصلی ایجاد شدند. نقشه واقعیت زمینی تاج­پوشش درختان با اندازه ­گیری محدوده تاج درختان در قطعات نمونه‌ی مربعی شکل با مساحت 400 متر­مربع به‌صورت تصادفی در منطقه تهیه شد. 70 درصد از قطعات نمونه به‌عنوان نمونه تعلیمی و 30 درصد بقیه به‌عنوان نمونه آزمون به‌صورت تصادفی انتخاب شدند. طبقه­ بندی به دو صورت نقطه و پلیگون با دو الگوریتم بیشینه احتمال و ماشین­بردار پشتیبان، بر روی تصویراصلی، باند­های پردازش‌شده و ترکیب تصویر اصلی با باندهای پردازش‌شده صورت گرفت. نتایج ارزیابی صحت نقشه­ ها در این مطالعه نشان داد که بالاترین صحت کلی و ضریب کاپا به ­ترتیب با مقدار 52/98 درصد و 97/0؛ در حالت نقطه‌ای با باند­های پردازش‌شده و الگوریتم ­های بیشینه احتمال و همچنین با ترکیب تصویراصلی با باندهای پردازش‌شده و الگوریتم ماشین­ بردار پشتیبان ( SVM )، بوده است. همچنین در طبقه ­بندی به‌صورت پلیگون، بالاترین صحت کلی و ضریب کاپا مربوط به نقشه­ های طبقه­ بندی شده بااستفاده از باند­های پردازش‌شده، با مقدار 50/87 درصد و 75/0 با الگوریتم بیشینه احتمال و 78/90 درصد و ضریب‌ کاپای 81/0 با الگوریتم ماشین­بردار پشتیبان بوده است. به­ طور کلی نتایج این مطالعه نشان داد که تصاویر Rapid Eyeبرای تهیه نقشه پراکنش تاج­ پوشش درختان جنگلی در جنگل­های زاگرس دارای قابلیت مناسب می­ باشد.
متن کامل [PDF 2509 kb]   (120 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: سنجش از دور
دریافت: ۱۳۹۷/۶/۶ | پذیرش: ۱۳۹۷/۹/۲۱ | انتشار: ۱۳۹۸/۹/۲۴

