دوره 9، شماره 18 - ( پاییز و زمستان 1400 )
جلد 9 شماره 18 صفحات 62-54 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Asadi F, Mirakhorlo K, Mostafa M. (2021). Estimation of poplar cultivation area in Mazandaran province using Santinel 2 satellite images. Ecol Iran For. 9(18), 54-62. doi:10.52547/ifej.9.18.54
URL: http://ifej.sanru.ac.ir/article-1-378-fa.html
URL: http://ifej.sanru.ac.ir/article-1-378-fa.html
اسدی فرهاد، میرآخورلو خسرو، مصطفی محسن. تعیین سطح صنوبرکاریهای بالغ استان مازندران با استفاده از تصاویر ماهواره‌ای سنتینل2 بوم شناسی جنگل های ایران (علمی- پژوهشی) 1400; 9 (18) :62-54 10.52547/ifej.9.18.54
1- مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی مازندران، سازمان تحقیقات، آموزش و ترویج کشاورزی، ساری، ایران
2- بخش تحقیقات جنگل، مؤسسه تحقیقات جنگلها و مراتع کشور، سازمان تحقیقات، آموزش و ترویج کشاورزی، تهران، ایران
2- بخش تحقیقات جنگل، مؤسسه تحقیقات جنگلها و مراتع کشور، سازمان تحقیقات، آموزش و ترویج کشاورزی، تهران، ایران
چکیده: (3521 مشاهده)
مقدمه و هدف: تخمین مقدار چوب تولیدی در عرصه‌های صنوبرکاری شده بدون تعیین مساحت صنوبرکاری‌ها امکان‌پذیر نیست. برآورد میزان چوب تولیدی برای مدیریت تولید واحدهای صنایع چوبی بسیار مهم است. صاحبان صنایع باید بدانند در سالهای آتی تا چه میزان چوب صنوبر قابل استحصال خواهد بود. از این رو شناسایی عرصه‌های صنوبرکاری در استان مازندران از اهداف اصلی تحقیق حاضر است.
مواد و روش‌ها: دراین تحقیق به منظور برآورد سطح صنوبرکاریهای بالغ استان مازندران از تصاویر سنتینل2 استفاده شد. لذا ابتدا یک بررسی کلی روی پراکنش و سطح صنوبرکاریهای با تاج پوشش کامل در استان مازندران انجام شد. سپس به صورت تصادفی در کل منطقه مورد مطالعه سطح 202 محل صنوبرکاری شده به عنوان نمونه‌های تعلیمی با استفاده از سیستم موقعیت یاب جهانی (GPS) برداشت شد. در گام بعدی، تصاویر مربوطه از لحاظ زمانی مشخص و بارگیری شدند. سپس تصحیحات رادیومتری، اتمسفری، و هندسی روی آنها انجام شد و همچنین آشکارسازی باندی، ترکیبات رنگی، موزاییک تصاویر و محاسبات باندی انجام گرفت. در این مطالعه از الگوریتم ماشین بردار پشتیبان SVM، به منظور استخراج سطوح صنوبرکاری در دروه رویش سال 1398 (نیمه دوم اسفند تا آذر) استفاده شد. ارزیابی صحت نتایج طبقه‌بندی نقشه‌های تولید شده، با استفاده از 183نقطه واقعیت زمینی از طریق سیستم موقعیت یاب جهانی (GPS) انجام شد.
یافته‌ها: نتایج به دست آمده نشان داد که در سال 1398، 705 هکتار از مساحت مازندران زیر کشت صنوبر می‌باشد که شهرستان‌های محمودآباد و نکا با مساحت 167 هکتار و 33 هکتار به ترتیب بیش‌ترین و کم‌ترین سطح صنوبرکاری را به خود اختصاص دادند. مقدار مساحت برآورده شده در این تحقیق بدون احتساب توده‌های صنوبرکاری جوان بوده است. همچنین نتایج حاصل از ارزیابی صحت نشان داد که صحت کلی 95/35 درصد می‌باشد. مساحت متوسط توده‌های صنوبرکاری 800 متر مربع بود. اما تعداد توده‌های کمتر از 500 متر مربع (7121 توده) بیش از 80 درصد توده‌ها را شامل می‌شد. تنها 0/2 درصد از کل توده‌ها (57 توده)، مساحت بیش از یک هکتار را داشتند. همین 57 توده حدود نیمی از سطح صنوبرکاریهای استان را به خود اختصاص دادند.
نتیجه‌گیری: با وجود شرایط مساعد اقلیمی استان مازندران سطح صنوبر کاری‌ها، کمتر از حد انتظار برآورد گردید. بنابراین پیشنهاد می‌شود در آینده برای تأمین نیازهای چوبی استان مازندران از طریق زراعت چوب، برنامه‌ریزی و اقدامات لازم صورت بگیرد.
