برآورد کارآمد زیست توده از زراعی باقیمانده

خلاصه

روش‌های نمونه‌گیری مقرون‌به‌صرفه برای تخمین متغیرهای مورد علاقه که زمان‌بر هستند، یک نگرانی عمده هستند. نمونه‌گیری مجموعه‌ای رتبه‌بندی شده (RSS) یک روش نمونه‌گیری است که فرض می‌کند مجموعه‌ای از واحدهای نمونه برگرفته از جامعه را می‌توان با روش‌های دیگر بدون اندازه‌گیری واقعی متغیر مورد نظر رتبه‌بندی کرد. ما از داده‌های دینامیک پوشش گیاهی از سنجش از دور ماهواره‌ای به‌عنوان وسیله‌ای برای رتبه‌بندی سریع واحدهای نمونه‌برداری در پوشش‌های مختلف زمین و تخمین سهم زیست توده کشاورزی باقی‌مانده آن‌ها برای یک مرکز تولید همزمان کوچک واقع در مرکز یک منطقه مورد مطالعه در مرکز ایتالیا استفاده کردیم. یک نقشه سنجش از دور که به عنوان یک متغیر کمکی در RSS استفاده می‌شود، ما را قادر می‌سازد تا تفسیر عکس زیست توده باقیمانده موجود در واحدهای نمونه‌برداری را از 745 به 139 کاهش دهیم. دقت نسبی برآورد را نسبت به نمونه گیری تصادفی ساده معمولی افزایش دهید و از ارائه سوگیری ذهنی فردی اجتناب کنید. تفسیر عکس از واحدهای نمونه منجر به 1.12 میلی گرم در هکتار شد^-1 سال ^-1 میانگین تراکم سالانه عرضه زیست توده باقیمانده، اگرچه به طور ناموزون بین طبقات پوشش زمین توزیع شده است. این منجر به برآورد عرضه سالانه 132 Gg در کل منطقه مطالعه 2276 ^{کیلومتر مربعی شد.}کاربردهای بیشتر این مطالعه ممکن است شامل کمی سازی فضایی خدمات اکوسیستم مربوط به عرضه زیست توده باشد.

کلید واژه ها:

نمونه گیری مجموعه رتبه بندی شده ; GIS _ سنجش از دور ؛ NDVI ; زیست توده باقی مانده ; تفسیر عکس ; پوشش زمین کورین

1. معرفی

نقشه برداری عملکرد پوشش گیاهی یک وظیفه فنی مهم برای مدیریت منابع طبیعی و همچنین خدمات اکوسیستمی مرتبط است. طبقه‌بندی و نقشه‌برداری از خدمات اکوسیستم و متغیرهای محیطی در مقیاس محلی تا جهانی اطلاعات ارزشمندی را برای درک محیط‌های طبیعی و انسانی در یک نقطه زمانی معین یا در یک دوره پیوسته فراهم می‌کند [ 1 ]. به طور سنتی، اطلاعات کشاورزی و جنگل از طریق نمونه برداری های میدانی یا با تفسیر عکس تصاویر با وضوح بسیار بالا نمونه برداری می شود [ 2 , 3 ] نمونه‌برداری می‌شود.]. با این حال، در غیاب لایه‌های داده کمکی، نمونه‌برداری تصادفی ساده ممکن است برای تعیین کمیت داده‌های محیطی مؤثر نباشد زیرا تعداد زیادی از نمونه‌های مورد نیاز برای دستیابی به دقت کافی توسط مسائل اقتصادی و زمانی محدود می‌شوند [ 4 ، 5 ، 6 ].

انرژی زیستی تولید شده از بقایای محصولات زراعی و تولید چوب جنگلی در زمینه کاهش انتشار کربن [ 7 ] و راهبردهای کاهش تغییرات آب و هوایی [ 8 ] مورد توجه مجدد قرار گرفته است . استفاده از بقایای زیست توده حاصل از شیوه‌های مدیریتی مانند هرس از باغ‌ها و قطع جنگل‌ها به عنوان ورودی در زنجیره‌های تامین جدید ممکن است مشکل زباله را به یک منبع تغییر دهد [ 9 ]. به طور سنتی، در کشورهای مدیترانه ای، زیست توده باقیمانده (RB) حاصل از هرس در باغ های زیتون، تاکستان ها و باغ ها سوزانده می شود یا در جای خود باقی می ماند. وارد کردن RB به یک زنجیره تامین انرژی می تواند به وعده خود به عنوان یک جایگزین پایدار برای جنگلداری با چرخش کوتاه دست یابد، در نتیجه از تغییر کاربری زمین و پیامدهای منفی آن جلوگیری شود [ 10 ] ,11 ، 12 ].

خنثی کردن انتشار کربن سوخت های فسیلی با سوزاندن RB کشاورزی و جنگلداری در زنجیره های تامین پایدار و کوتاه مدت برای تولید گرما و نیرو از جمله استراتژی های بسیاری برای مقابله با تغییرات آب و هوایی است [ 13 ]. تخمین RB در مقیاسی صریح فضایی که می‌تواند وارد یک زنجیره تامین انرژی پایدار شود، برای تعیین مکان یک نیروگاه تولید گرما و/یا انرژی بالقوه [ 14 ، 15 ، 16 ] که می‌تواند آن را مصرف کند، کلیدی است. در دسترس بودن RB بالقوه به ازای هر پوشش زمین منطقه منطقه ای اطراف نیروگاه و زمان حمل و نقل به خود نیروگاه از جمله مهم ترین متغیرهایی هستند که می توانند بر پایداری زنجیره تامین در فواصل کوتاه تأثیر بگذارند.

فناوری های سنجش از دور ابزار خوبی برای ارزیابی در دسترس بودن منابع کشاورزی و جنگلی مانند زیست توده هستند. داده های مبتنی بر ماهواره هم از نظر تخمین زیست توده [ 17 ] و هم از نظر نقشه برداری [ 18 ، 19 ] موثر هستند. ماهواره‌های رصد زمین، اطلاعات مکانی را به طور منظم، با پوشش وسیع و هزینه کم، ضبط و جمع‌آوری می‌کنند، و بنابراین ابزاری سودمند برای تشخیص منابع طبیعی و کشاورزی در دهه‌های گذشته است [ 20 ]. داده های سنجش از دور از وضوح فضایی درشت (بیش از یک کیلومتر) تا ریز (زیر متر) و با وضوح زمانی متغیر، از روزانه تا ماهانه در دسترس هستند [ 21 ].

با توجه به در دسترس بودن عمومی داده‌های سنجش از دور ماهواره‌ای با فرکانس زمانی و مکانی بالا، مناطق محلی و منطقه‌ای ممکن است با ادغام نقشه‌های شاخص فضایی مناسب در طرح‌های نمونه‌گیری سنتی نمونه‌برداری شوند، زیرا لایه‌های طبقه‌بندی هستند. این اساساً برخلاف رویکردهای معمول برای تعیین کمیت خدمات اکوسیستم مانند بهره‌وری بالای زمین و RB با استفاده از داده‌های سنجش از دور بر روی جمعیت‌های طبقه‌بندی شده توسط داده‌های جانبی از قبل موجود در سایت است [ 22 ، 23 ].