فهرست منابع
1. Adam, E., O. Mutanga, J. Odindi and E.M. Abdelrahman. 2014. Land-use/cover classification in a heterogeneous coastal landscape using Rapid Eye imagery: evaluating the performance of random forest and support vector machines classifiers. International Journal of Remote Sensing, 35:10, 3440-3458. [DOI:10.1080/01431161.2014.903435]
2. 2.Adelabu, S., O. Mutanga, E. Adam and M.A. Cho. 2013. Exploiting machine learning algorithms for tree species classification in a semiarid woodland using Rapid Eye image. Journal of Applied Remote Sensing, 7, 073480. [DOI:10.1117/1.JRS.7.073480]
3. Abdollahi, H. and Sh. Shataeejouibari. 2011. Comparative evaluation of data capability of LISS-III and LISS-IV satellite IRS-P6 in preparation of Zagros forests mapping (Case study: Jungroud forest), Forest and wood science and technology research, 19(1): 323-336 (In Persian).
4. Afshar, S. and Sh. Shataee‌‌Jouibari. 2012. Estimation of zagros forest conservation characteristics using combination of satellite images and aid data (Case study of forests around Ilam city). MSc thesis. Forestry stady. Gorgan University of agricultural sciences and natural resources. School of forestry and wood technology, 86 pp (In Persian).
5. Anonymous. 2009. Weather station of Kazeroon, Fars province meteorological office (In Persian).
6. Aliishaheraatbani, F., H. Arzani, S.Z. Hosseini, S. Babaeekafaki and Kh. Miirakhorloo. 2011. Preparation of rangeland vegetation map using IRS-LissIII satellite images (Case study: Sorkhabad basin-Mazandaran), Iran range and desert research, 20(3): 454-462 (In Persian).
7. Baguskas, S., A.S.H. Peterson, B. Bookhagen and C.J. Still. 2014. Evaluating spatial patterns of drought-induced tree mortality in a coastal California pine forest. Forest Ecology and Management, 315: 43-53. [DOI:10.1016/j.foreco.2013.12.020]
8. Barzafkan, A., A.M. Pirbavaghar and P. Fathi. 2014. Investigation of LissIII Data capability for mapping Map of Zagros forests (Case study: Marivan forests), Forest journal of Iran, Iranian forestry association, 6(4): 378-401 (In Persian).
9. Cano, F., R.M. Navaro Cerriilo, A. Garcia Ferrer and S. Sanchéz dela Orden. 2006. Detection of forest decline using IKONOS sensor for cork oak (Quercus suber L.) Woods in South Spain. Geocarto International, 21(3): 13-18. [DOI:10.1080/10106040608542388]
10. Darvishseffat, A. 1998. Letter from remote sensing, Faculty of natural resources, University of Tehran, 162 pp (In Persian).
11. Dixon, P., K.S. Brown, R.A. Houghton, A.M. Solomon, M.C. Trexler and J. Wisniewski. 1994. Carbon Pools and flux global forest ecosystem. Sience, 263: 185-190. [DOI:10.1126/science.263.5144.185]
12. Eitel, J.U., H.L.A.M.E. Vierling. D.S. Litvak, U. Long, A.A. Schulthess, D.J. Ager Krofcheck and L. Stoscheck. 2011. Broadband,red-edge information from satellites improves early stress detection in New Mexico coniferwoodland, Remote Sensing of Environment,115: 3640-3646. [DOI:10.1016/j.rse.2011.09.002]
13. Erfanifard, S.Y. 2014. Application of the ROC curve in evaluation of base pixel classification methods on aerial images of D-UltraCam for the separation of the crowns of trees in Iranian oak pure masses in Zagros forests, Forest and poplar research of Iran, 22(4): 649-663 (In Persian).
14. Hamzehpoor, M., H. Kiadeliri and S.K. Bordbar. 2012. Drying of Iranian oak trees (Q. brantii Lindl) irreparable lesion in Fars forests, Association of foresters of Iran, The first national conference of forests of Zagros (Challenges threats and opportunities), Shiraz (In Persian).
15. Hamzehpoor, M., H. Kiadeliri and S.K. Bordbar. 2010. Preliminary investigation on the mortality of Iranian oak trees (Q. Brantii lindai) in BamKazeroon plain of Fars province, Journal of forest and poplar research, 19(2): 352-363 (In Persian).
16. Hosseini, F.S., A.A. Darvishseffat and N.A. Zargham. 2012. Investigation of IRS-P6-LISS-IV image capability for storing pistachio wildlife forests (Case study: KhajehKalatForest in Khorasan), Forest journal of Iran, Iranian forestry association, 4: 311-320 (In Persian).
17. Kelly, M. and R.K. Meentemeye. 2002. Landscape Dynamics of the Spread of Sudden Oak Death. Photogrammetric Engineering & Remote Sensing, 68(10): 1001-1009.
18. Naseri, F. 2003. Classification of forest types and estimation of its quantitative characteristics using satellite data in arid and semi-arid forests. PhD Thesis. University of Tehran, 155 pp (In Persian).
19. Noorian, N.A. and Sh. Shataeejouibari. 2014. Investigating the capability of satellite data with different spatial resolution with emphasis on spectral indices in the separation of pure forest stands, Journal of science and technology of wood and forest, 21(3): 140-152 (In Persian).
20. Parma, R. and Sh. Shataeejouibari. 2010. Investigating the possibility of mapping varieties and densities of canopy cover of Zagros forests using ETM + (Case study: Qhalajeh forests of Kermanshah province), Forest journal of Iran, 2(3): 231-242 (In Persian).
21. Peerbavaghar, M. 2011. Evaluation of the possibility of estimating some quantitative characteristics of Zagros forests using satellite imagery P6-IRS (Case study: Baneh forests), Journal of forest Iran, Iranian forestry association, 3(4): 277-289 (In Persian).
22. Rahdari, V.A., S. Safyanian, J. Khajehdiin and S.A. Najafabadi. 2010. Investigating satellite data capability in mapping the canopy cover percentage of arid and semiarid regions (Case study: Muteh wildlife refuge), Environmental science and technology, 15(4) (In Persian).
23. Rahimi, H., A.M. Peerbavaghar, M. Ahmadi and M.R. Amini. 2014. TM imagery capability in detecting burned forests (Case study: QouriQaleh region in Kermanshah province), Forest and Poplar Research of Iran, 22(3): 485-495 (In Persian).
24. Richardson, A.J. and C.L. Wieg. 1977. Distinguishing vegetation from soil background information. Photogrammetric engineering & Remote Sensing, 43: 1541-1552.
25. Roodgarmi, P.N., A. Khorasani, S.M. Monavvari and J. Noori. 2007. Environmental impact exposure development using satellite images and measurement techniques, Environmental science and technology, 11(1): 325-338 (In Persian).
26. Rouse, J., w.R.H. Haas, J.A. Schell and D.W. Deering. 1973. Monitoring vegetation system in the great plains with ERTS. In third earth resources technology satellite-1 symposium, 309-317.
27. Salmanmahini, A., A.A. Nadali, J. Feghhi and B. Riazi. 2007. Classification of forest areas of Golestan province by maximum likelihood using satellite image ETM + 2001, Environmental science and technology, 14(3): 241-254 (In Persian).
28. Tucker, C.J. 1979. Red and photographic infrared linear combinations for monitoring vegetation. Remote Sensing of environment, 8: 127-150. [DOI:10.1016/0034-4257(79)90013-0]
29. Wulder, M., A.C.C. Dymond, J.C. White, D.G. Leckie and A.L. Carroll. 2006. Surveying mountain pine beetle damage of forests: A review of remote sensing opportunities. Forest Ecology and Management, 221: 27-41. [DOI:10.1016/j.foreco.2005.09.021]
30. Zakerianaraki, S. and S.R. Fallahshamsi. 2013. Investigation of the possibility of preparing map of Quercus Brantii lindil single oak trees in Iran using satellite images of Rapid Eye and Aster- L1B, Forest journal of Iran, Iranian forestry association, 5(4): 443-456 (In Persian).

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA

ارسال پیام به نویسنده مسئول


کلیه حقوق این وب سایت متعلق به بوم‏شناسی جنگل‏های ایران می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2020 All Rights Reserved | Ecology of Iranian Forest

Designed & Developed by : Yektaweb