مواد و روش‌ها: دراین تحقیق به منظور برآورد سطح صنوبرکاریهای بالغ استان مازندران از تصاویر سنتینل2 استفاده شد. لذا ابتدا یک بررسی کلی روی پراکنش و سطح صنوبرکاریهای با تاج پوشش کامل در استان مازندران انجام شد. سپس به صورت تصادفی در کل منطقه مورد مطالعه سطح 202 محل صنوبرکاری شده به عنوان نمونه‌های تعلیمی با استفاده از سیستم موقعیت یاب جهانی (GPS) برداشت شد. در گام بعدی، تصاویر مربوطه از لحاظ زمانی مشخص و بارگیری شدند. سپس تصحیحات رادیومتری، اتمسفری، و هندسی روی آنها انجام شد و همچنین آشکارسازی باندی، ترکیبات رنگی، موزاییک تصاویر و محاسبات باندی انجام گرفت. در این مطالعه از الگوریتم ماشین بردار پشتیبان SVM، به منظور استخراج سطوح صنوبرکاری در دروه رویش سال 1398 (نیمه دوم اسفند تا آذر) استفاده شد. ارزیابی صحت نتایج طبقه‌بندی نقشه‌های تولید شده، با استفاده از 183نقطه واقعیت زمینی از طریق سیستم موقعیت یاب جهانی (GPS) انجام شد.
یافته‌ها: نتایج به دست آمده نشان داد که در سال 1398، 705 هکتار از مساحت مازندران زیر کشت صنوبر می‌باشد که شهرستان‌های محمودآباد و نکا با مساحت 167 هکتار و 33 هکتار به ترتیب بیش‌ترین و کم‌ترین سطح صنوبرکاری را به خود اختصاص دادند. مقدار مساحت برآورده شده در این تحقیق بدون احتساب توده‌های صنوبرکاری جوان بوده است. همچنین نتایج حاصل از ارزیابی صحت نشان داد که صحت کلی 95/35 درصد می‌باشد. مساحت متوسط توده‌های صنوبرکاری 800 متر مربع بود. اما تعداد توده‌های کمتر از 500 متر مربع (7121 توده) بیش از 80 درصد توده‌ها را شامل می‌شد. تنها 0/2 درصد از کل توده‌ها (57 توده)، مساحت بیش از یک هکتار را داشتند. همین 57 توده حدود نیمی از سطح صنوبرکاریهای استان را به خود اختصاص دادند.
نتیجه‌گیری: با وجود شرایط مساعد اقلیمی استان مازندران سطح صنوبر کاری‌ها، کمتر از حد انتظار برآورد گردید. بنابراین پیشنهاد می‌شود در آینده برای تأمین نیازهای چوبی استان مازندران از طریق زراعت چوب، برنامه‌ریزی و اقدامات لازم صورت بگیرد.
فهرست منابع
1. Anonymous, 2007. Strategic plan for wood cultivation. Research Institute of Forests and Rangelands press, 89 pp (In Persian).
2. Anonymous. 2016. Mazandaran province planning program. Plan and budget organization, 95 pp.
3. Anonymous. 2016. Poplars and Other Fast-Growing Trees - Renewable Resources for Future Green Economies. Synthesis of Country Progress Reports. 25th Session of the International Poplar Commission, Berlin, Federal Republic of Germany, 13-16 September 2016. Working Paper IPC/15. Forestry Policy and Resources Division, FAO, Rome. http://www.fao.org/forestry/ipc2016/en/.
4. Asadi, F. 2019. Fundamentals of Poplar Wood Farming. Research Institute of Forests and Rangelands press, 245 pp (In Persian).
5. Asadi, F., F. Noori and B. Yousefi. 2015. Growth variations in poplar (Populus nigra L.) plantations in riverbanks of Kermanshah Province. Iranian Journal of Forest and Poplar Research, 23(2): 209-221 (In Persian).
6. Asadi, F., K. Espahbodi and S.E. Sadati. 2019. Evaluation of technical defects of poplar farmings in Mazandaran province. Iranian Journal of Forest, 11(3): 401-414 (In Persian).
7. Congalton, R., K. Gand and K. Green. 2009. Assessing the accuracy of remotely sensed data: principles and practices. 2nd Ed, CRC Press Taylor & Francis Group, Boca Raton Florida. 179 p. [DOI:10.1201/9781420055139]
8. Darvishsefat, A., F. Ghaffari and A. Bonyad. 2014. Evaluation of Satellite Imaging Capabilities in Population Separation (Case Study: Somaye Sara City, Gilan Province, Iran). Iranian Journal of Forest and Poplar Research, 22(3): 401-392 (In Persian).