نمونه‌گیری مجموعه‌ای رتبه‌بندی شده (RSS) جایگزینی برای نمونه‌گیری تصادفی ساده است که در آن فرض اصلی این است که مجموعه‌ای از واحدهای نمونه‌گیری به‌طور تصادفی از جامعه استخراج می‌شوند و با ابزار معینی بدون اندازه‌گیری واقعی متغیر مورد علاقه رتبه‌بندی می‌شوند، که هزینه‌بر است و /یا وقت گیر [ 24]. RSS از نظر مفهومی شبیه به نمونه‌گیری طبقه‌بندی کلاسیک است که هر جمعیت به زیرجمعیت‌هایی تقسیم می‌شود تا واحدهای درون هر زیرجمعیت تا حد امکان همگن باشند. در کاربردهای سنتی RSS، فرآیند رتبه‌بندی مستلزم مقایسه بصری واحدهای نمونه‌گیری است و به دلایل عملی، نمودارها با هم خوشه‌بندی شدند. ما نیاز به مقایسه بصری را با استفاده از یک نقشه شاخص فضایی صریح که توسط سنجش از دور ماهواره‌ای نوری به‌عنوان یک متغیر کمکی (متغیر کمکی) برای هدایت فرآیند رتبه‌بندی واحدهای نمونه به دست آمده بود، حذف کردیم. در حالی که معرفی نقشه های صریح فضایی به عنوان متغیرهای کمکی از تعصبی که ممکن است با رتبه بندی ذهنی معرفی شود، جلوگیری می کند.

هدف ما این بود که یک نقشه صریح فضایی مشتق شده از سنجش از دور ماهواره‌ای نوری را به عنوان یک متغیر کمکی به یک طرح نمونه‌برداری مجموعه‌ای رتبه‌بندی برای نمونه‌برداری از RB بالقوه موجود در منطقه‌ای 2200+ کیلومتر مربعی ^به منظور ارزیابی پایداری عرضه زیست توده برای نمونه‌برداری کنیم. یک نیروگاه حرارتی واقع در شمال رم (ایتالیا). تا جایی که ما می دانیم، این اولین باری است که (i) RSS در چنین زمینه وسیعی استفاده می شود، و (ii) یک نقشه صریح فضایی سنجش از دور به عنوان یک متغیر کمکی برای رتبه بندی نمودارهای نمونه استفاده شده است.

2. مواد و روشها

2.1. منطقه مطالعه

زنجیره تامین در مقیاس کوچک از نظر فضایی در حومه شمال شرقی رم، ایتالیا مرکزی قرار دارد ( شکل 1 )، تقریباً بر روی یک نیروگاه زیست توده ترکیبی حرارت و نیرو (تاسیسات تولید همزمان) واقع در مختصات جغرافیایی 42.103 درجه شمالی، 12.628 درجه شرقی متمرکز شده است. تاسیسات تولید همزمان در دارایی مرکز تحقیقات مهندسی و فرآوری کشاورزی کشاورزی (CREA) در Monterotondo (رم، ایتالیا) برای پیگیری تحقیقات دانشگاهی ساخته شد. این تاسیسات را می توان برای تولید انرژی حرارتی و برای تولید همزمان میکرو با استفاده از مولد بخار با پتانسیل تولید حدود 40 کیلووات ساعت الکتریکی استفاده کرد. پتانسیل زیست توده باقیمانده (RB) مورد نیاز برای تولید مداوم (7200 ساعت عملیاتی در سال) گرما و برق 811 میلی گرم در سال است.^.. یک مرکز ذخیره سازی و پیش پردازش RB در نزدیکی نیروگاه تولید همزمان در حال بهره برداری است. سپس RB به کارخانه پیش‌فرآوری تحویل داده می‌شود و در آنجا خرد شده و ذخیره می‌شود تا آبگیری فراهم شود و سپس به کارخانه تغذیه می‌شود.

رودخانه تیبر که از سمت شمالی به جنوبی جریان دارد، منطقه را به دو منطقه شرقی-غربی با فاصله تقریباً مساوی تقسیم می کند. قسمت شرقی بر تپه های سابین همپوشانی دارد، منطقه ای که از نظر تاریخی به کشت زیتون و تولید روغن زیتون اختصاص یافته است [ 25 ]. ضلع غربی با یک منطقه کم ارتفاع همپوشانی دارد که عمدتاً برای کشاورزی مختلط مورد استفاده قرار می‌گیرد، که با خندق‌ها و رودخانه‌های کوچک پراکنده شده است، جایی که پوشش گیاهی جنگلی برگ‌ریز طبیعی هنوز حفظ می‌شود و از نظر تاریخی به عنوان “کامپانای رومی” شناخته می‌شود (به عنوان مثال، [ 26 ]). رودخانه تیبر به سمت شهر رم و در داخل آن جریان دارد که سکونتگاه های شهری آن در قسمت جنوبی منطقه مورد مطالعه قرار دارند.

یک محدودیت زمان حمل و نقل، بیرونی ترین مرز منطقه مورد مطالعه را تعریف کرد. هر نقطه فضایی که با حمل و نقل جاده ای بیش از 60 دقیقه از مرکز پیش پردازش فاصله نداشته باشد، در منطقه مورد مطالعه گنجانده شد، با فرض تحویل مستقیم از نقطه تحویل به تأسیسات. مسیر دریافت تسهیلات به عنوان کوتاه‌ترین مسیر در شبکه جاده‌ای در دسترس عموم انتخاب شد. بزرگراه هایی مانند A1 با منتهی به شمال/جنوب از روند انتخاب حذف شدند. در نتیجه، شکل منطقه مورد مطالعه نامنظم و وابسته به ترتیبات فضایی شبکه راه، دسته‌های راه آن و محدودیت‌های سرعت بود. تپه یا شیب زمین در انتخاب مسیر در نظر گرفته نشده است. نسبتا، این مؤلفه‌ها به طور غیرمستقیم در انتخاب مسیر با توجه به دسته‌های خیابان پایین‌تر و محدودیت‌های سرعت پایین‌تر در مناطق تپه‌ای در نظر گرفته شدند. با توجه به محدودیت های مجموعه داده های عمومی در دسترس در شبکه جاده ها، محدودیت های بار در انتخاب مسیر بهینه در نظر گرفته نشد. جاده های سریعتر منطقه مورد مطالعه را گسترش دادند (به عنوان مثال، به سمت شمال شرقی به شهر Rieti در امتداد ‘Via Salaria’، با کد SS4dir و SS4bis درشکل 1 ، یا به سمت شمال-غرب در امتداد “Via Cassia”، با کد SR2، در حالی که جاده های کندتر آن را باریک می کنند (به عنوان مثال، به سمت منطقه تپه ای شرقی). بسته R osrm (سرویس مسیریابی مبتنی بر نقشه خیابان باز [ 27 ]) نسخه 3.2.0 برای محاسبه پنج حلقه هم زمان در فواصل 10 دقیقه، از 0′-20′ (کد حلقه هم زمان IR5) تا 50′-60’ (هم زمان) استفاده شد. کد حلقه IR1) از تاسیسات تولید همزمان ( شکل 2 ، جدول 1 ).

2.2. تعریف جمعیت های نمونه گیری

منبع RB بالقوه به عنوان 100٪ RB موجود در منطقه مورد مطالعه تعریف شد. RB واقعی که می تواند به نیروگاه تولید همزمان عرضه شود می تواند به دلایل اقتصادی و لجستیکی بسیار متفاوت باشد، حتی برای بخش کوچکی از زیست توده بالقوه.

RB بالقوه به طور نابرابر در بین طبقات کاربری زمین از کشاورزی (تامین RB نزدیک به صفر) تا مناطق جنگلی بسیار پراکنده توزیع شده است. جمعیت ها بر اساس طبقه بندی پوشش زمین Corine 2018 [ 28 ] (CLC) بر اساس طبقات پوشش زمین خاص تعریف شدند. CLC یک برنامه اروپایی است که اطلاعاتی درباره پوشش زمین و تغییرات پوشش زمین در سراسر اروپا ارائه می دهد که در 44 کلاس در یک نامگذاری سلسله مراتبی 3 سطحی سازماندهی شده است.

کلاس‌های CLC که می‌توانستند RB بالقوه را تامین کنند شامل دو کلاس در میان دسته شهری (1.4.1 مناطق سبز شهری و 1.4.2 امکانات ورزشی و اوقات فراغت) بود. پنج طبقه در میان دسته کشاورزی (2.2.1 تاکستان ها، 2.2.2 درختان میوه و مزارع توت، 2.2.3 باغ های زیتون، 2.4.2 الگوهای کشت پیچیده، و 2.4.3 زمین های عمدتاً تحت اشغال کشاورزی). و یک کلاس جنگلی (3.1.1 جنگل پهن برگ). یک کلاس کمتر نشان داده شده (منطقه 1.4 کیلومتر ^مربع ، 2.4.1 محصولات سالانه مرتبط با محصولات دائمی) به دلیل روش های نمونه برداری بسیار مشابه که بین دو طبقه مشترک است، در کلاس 2.4.2 ادغام شد. کلاس 2.2.1، علیرغم اینکه کمتر ارائه شده بود، به عنوان یک کلاس جداگانه نگهداری می شد، زیرا پتانسیل بالای RB آن وجود داشت ( جدول 2 ).

هر کلاس CLC که منطقه مورد مطالعه را قطع می کند به عنوان یک جمعیت تعریف شد. در نتیجه، هشت جمعیت تعریف شد ( شکل 3 ). هر جامعه با استفاده از نمونه‌گیری مجموعه‌ای رتبه‌بندی (RSS) نمونه‌گیری شد.

2.3. متغیر کمکی از سنجش از راه دور

متغیر کمکی در نمونه گیری مجموعه های رتبه بندی شده به عنوان متغیر رتبه بندی واحدهای نمونه تصادفی عمل می کند. شاخص متفاوت پوشش گیاهی نرمال شده (NDVI، [ 29 ]) جمع آوری شده در سطح سالانه (NDVI ₂₀₁₈ ) به عنوان متغیر کمکی استفاده شد. NDVI به طور مستقیم با ظرفیت فتوسنتزی مرتبط است و از این رو جذب انرژی تاج‌پوش‌های گیاهی [ 30 ، 31 ] و یک پیش‌بینی‌کننده عالی برای بهره‌وری سالانه درخت است [ 32 ]، که به نوبه خود با RB همبستگی خوبی دارد. NDVI برای تمام بازدیدهای موجود در منطقه مورد مطالعه ماهواره های ماموریت کوپرنیک سنتینل-2 (S-2) در سال 2018 به صورت زیر برآورد شد:

ن D V من t ، x ، y = ρ 842 ، t ، x ، y - ρ 490 ، t ، x ، y ρ 842 ، t ، x ، y + ρ 490 ، t ، x ، y

(1)

جایی که $N D V I_{t, x, y}$ NDVI در زمان t و مختصات فضایی x ، y است، $ρ_{842}$ و $ρ_{490}$ بازتاب های طیفی طول موج های مرکزی نوارهای مادون قرمز نزدیک و قرمز S-2 هستند که در زمان t و در مختصات x و y ثبت شده اند. این بازتاب‌های طیفی خود نسبت‌هایی هستند از تابش منعکس شده در هر باند طیفی.

هدف جفت ماهواره S-2 ارائه داده های چند طیفی با فرکانس بازبینی 5 روزه [ 33 ] است. تشکل‌های ابر و سیروس از طریق فراداده‌های تضمین کیفیت ارائه‌شده و پیکسل‌های حاصل از محاسبه NDVI شناسایی شدند. مسیرهای NDVI برای تمام پیکسل های موجود در منطقه مورد مطالعه (در وضوح مکانی 10 متر و وضوح زمانی 5 روزه) جمع آوری شد. مسیرهای متشکل از کمتر از 13 نقطه زمانی کنار گذاشته شدند. یک مدل هارمونیک از زمان برای هر پروفیل برازش داده شد و مسیرهای هارمونیک NDVI هر 10 روز پیش‌بینی می‌شد:

ن D V من t ، x ، y^= α x ، y + δ x ، y t + \sum ω = 1 3 [β ω ، x ، y c o s (2 π ω t) + γ ω ، x ، y s i n (2 π ω t)]

(2)

جایی که $α$ ، $δ$ ، $β_{ω}$ ، و $γ_{ω}$ ضرایب مدل هارمونیک هستند که به هر جفت مختصات ( x , y ) برازش می شوند. نمونه ای از مسیرهای سالانه NDVI برای یک باغ زیتون و یک جنگل پهن برگ در منطقه مورد مطالعه در شکل 4 آورده شده است. تنوع NDVI بین مقادیر متوالی تا حد زیادی برای اختلاف بین وضوح فضایی ماسک ابر (60 متر) و باندهای طیفی [ 34 ]، به ویژه در مرز بین ماسک ابر و غیر ابری مشهود است. به نظر می رسد مسیر خام NDVI جنگل پهن برگ به شدت تحت تأثیر این موضوع قرار گرفته است، احتمالاً به دلیل فراوانی بیشتر شرایط ابری در رشته کوه هایی که این پوشش زمینی رایج است.

NDVI ₂₀₁₈ ( شکل 5 ) با ادغام هر یک از 37 مقدار پیش بینی شده NDVI (از DOY 1 تا DOY 361) در سطح پیکسل به دست آمد:

ن D V من 2018 ، x ، y^= \sum n = 1 37 من n ، x ، y^

(3)

برآورد نمایه‌های NDVI و کل NDVI ₂₀₁₈ به عنوان متغیر کمکی در موتور Google Earth [ 35 ] انجام شد.

2.4. طراحی نمونه گیری

ماهیت نمونه‌گیری مجموعه‌ای رتبه‌بندی شده (RSS) از نظر مفهومی شبیه به نمونه‌گیری طبقه‌ای است که در آن از رتبه‌ها برای پس از طبقه‌بندی قطعه‌های نمونه استفاده می‌شود، و در نتیجه یک جمعیت به زیرجمعیت‌ها تقسیم می‌شود به طوری که قطعه‌های درون هر زیرجمعیت به همان اندازه همگن هستند. تا جایی که ممکن است.

RSS برای اولین بار توسط [ 36 ] در تلاش برای برآورد موثرتر عملکرد مراتع با اجتناب از چمن زنی و وزن دهی یونجه در هر واحد نمونه پیشنهاد شد. از آن زمان، از آن در زمینه های مختلفی استفاده شده است که کارایی آن ثابت شده است، مانند تخمین زیست توده درختچه ها در جنگل های بلوط آپالاش [ 37 ]، نمونه برداری از مکان های خاک برای تخمین موجودی پلوتونیوم [ 38 ]، سرشماری جمعیت [ 39 ، 40 ] ، تجزیه و تحلیل پیوند ژنتیکی [ 41 ]، بررسی های باغبانی [ 42 ]، و تخمین عملکرد در باغ های درخت میوه [ 43 ]]. مروری بر شکل اصلی نمونه برداری از مجموعه های رتبه بندی شده ناپارامتریک و همچنین طراحی ناپارامتریک متعادل و نامتعادل و RSS با متغیرهای کمکی توسط [ 24 ] ارائه شده است.

مجموعه ای از قطعات نمونه تصادفی به طور مستقل از هر جمعیت تعریف شده توسط کلاس CLC ترسیم شد. متغیر مورد علاقه RB بالقوه سالانه بود. تعداد واحدهای نمونه بر اساس ناهمگنی جمعیت (برآورد شده به عنوان انحراف استاندارد NDVI ₂₀₁₈ )، و گسترش فضایی و تکه تکه شدن منطقه جمعیت ( جدول 3 ) متفاوت بود.