9. Darvishsefat, A.A., R. Arjhangi Choobar, A.E. Bonyad and G. Ronoud. 2016. Mapping the poplar plantations using Landsat-8 data (Case Study: Talesh and Sumehsara region, Guilan province). Iranian Journal of Forest, 8(3): 301-312 (In Persian).
10. Dashti Marvili, M., B. Kamkar and H. Kazemi. 2019. Detection of rice and soybean grown fields and their related cultivation area using Sentinel-2 satellite images in summer cropping patterns to analyze temporal changes in their cultivation area (Case study: four watershed basins of Golestan Province). Journal of Water and Soil Conservation, 26(1): 151-167 (In Persian).
11. Delfan, E., H. Naghavi, R. Maleknia and A. Nouredini. 2019. Comparing the capability of sentinel 2 and landsat 8 satellite imagery in land use and land cover mapping using pixel-based and object-based classification methods, Desert Ecosystem Engineering Journal, 7(25): 1-12 (In Persian).
12. Eslami, A. and Sh. Sobheh Zahedi. 2011. Providing poplar plantation map by Indian remote sensing (IRS) satellite imagery in Northern Iran, African Journal of Agricultural Research, 6(20): 4769-4774.
13. Farzadmehr, J., H. Arzani, A.A. Darvishsefat and M. Jafari. 2004. Investigation in Estimating vegetation cover and phytomass production, using enhanced Landsat data in a semi-arid region. Iranian Journal of Natural Resources, 57(2): 339-3651 (In Persian).
14. Grignetti, A., D. Domenico and G. Niccolini. 2009. Classification of poplar stands areas by high-resolution satellite images. Forest - Rivista di Selvicoltura ed Ecologia Forestale, 6(1): 1-15. [DOI:10.3832/efor0590-006]
15. Kampouri, M., P. Kolokoussis, D. Argialas and V. Karathanassi. 2018. Mapping of forest tree distribution and estimation of forest biodiversity using Sentinel-2 imagery in the University Research Forest Taxiarchis in Chalkidiki, Greece. Geocarto International, 33: 1-13. [DOI:10.1080/10106049.2018.1489424]
16. Magdalena, M.K., P. Bringfried, L. Jerome, D. Vincent, M.W. Uwe and G. Ferran. 2017. Sen2Cor for Sentinel-2. Conference Paper October 2017, DOI: 10.1117/12.2278218. [DOI:10.1117/12.2278218]
17. Mohammadpour, P., P. Kardavani and M.A. Ebadattalab. 2011. Investigating the process of wood development farming in the eastern region of Giulan. Quarterly Geographical Journal of Territory, 8(32): 25-32 (In Persian).
18. Naseri, M.H., Sh, Shataee Jouibari, J. Mohammadi and S. Ahmadi. 2020. Capability of rapid eye satellite imagery to map the distribution of canopy trees in Dashtebarm forest area of Fars Province. Ecology of Iranian Forests, 7(14): 58-69 (In Persian). [DOI:10.29252/ifej.7.14.58]
19. Rahimzadegan, M. and M. Pourgholam. 2014. Identification of the area under cultivation of Saffron using Landsat-8 temporal satellite images (Case study: Torbat Heydarieh). Journal of RS and GIS for (In Persian).
20. Rocchini, D., S. Luque, N. Pettorelli, L. Bastin, D. Doktor, N. Faedi, and S. Godinho. 2018. Measuring β‐diversity by remote sensing: A challenge for biodiversity monitoring. Methods in Ecology and Evolution, 9(8): 1787-1798. [DOI:10.1111/2041-210X.12941]
21. Pourahmad, P., J. Oladi and A. Fallah. 2018. Detection of tree species in mixed broad-leaved stands of caspian forests using UAV images (Case study: Darabkola Forest). Ecology of Iranian Forests, 6(11): 61-75 (In Persian). [DOI:10.29252/ifej.6.11.61]
22. Saed Mocheshei, A., M. Pir Bavaghar, N. Shabanian and P. Fatehi. 2019. Possibility of estimating the woody species diversity using Sentinel optical imagery (Case study: Marivan forests). Forest and Wood Products, 72(2): 101-110 (In Persian).
23. Safari, H., Y. Khodakarami, M. Khanhasani, F. Bolandbakht and H. Rahimi. 2019. Investigation and distribution of the country's poplar plantation area using Sentinel-2 satellite data (first phase) - Kermanshah province. Research Institute of Forests and Rangelands, 28 pp (In Persian).
24. Sahu, M. 2015. Integrating artificial neural network with machine learning in forecasting problem domain, International. Journal of Recent Research Aspects. 2(2): 8-11.
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