هر مجموعه از قطعه‌های نمونه تصادفی در هر جامعه بر اساس مجموع کل مقادیر NDVI ₂₀₁₈ پیکسل‌های در حال سقوط رتبه‌بندی شد. از هر مجموعه از قطعه‌های نمونه تصادفی، یک نمونه مجموعه رتبه‌بندی شده انتخاب شد. نمونه‌های مجموعه‌های رتبه‌بندی شده معمولاً بر حسب مجموعه‌ها و چرخه‌ها توصیف می‌شوند. مجموعه یک نمونه تصادفی از k واحد است. انتخاب k مجموعه به ترتیب یک “چرخه” را کامل می کند. نمونه‌برداری مجموعه رتبه‌ای متوازن مستلزم انتخاب k مجموعه در هر یک از n چرخه نمونه‌برداری است. بنابراین، مجموع nk ² = nk + nk ( k – 1) قطعه نمونه از هر جمعیت انتخاب می شود. از اینهاقطعه نمونه nk ²نمودارهای nk برای تخمین واقعی زیست توده بالقوه استخراج می‌شوند. از کل پلات های نمونه در مجموعه اول، تنها پلات با رتبه 1 در نمونه مجموعه رتبه بندی شده پذیرفته می شود. در مرحله بعد، مجموعه دومی از نمودارهای k با رتبه 2 پذیرفته می شود و به همین ترتیب تا زمانی که k امین نمودار پذیرفته شود. این روش در هر یک از n چرخه تکرار می شود. نمودارهای نمونه انتخاب نشده nk(k -1) کنار گذاشته می شوند [ 4 ].

انتخاب بهینه n چرخه و k مجموعه با توجه به قضاوت متخصص در مورد ناهمگنی متغیر مورد نظر و وسعت فضایی هر کلاس CLC متفاوت بود. هر چه ناهمگنی بیشتر و/یا گستره فضایی وسیع‌تر باشد، k و n انتخاب شده بیشتر است ( جدول 3 ).

دقت نسبی تخمین‌گر میانگین برای RSS نسبت به تخمین‌گر معمولی برای نمونه‌گیری تصادفی ساده (یعنی نسبت واریانس‌های نمونه‌گیری) با اندازه مجموعه k از 1 تا ( k + 1)/2 متفاوت است، به این معنی که RSS همیشه حداقل به اندازه نمونه‌گیری تصادفی ساده دقیق است و با تعداد رتبه‌هایی که جمعیت بر [ 4 ] تقسیم می‌شود، افزایش می‌یابد.

برآوردگر بی طرفانه برای عرضه بالقوه سالانه RB، در هر هکتار توسط:

μ ρ^= 1 n k \sum r = 1 ک \sum j = 1 n ρ [r] j

(4)

جایی که $ρ$ عرضه چگالی RB در نمودارهای نمونه RSS است که با تفسیر عکس (برحسب منیزیم در هکتار 1-1 yr ^-1⁾ تخمین زده می شود .

یک برآوردگر ثابت برای واریانس میانگین در [ 14 ] (ص 26) است:

v ˆ [μ ρ^] = 1 ک 2 n ( n - 1 ) \sum ک r = 1 \sum n j = 1 (ρ [r] j - ρ [ر] ‘) 2 .

(5)

2.5. عکس-تفسیر چگالی زیست توده باقیمانده بالقوه در قطعه های نمونه

نمودارهای نمونه بر روی نرم‌افزار Google Earth پیش‌بینی شد و یک مترجم عکس خبره، چگالی RB بالقوه موجود را در منیزیم در هکتار ^1-1 سال ^-1 شناسایی و کمیت کرد . برای کمک به فرآیند تخمین چگالی RB، به مترجم عکس مقادیر گوشه چگالی RB مربوطه داده شد تا انتخاب کند. مقادیر گوشه تراکم RB با توجه به کلاس CLC و تراکم درخت تنظیم شد.

چهار مقدار چگالی گوشه RB ( Bc ) برای پوشش حداکثر، معمولی، حداقل و بدون چگالی RB بالقوه ای که هر کلاس CLC می تواند در منطقه مورد مطالعه حفظ کند، تعریف شد ( _جدول4 ). Bc در کلاس‌های _CLC شهری و کشاورزی (کلاس‌های 1.4.x و 2.xx) به‌عنوان کل چگالی RB موجود (بر حسب منیزیم در هکتار ^-1 سال ^-1 ) پس از هر عملیات هرس با میانگین زمان بین هر عملیات برآورد شد:

ب ج = ب ج \cdot د ج y برای c \in 1 ، 2 ، 3

(6)

که در آن b _c میانگین RB در هر درخت است (t tree ^-1 ). d _c تراکم درخت است (درخت ha ⁻¹ ). و y تعداد سالهای بین هر عملیات هرس (سال) است. حداقل مقدار چگالی گوشه RB ( c = 4) روی 0 میلی گرم در هکتار ^-1 سال ^-1 تنظیم شد.

به عنوان مثال، در باغ های زیتون (CLC 2.2.3)، عملیات هرس یک سال در میان انجام می شود (y = 2). حداکثر میانگین RB در هر درخت ( _b1) 0.027 میلی گرم است [ 44 ، 45 ، 46 ]، و تراکم درخت مربوطه ( _d1) 300 درخت در هکتار در هکتار است، که منجر به B1 از 4.0 میلی گرم در هکتار ^در₁ سال ^{-1 می شود}^. .

تخمین تک درخت برای b _c در جنگل های پهن برگ در دسترس نیست. ما از مقادیر RB در سطح هکتار استفاده کردیم (

b_{c} \cdot d_{c}

) به طور میانگین در طول دوره چرخش معمولی برای سرشاخه ها (25 سال) در مرکز ایتالیا محاسبه می شود.

مترجم عکس می‌تواند چهار مقدار گوشه چگالی RB را به زیر ناحیه‌های مختلف هر ( r, j ) نمودار اختصاص دهد. چگالی RB بالقوه نهایی برای هر قطعه نمونه (برحسب منیزیم در هکتار – ¹ سال – ¹ ) به صورت زیر محاسبه شد:

ρ [r] j = \sum 4 c = 1 آ c [ r ] j ب c [ r ] j آ [ r ] j

(7)

جایی که $A_{[r] j}$ مساحت کل طرح نمونه ( r, j ) بر حسب هکتار است. $A_{c [r] j}$ مساحت در هکتار از زیرمنطقه c- امین قطعه نمونه است. و $B_{c [r] j}$ مقدار گوشه RB است که به زیر ناحیه نمودار نمونه اختصاص داده شده است (بر حسب منیزیم در هکتار ^-1 yr ^-1 ). RB بالقوه در سطح جمعیت با معادلات (4) و (5) برآورد شد.

نمونه هایی از نمودارهای نمونه RSS در هر کلاس CLC در شکل 6 ارائه شده است.

3. نتایج

هشت پوشش زمین مربوطه برای عرضه بالقوه زیست توده باقیمانده (RB) به نیروگاه تولید همزمان را می توان به سه دسته تقسیم کرد: شهری (کلاس CLC 1.4.1 و 1.4.2)، کشاورزی (2.xx کلاس) و جنگلی (3.1). 1).

کشاورزی تا حد زیادی نمایانگرترین رده پوشش زمین در منطقه مورد مطالعه بود که در مجموع 863 کیلومتر مربع ^بود . زمین‌های کشاورزی عمدتاً با باغ‌های زیتون (41%) و مزارع عمدتاً به عنوان محصولات زراعی، مخلوط با زمین‌های جنگلی (35%) اشغال می‌شدند. جنگل‌های برگ‌ریز به وسعت 414 کیلومتر مربع ^، عمدتاً در دورترین حلقه‌های دور از نیروگاه تولید همزمان توزیع شده‌اند. ثابت شد که پوشش زمین شهری از نظر گسترش ناچیز بوده و عمدتاً از گیاه دور بوده است ( شکل 7 ).

بیرونی ترین منطقه (IR1) تحت سلطه جنگل های پهن برگ و محصولات کشاورزی بود، به ویژه در بخش شرقی منطقه مورد مطالعه (تپه های سابین)، در حالی که باغ های زیتون و الگوهای کشت پیچیده به طور فزاینده ای در نواحی داخلی غالب شدند ( شکل 3 و شکل 7 ). نزدیکترین منطقه به نیروگاه تولید همزمان (IR5) از نظر RB موجود فقیرترین منطقه بود.

قرعه کشی واحدهای نمونه تصادفی اولیه در مجموع 745 قطعه نمونه در هشت کلاس CLC را شامل می شد در حالی که رتبه بندی خودکار بر اساس متغیرهای کمکی NDVI ما را قادر می سازد 606 قطعه نمونه را کنار بگذاریم و به تفسیر عکس 139 قطعه نمونه (19٪) بپردازیم. از موجودیت نمونه اصلی).

تفسیر عکس قطعه‌های نمونه منجر به 1.12 میلی‌گرم در هکتار در ¹ سال و ¹ میانگین پتانسیل کل چگالی RB سالانه در تمام طبقات پوشش زمین شد ( شکل 8 )، اگرچه این مقدار بسیار نابرابر توزیع شده بود (انحراف استاندارد 0.457 میلی‌گرم در هکتار در 1 سال ^-1^{. 1} ).

مناطق سبز شهری (1.4.1) مانند پارک های طبیعی و مناطق تفریحی دارای بالاترین پتانسیل برای تامین RB (1.64 میلی گرم در هکتار در ¹ سال ^-1 ) بودند، اگرچه این میزان از سایتی به سایت دیگر متفاوت بود و RB از عملیات پوشش گیاهی روی درختان بود. مانند قطع و هرس. در انتهای دیگر طیف، تراکم RB از امکانات ورزشی و اوقات فراغت (1.4.2) و الگوهای کشت پیچیده (2.4.2) بسیار کمتر از میانگین (<0.5 میلی گرم در هکتار ^-1 سال ^-1 ) در بین پوشش های زمین بود. نشان می دهد که هنگام تعریف پایداری اقتصادی عرضه به کارخانه، می توان آنها را نادیده گرفت.

تراکم بسیار بالایی در RB در زمین‌های کشاورزی مانند باغ‌های زیتون، باغ‌ها، محصولات مخلوط با جنگل‌ها و به‌ویژه تاکستان‌ها (2.2.3، 2.2.2، 2.4.3 و 2.2.1) مشاهده شد. در گسترش فضایی بسیار کم پوشش زمین دوم (0.16 کیلومتر مربع ⁾ احتمالاً تغییرپذیری بالا را در اطراف مقدار میانگین چگالی ایجاد کرده است.

جنگل‌های منطقه مورد مطالعه 0.767 میلی‌گرم در هکتار در ¹ سال و ¹ فراهم کردند ، اگرچه این میانگین بلندمدت است (25 سال دوره تناوب، جدول 4 ) و عرضه واقعی سالانه ممکن است به وسعت فضایی جنگل‌هایی که در سال قطع می‌شوند وابسته باشد. بر اساس سال

جفت کردن میانگین چگالی سالانه پسوندهای سطح کلاس RB به CLC بینشی در مورد اینکه مخازن RB کجا و چقدر فاصله دارند را ارائه می دهد ( شکل 9 ). کل RB بالقوه سالانه موجود در منطقه مورد مطالعه 132 گرم بود.

مناطق غربی («کامپانای رومی») می‌توانند عمدتاً زیست توده را از پوشش زمین مخلوط کشاورزی/جنگل (CLC 2.4.3) در مقادیر متوسط تا زیاد هر سال تأمین کنند (38 گیگا‌گرم با زمان حمل 30 تا 60 دقیقه در دسترس است). منطقه برآمدگی در IR1 به دلیل وجود یک جاده سریع به سمت شمال غرب (SS2، شکل 1 و شکل 2 ) ایجاد شده است که پوشش زمین ناهمگن بیشتری را در دسترس قرار می دهد، اما به دلیل کم بودن، مزیتی را از نظر تأمین نیروگاه نشان نمی دهد. مقادیر RB بالقوه ای که این پوشش های زمین می توانند حفظ کنند و تکه تکه شدن چشم انداز بالا.

مناطق نسبتاً دور (زمان حمل و نقل 20 تا 40 دقیقه) می توانند حدود 50 گیگا گرم سال ^-1 عمدتاً از RB بالقوه باغ های زیتون تأمین کنند.

به طور کلی، جنگل‌های پهن برگ، 31.8 گیگا‌گرم در سال ¹ RB عرضه می‌کنند، عمدتاً از دورترین مناطق به شرق نیروگاه تولید همزمان (معروف به تپه‌های سابین، زمان رانندگی با کامیون 40 تا 60 دقیقه، شکل 3 و جدول 1 ). . وجود یک جاده سریع (SS4 و SS4bis، شکل 1 ) از شمال شرقی یک مزیت تصادفی برای زنجیره تامین است زیرا RB را از جنگل‌های IR1 ( شکل 2 ) در دسترس قرار می‌دهد (یعنی حداکثر 60 دقیقه دورتر نیست). زمان رانندگی) به نیروگاه تولید همزمان.

عرضه RB از مناطق سبز شهری و امکانات تفریحی ناچیز و بسیار دور از نیروگاه تولید همزمان بود.

4. بحث

هدف از این مطالعه پیشنهاد یک روش موثر برای ارزیابی و نقشه برداری از زیست توده باقیمانده کشاورزی جنگلی با جفت سنجش از دور و GIS به یک طرح نمونه برداری سنتی بود. در این چارچوب، این مطالعه برای اولین بار یک متغیر کمکی در قالب یک نقشه شاخص فضایی صریح از سنجش از دور ماهواره‌ای برای افزایش کارایی طرح نمونه‌گیری رتبه‌بندی شده معرفی کرده است. اگرچه منطقه مورد مطالعه محدود بود تا زمان حمل و نقل از محل برداشت تا کارخانه فرآوری بیش از 60 دقیقه طول نکشد، تمرکز مطالعه ما به جای بهینه‌سازی لجستیک یا تسهیلات بهینه، بر تخمین زیست توده باقی‌مانده در جنگل‌های کشاورزی بود. محلی سازی [ 51 ، 52]. طرح نمونه‌گیری در منطقه مورد مطالعه بزرگ (2276 کیلومتر) اعمال شد² ) برای تخمین عرضه بالقوه زیست توده باقیمانده (RB) موجود برای یک نیروگاه تولید همزمان واقع در مرکز آن.

با این فرض که تمام RB بالقوه سالانه برای نیروگاه تولید همزمان در دسترس است، ما تخمین زدیم که عرضه زیست توده تقریباً 200 برابر بیشتر از تقاضای زیست توده نیروگاه خواهد بود (132 Gg در سال در مقابل ⁸¹¹ Mg در سال ⁾ . یک سوم از عرضه بالقوه RB (39 Gg سال ^-1 ) توسط باغ‌های زیتون که از نظر جغرافیایی بسیار نزدیک یا نسبتاً نزدیک به کارخانه (0 تا 40 دقیقه زمان رانندگی کامیون) در تپه‌های Sabine قرار دارند، اختصاص دارد. دومین تامین کننده کلی RB (38 Gg سال^-1) در الگوی کشت محصول/جنگل قرار دارد که به طور گسترده در Campagna رومی، در غرب گیاه، و نسبتاً دورتر از آن (یعنی 30+ دقیقه زمان حمل و نقل) نشان داده شده است. تکه تکه شدن چشم‌انداز زیاد آن ممکن است محدودیت‌های کمی را در مورد برداشت عملیات RB ایجاد کند و پایداری اقتصادی آن در یک مطالعه بیشتر مورد بررسی قرار خواهد گرفت.

در این مطالعه، متغیر کمکی که برای رتبه‌بندی نمونه‌ها انتخاب کردیم، به راحتی بر روی پلتفرم‌های رایانش ابری مانند Google Earth Engine محاسبه شد. نقشه پوشش گیاهی NDVI منطقه مورد مطالعه به تعریف NDVI کل برای هر قطعه نمونه به سادگی با جمع کردن هر مقدار NDVI پیکسل کمک کرد. رتبه‌بندی واحد نمونه‌گیری در هر مجموعه/سیکل بر اساس مقادیر NDVI آنها، یک عملیات ساده و غیر فشرده است که به راحتی از طریق روال‌های خودکار انجام می‌شود. یکی دیگر از مزیت‌های استفاده از روش رتبه‌بندی خودکار، با افزایش اندازه‌های مجموعه برای بهبود کارایی RSS نسبت به نمونه‌برداری تصادفی ساده، به ویژه در جمعیت‌های بسیار ناهمگن است. به طور سنتی، اندازه های مجموعه سه یا چهار به دلیل دشواری قضاوت فردی در مرتب کردن آنها در تعداد زیادی از رتبه ها رایج است. در این مطالعه،

رتبه بندی RSS سنتی اغلب شامل قضاوت می شود. اگرچه رتبه بندی اشتباه منجر به تخمین های جانبدارانه نمی شود [ 53 ]، اما ممکن است در انتساب تصادفی قرار گیرد و ممکن است کارایی RSS را به خط پایه نمونه گیری تصادفی ساده کاهش دهد [53] 4 ]]. زمانی که فردی که رتبه‌بندی را ترجیحاً یا هدفمند انجام می‌دهد، هنوز هم ممکن است منجر به سوگیری شود. خودکارسازی رتبه‌بندی از طریق یک متغیر کمکی صریح فضایی، ما را قادر می‌سازد به راحتی بر این تعصب بالقوه غلبه کنیم. مقرون به صرفه بودن RSS مشخص است: در این مطالعه، در مجموع 745 واحد نمونه برداری به طور تصادفی در تمام جمعیت های پوشش زمین ترسیم شد. رتبه‌بندی بر اساس مجموعه/چرخه‌های تعریف‌شده پیشینی منجر به تخمین متغیر مورد علاقه (RB بالقوه) تنها در 139 واحد نمونه‌گیری شد، 18 درصد از واحدهایی که ما از طریق نمونه‌گیری تصادفی ساده نمونه‌برداری می‌کردیم.

تعدادی از عوامل عملی به کاهش قابل توجه عرضه RB موجود کمک می کنند، از جمله راندمان بازیافت از مزرعه [ 54 ]، مقدار بهینه ای که باید در مزرعه یا جنگل به دلایل زراعی و اکولوژیکی یا برای حفظ خاک باقی بماند. مواد آلی و جلوگیری از فرسایش [ 55]. علاوه بر این، باید تاکید کرد که عرضه واقعی RB به شدت به این بستگی دارد که مالکان با ارائه آن به کارخانه از لحاظ اقتصادی پاداش می گیرند. تجزیه و تحلیل بیشتر این مطالعه را از منظر اقتصادی برای ارزیابی پایداری اقتصادی تسهیلات تولید همزمان گسترش خواهد داد. خروجی چنین مطالعاتی ممکن است نقشی را در چارچوب نقشه‌برداری خدمات اکوسیستم نشان دهد که در بسیاری از ارزیابی‌های پایداری در حال تبدیل شدن به جریان اصلی است، اما تأثیر آن بر تصمیم‌گیری در دنیای واقعی هنوز محدود است [ 56 ].

منابع

زی، ی. شا، ز. یو، ام. تصاویر سنجش از دور در نقشه برداری گیاهی: بررسی. J. Plant Ecol. 2008 ، 1 ، 9-23. [ Google Scholar ] [ CrossRef ]
Gallego, J. استفاده از سنجش از دور برای طراحی قاب های نمونه برداری. در کتاب راهبرد جهانی برای بهبود آمار کشاورزی و روستایی (GSARS) ؛ دلینسه، ج.، اد. GSARS: رم، ایتالیا، 2017. [ Google Scholar ]
GSARS. کتاب سنجش از دور برای آمار کشاورزی ; GSARS: رم، ایتالیا، 2017. [ Google Scholar ]
گرگوار، تی جی; نمونه‌گیری مجموعه رتبه‌بندی شده ولنتاین، HT. در راهبردهای نمونه برداری برای منابع طبیعی و محیط زیست ; آمار کاربردی محیط زیست; Chapmann & Hall/CRC: New York, NY, USA, 2008; پ. 474. [ Google Scholar ]
باسیتو، ام. دی سینتی، بی. ماتئوچی، جی. Cescatti، A. ارزیابی بیومتریک استخرها و شارهای کربن بالای زمین در سه جنگل اروپایی با نمونه‌برداری شاخه تصادفی. برای. Ecol. مدیریت 2012 ، 267 ، 172-181. [ Google Scholar ] [ CrossRef ]
چن، زی. کارایی نمونه‌گیری با مجموعه‌های رتبه‌بندی نسبت به نمونه‌گیری تصادفی ساده تحت خانواده‌های چند پارامتری. آمار گناه 2000 ، 10 ، 247-263. [ Google Scholar ]
آنتیلا، پ. Vaario، L.-M. پولکینن، پی. آسکاینن، ا. Duan، J. در دسترس بودن، فناوری عرضه و هزینه‌های زیست توده جنگلی باقی‌مانده برای انرژی – مطالعه موردی در شمال چین. Biomass Bioenergy 2015 ، 83 ، 224-232. [ Google Scholar ] [ CrossRef ]
دی یونگ، اس. هوفناگلز، آر. وترلوند، ای. پترسون، ک. فائج، ع. Junginger، M. بهینه سازی هزینه تولید سوخت زیستی – تاثیر مقیاس، یکپارچه سازی، حمل و نقل و پیکربندی زنجیره تامین. Appl. انرژی 2017 ، 195 ، 1055-1070. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
Bout, AE; Pfau، SF; ون در کرابن، ای. Dankbaar، B. زیست توده باقیمانده از مناطق رودخانه هلند – از زباله تا خدمات اکوسیستم. Sustain 2019 , 11 , 509. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
ایوانز، آ. استرزوف، وی. ایوانز، TJ ملاحظات پایداری برای تولید برق از زیست توده. تمدید کنید. حفظ کنید. انرژی Rev. 2010 ، 14 ، 1419-1427. [ Google Scholar ] [ CrossRef ]
Pfau، S. زیست توده باقیمانده: گلوله نقره ای برای تضمین اقتصاد زیستی پایدار؟ در مجموعه مقالات کنفرانس اروپایی پایداری، انرژی و محیط زیست 2015، برایتون، انگلستان، 9 تا 12 ژوئیه 2015. صص 295-312. [ Google Scholar ]
ورانی، س. اسپراندیو، جی. پیکیو، آر. مارکی، ای. کاستا، سی. ارزیابی پایداری یک زنجیره انرژی چوبی خود مصرفی در مقیاس کوچک برای تولید گرما در مرکز ایتالیا. انرژی ها 2015 ، 8 ، 5182-5197. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
Schubert, R. (Ed.) Future Bioenergy and Sustainable Land Use ; Earthscan: لندن، انگلستان، 2010; شابک 978-1-84407-841-7. [ Google Scholar ]
Caputo، AC; پالمبو، ام. Pelagagge، PM; Scacchia، F. اقتصاد استفاده از انرژی زیست توده در نیروگاه های احتراق و گازسازی: اثرات متغیرهای لجستیک. Biomass Bioenergy 2005 ، 28 ، 35-51. [ Google Scholar ] [ CrossRef ]
دورنبورگ، وی. Faaij، APC بهره وری و صرفه جویی در سیستم های انرژی زیست توده با سوخت چوب در رابطه با مقیاس تولید گرما و برق با استفاده از فن آوری های احتراق و گازی سازی. Biomass Bioenergy 2001 ، 21 ، 91-108. [ Google Scholar ] [ CrossRef ]
کانزیان، سی. کوهمایر، م. زازگورنیک، ج. Stampfer, K. طراحی شبکه های تامین انرژی جنگل با استفاده از بهینه سازی چند هدفه. Biomass Bioenergy 2013 ، 58 ، 294-302. [ Google Scholar ] [ CrossRef ]
گالیدکی، جی. زیانیس، د. گیتاس، آی. رادوگلو، ک. کاراتاناسی، وی. تساکیری – استراتی، م. وودهاوس، آی. Mallinis، G. تخمین زیست توده گیاهی با سنجش از دور: تمرکز بر جنگل و دیگر زمین های جنگلی بر روی اکوسیستم مدیترانه. بین المللی J. Remote Sens. 2017 ، 38 ، 1940-1966. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
فیاض، من. بغدادی، ن. گویتیت، اس. بیلی، J.-S.; هرو، بی. گوند، وی. حج، من؛ Minh، DHT نقشه برداری زیست توده روی زمین در گویان فرانسه با ترکیب سنجش از راه دور، موجودی جنگل و داده های محیطی. بین المللی J. Appl. زمین Obs. Geoinf. 2016 ، 52 ، 502-514. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
اوتگونبایار، م. آتزبرگر، سی. چمبرز، جی. Damdinsuren، A. نقشه برداری زیست توده مراتع در مغولستان با استفاده از حداقل مربعات جزئی، رگرسیون جنگل تصادفی و تصاویر Landsat 8. بین المللی J. Remote Sens. 2019 , 40 , 3204–3226. [ Google Scholar ] [ CrossRef ]
کاسامپالیس، دی. الکساندریدیس، تی. دیوا، سی. چالینور، ای. مشو، د. زالیدیس، جی. مشارکت سنجش از دور در مدل‌های محصول: بررسی. J. Imaging 2018 ، 4 ، 52. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
جینالدی، اف. باجوکو، اس. برگاگلیو، اس. Cappelli، G. فضایی سازی مدل های محصول برای کشاورزی پایدار. در نوآوری در کشاورزی پایدار ; فاروق، م.، پیسانته، م.، ویرایش. انتشارات بین المللی Springer: Cham، هلند، 2019; صص 599-619. شابک 978-3-030-23169-9. [ Google Scholar ]
لطیفی، ح. Fassnacht، FE; هارتیگ، اف. برگر، سی. هرناندز، جی. کوروالان، پی. Koch، B. تخمین زیست توده جنگلی طبقه بندی شده با داده های سنجش از دور. بین المللی J. Appl. زمین Obs. Geoinf. 2015 ، 38 ، 229-241. [ Google Scholar ] [ CrossRef ]
یاداو، BKV; Nandy، S. نقشه برداری زیست توده چوبی بالای زمین با استفاده از فهرست جنگل، سنجش از دور و تکنیک های زمین آماری. محیط زیست نظارت کنید. ارزیابی کنید. 2015 ، 187 ، 308. [ Google Scholar ] [ CrossRef ]
چن، ز. بای، ز. Sinha، BK رتبه بندی مجموعه نمونه برداری: نظریه و کاربردها ; نکات سخنرانی در آمار; Springer: New York, NY, USA, 2003; جلد 176. [ Google Scholar ]
Galluzzo، N. Analisi Economica، Indagini di Marketing and Prospettive Operative Dell’olivicoltura Nelle Zone Interne Della Regione Lazio: Un Caso di Studio Nell’area di Produzione Dell’olio Sabina DOP ; آراکنه: رم، ایتالیا، 2009; شابک 978-88-548-1694-7. [ Google Scholar ]
Lepre, S. Gli Archivi Dell’agricoltura Del Territorio di Roma e Del Lazio ; Pubblicazioni Degli Archivi di Stato; Ministryo Per i Beni e le Attività Culturali, Direzione Generale Per Gli Archivi: Roma, Italy, 2009; جلد 96.
لوکسن، دی. Vetter, C. مسیریابی بلادرنگ با داده های OpenStreetMap. در مجموعه مقالات نوزدهمین کنفرانس بین المللی ACM SIGSPATIAL در مورد پیشرفت در سیستم های اطلاعات جغرافیایی، شیکاگو، IL، ایالات متحده، 1-4 نوامبر 2011. ACM: نیویورک، نیویورک، ایالات متحده آمریکا، 2011; صص 513-516. [ Google Scholar ]
Copernicus Land Monitoring Service Corine Land Cover 2018. موجود به صورت آنلاین: https://land.copernicus.eu/pan-european/corine-land-cover/clc2018 (در 4 جولای 2019 قابل دسترسی است).
Tucker، CJ Red و ترکیبات خطی مادون قرمز عکاسی برای نظارت بر پوشش گیاهی. سنسور از راه دور محیط. 1979 ، 8 ، 127-150. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
Myneni، RB; هال، FG; Sellers, PJ; Marshak, AL تفسیر شاخصهای پوشش گیاهی طیفی. ترانس. Geosci. Remote Sens. 1995 , 33 , 481-486. [ Google Scholar ] [ CrossRef ]
فروشندگان، بازتاب PJ Canopy، فتوسنتز و تعرق. بین المللی J. Remote Sens. 1985 ، 6 ، 1335-1372. [ Google Scholar ] [ CrossRef ]
وانگ، جی. ریچ، PM؛ قیمت، KP; کتری، WD روابط بین NDVI و بهره وری درخت در دشت بزرگ مرکزی. بین المللی J. Remote Sens. 2004 , 25 , 3127-3138. [ Google Scholar ] [ CrossRef ]
دروش، ام. دل بلو، U. کارلیر، اس. کالین، او. فرناندز، وی. گاسکون، اف. هورش، بی. ایزولا، سی. لابرینتی، پ. مارتیمورت، پی. و همکاران Sentinel-2: ماموریت نوری با وضوح بالا ESA برای خدمات عملیاتی GMES. سنسور از راه دور محیط. 2012 ، 120 ، 25-36. [ Google Scholar ] [ CrossRef ]
پولتی، ن. Bascietto, M. Towards a Towards a Early Detection and Evestimation of Forest Cuttings by Remote Sensed Data. سرزمین 2019 ، 8 ، 58. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
گولیک، ن. هنچر، م. دیکسون، ام. ایلیوشچنکو، اس. تاو، دی. Moore, R. Google Earth Engine: تجزیه و تحلیل جغرافیایی در مقیاس سیاره ای برای همه. سنسور از راه دور محیط. 2017 ، 202 ، 18-27. [ Google Scholar ] [ CrossRef ]
McIntyre, GA روشی برای نمونه گیری انتخابی بی طرفانه، با استفاده از مجموعه های رتبه بندی شده. اوست جی. آگریک. Res. 1952 ، 3 ، 385-390. [ Google Scholar ] [ CrossRef ]
مارتین، WL; ساق، TL; اودروالد، آر جی. اسمیت، DW ارزیابی نمونه‌برداری مجموعه‌ای رتبه‌بندی شده برای تخمین فیتوماس درختچه‌ای در جنگل بلوط آپالاچی . دانشکده جنگل‌داری و منابع حیات وحش VPI&SU: بلکسبورگ، ویرجینیا، ایالات متحده آمریکا، 1980. [ Google Scholar ]
گیلبرت، RO; Eberhardt, LL ارزیابی نمونه برداری دوگانه برای تخمین موجودی پلوتونیوم در خاک سطحی. در رادیواکولوژی و منابع انرژی ; داودن، هاچینسون و راس: استرودزبورگ، PA، ایالات متحده آمریکا، 1976; صص 157-163. [ Google Scholar ]
چن، زی. طرح نمونه‌گیری از مجموعه رتبه‌بندی تطبیقی با متغیرهای همزمان چندگانه: روشی مؤثر برای اقتصاد مشاهده‌ای. برنولی 2002 ، 8 ، 313-322. [ Google Scholar ]
سیلوا، PLDN؛ انتخاب متغیر Skinner، CJ برای تخمین رگرسیون در جمعیت محدود. Surv. روش. 1997 ، 23 ، 23-32. [ Google Scholar ]
ریش، ن. ژانگ، اچ. جفت‌های ناهماهنگ شدید برای نقشه‌برداری مکان‌های صفت کمی در انسان. Science 1995 ، 268 ، 1584-1589. [ Google Scholar ] [ CrossRef ]
جیلانی، MI; بوزا، CN; Sautto، JM کارایی نمونه‌گیری مجموعه‌های رتبه‌بندی شده در بررسی‌های باغبانی. Cadernos do IME-Série Estatística 2015 , 38 , 37. [ Google Scholar ] [ CrossRef ]
Uribeetxebarria، A.; Martínez-Casasnovas، JA; تیسیر، بی. گیوم، اس. اسکولا، آ. Rosell-Polo، JR; Arnó, J. ارزیابی مجموعه‌های نمونه‌برداری رتبه‌بندی شده و داده‌های جانبی برای بهبود تخمین بار میوه در باغ‌های هلو. محاسبه کنید. الکترون. کشاورزی 2019 ، 164 ، 104931. [ Google Scholar ] [ CrossRef ]
اسپینلی، آر. Picchi, G. برداشت صنعتی باقی مانده هرس درخت زیتون برای زیست توده انرژی. بیورسور. تکنولوژی 2010 ، 730-735. [ Google Scholar ] [ CrossRef ] [ PubMed ]
Manzanares، P. رویز، ای. بالستروس، ام. سیاه پوست، ام جی. Gallego، FJ; لوپز-لینارس، جی سی. کاسترو، E. پتانسیل زیست توده باقیمانده در کشت درخت زیتون و صنعت روغن زیتون در اسپانیا: پیشنهاد ارزش گذاری در زمینه پالایشگاه زیستی. طول. جی. آگریک. Res. 2017 , 15 , e0206. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
رومرو-گارسیا، جی.ام. نینو، ال. مارتینز-پاتینو، سی. آلوارز، سی. کاسترو، ای. Negro، MJ Biorefinery بر اساس زیست توده زیتون. وضعیت هنر و روندهای آینده بیورسور. تکنولوژی 2014 ، 159 ، 421-432. [ Google Scholar ] [ CrossRef ] [ PubMed ]
Dipartimento Tutela ambientale e del Verde—Protezione Civile. Natura e Verde Pubblico. Relazione Sullo Stato Dell’ambiente ; پایتخت رم: رم، ایتالیا، 2012. [ Google Scholar ]
دی بلاسی، سی. تانزی، وی. Lanzetta، M. مطالعه بر روی تولید بقایای کشاورزی در ایتالیا. Biomass Bioenergy 1997 ، 12 ، 321-331. [ Google Scholar ] [ CrossRef ]
مانزون، م. پاراویدینو، ای. بونیفاچینو، جی. بالساری، ص. در دسترس بودن و کیفیت زیست توده تولید شده توسط مدیریت تاکستان طی یک دوره 15 ساله. تمدید کنید. انرژی 2016 ، 99 ، 465-471. [ Google Scholar ] [ CrossRef ]
کواترینی، وی. ماتیولی، دبلیو. رومانو، آر. Corona, P. Caratteristiche produttive e gestione dei cedui در ایتالیا. ایتالیایی برای. Mont. 2017 ، 273-313. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
Alam, B. مدل بهینه‌سازی شبکه جاده‌ای برای تامین مواد اولیه زیست توده چوبی برای تولید انرژی در شمال غربی انتاریو. باز کردن برای. علمی J. 2012 ، 5 ، 1-14. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
ولاسکوز-مارتی، بی. فرناندز-گونزالس، E. الگوریتم های ریاضی برای مکان یابی کارخانه ها برای تبدیل زیست توده در انرژی زیستی با تمرکز بر ساخت شبکه لجستیک. تمدید کنید. انرژی 2010 ، 35 ، 2136-2142. [ Google Scholar ] [ CrossRef ]
دل، TR; Clutter، JL رتبه بندی نظریه نمونه برداری مجموعه با پس زمینه آمار سفارش. بیومتریک 1972 ، 28 ، 545-555. [ Google Scholar ] [ CrossRef ]
اوکلو، سی. پیندوزی، اس. فاوگنو، اس. Boccia، L. پتانسیل بیوانرژی بقایای کشاورزی و جنگلی در اوگاندا. Biomass Bioenergy 2013 ، 56 ، 515-525. [ Google Scholar ] [ CrossRef ]
برینگر، تی. لوچت، دبلیو. شافوف، اس. پتانسیل تولید بیوانرژی مزارع زیست توده جهانی تحت محدودیت های زیست محیطی و کشاورزی. GCB Bioenergy 2011 ، 3 ، 299-312. [ Google Scholar ] [ CrossRef ]
پالومو، آی. ویلمن، ال. دراکو، ای. بورکهارد، بی. کراسمن، ن. بلامی، سی. بورکهارد، ک. Campagne, CS; دانگل، ع. فرانکه، جی. و همکاران راه حل های عملی برای تنگناها در نقشه برداری خدمات اکوسیستم یک اکوسیست. 2018 ، 3 ، e20713. [ Google Scholar ] [ CrossRef ]

شکل 1. گستره جغرافیایی منطقه مورد مطالعه در ایتالیا (داخل). تاسیسات تولید همزمان شامل یک نیروگاه ترکیبی حرارت و برق است که در ملک CREA-IT واقع شده است. نقشه راه از نقشه گوگل.

شکل 2. گستردگی فضایی و توزیع کمربندهای زمانی حمل و نقل (حلقه های هم زمان) از نقاط برداشت تا تاسیسات تولید همزمان در منطقه مورد مطالعه.

شکل 3. توزیع فضایی طبقات پوشش زمین مربوطه موجود در منطقه مورد مطالعه.

شکل 4. نمونه ای از پروفایل های NDVI ₂₀₁₈ برای دو کلاس پوشش زمین بسیار گسترده Corine در منطقه مورد مطالعه (بیشستان زیتون و جنگل پهن برگ). مقادیر فیروزه ای مسیرهای اصلی NDVI ₂₀₁₈ هستند ، مسیرهای هارمونیک درون یابی شده به رنگ قرمز هستند.

شکل 5. نقشه صریح فضایی شاخص تفاوت نرمال شده پوشش گیاهی برای سال 2018 به عنوان متغیر کمکی در RSS در منطقه مورد مطالعه استفاده شده است. منطقه قرمز رنگ مربوط به مناطق ساخته شده شهری است (NDVI نزدیک به 0)، سبزترین رنگ ها نشان دهنده مناطق با پوشش گیاهی بالا مانند جنگل های پهن برگ است (NDVI نزدیک به 300000).

شکل 6. نمودارهای نمونه ترسیم شده بر روی نمای ماهواره ای در Google Earth در کلاس های مختلف CLC. ( الف ) 1.4.1 مناطق سبز شهری. ( ب ) 1.4.2 امکانات ورزشی و تفریحی. ( ج ) 2.2.1 تاکستان; ( د ) 2.2.2 درختان میوه و مزارع توت. ( E ) 2.2.3 باغ های زیتون; ( F ) 2.4.2 الگوهای کشت پیچیده. ( ز ) 2.4.3 زمینی که عمدتاً توسط کشاورزی اشغال شده است. ( H ) 3.1.1 جنگل های پهن برگ.

شکل 7. گستره فضایی طبقات CLC به ازای انواع پوشش زمین (شهری، کشاورزی و جنگلی) در سراسر حلقه های هم زمان. رنگ های پر کلاس های CLC همانطور که در شکل 3 توضیح داده شده است.

شکل 8. میانگین پتانسیل تراکم زیست توده باقیمانده در هر طبقه پوشش زمین در منطقه مورد مطالعه. رنگ های پر کلاس های CLC مانند شکل 3 است.

شکل 9. RB بالقوه موجود در هر طبقه پوشش زمین به ازای گونه شناسی پوشش زمین (شهری، کشاورزی، جنگل)، در امتداد حلقه های هم زمان. رنگ های پر کلاس های CLC در شکل 3 توضیح داده شده است.

مقالات داخلی و بین المللی

بدون دیدگاه

دیدگاهتان را بنویسید لغو پاسخ

برای نوشتن دیدگاه باید وارد بشوید.

مشاورین هوش پیروزی

خلاصه

کلید واژه ها:

1. معرفی