تجزیه و تحلیل امضاهای طیفی درختی مشتق از میدان

حساسیت طیفی سکوهای مداری می تواند یک محدودیت عمده در شناسایی دقیق و نقشه برداری اکوسیستم های درختی باشد. امضاهای طیفی مشتق از میدان با استفاده از حسگر باند باریک، به عنوان مثال، ASD (دستگاه های طیفی تحلیلی، بولدر، CO، ایالات متحده آمریکا) FieldSpec^®Pro طیفی FR (محدوده کامل) 350 تا 2500 نانومتر را پوشش می دهد که از حساسیت طیفی پلت فرم های مداری معمول استفاده می شود. قابل قبول بودن استخراج یک کتابخانه طیفی از درختان یا جنگل ها در یک مجموعه آموزشی قابل احترام است. از سوی دیگر، تشخیص ویژگی‌های طیفی تشخیصی بین گونه‌ها یا انواع درختان ذاتاً از روی سکوهای مداری دشوار است. این امر مخصوصاً زمانی است که کتابخانه طیفی در یک منطقه مشخص شده فراتر از محدوده مجموعه آموزشی اعمال می شود. محدودیت های زیرمداری اساسی در شناسایی دقیق درختان و جنگل ها در این مطالعه ارائه شده است. ما توجه را به کمبودهای طیفی یا زمانی جلب می کنیم و راه حل های احتمالی را بسته به حساسیت های طیفی ترجیحی یا بهینه ارائه می دهیم. به عنوان مثال، هایپریون با 220 باند (400 – 2500 نانومتر)، یکی از سه ابزار اصلی در فضاپیمای EO-1، دارای پهنای باند باریکی است و کل محدوده پروفایل های طیفی جمع آوری شده برای گونه های درخت داکوتای شمالی را پوشش می دهد. با قدرت تفکیک مکانی 30 متر، همچنان در شناسایی گونه ها در توده های متوسط ​​جنگل مفید است. Hyperion یک ماهواره وظیفه‌دار با گذرهای محدود بر روی داکوتای شمالی (7٪ از کل مساحت) است که استفاده از آن را به عنوان یک پلت‌فرم انتخابی برای نقشه‌برداری منابع جنگلی در سراسر ایالت محدود می‌کند.

کلید واژه ها

زاویه طیفی ، ماتریس همبستگی طیفی ، بازتاب برگ

1. مقدمه

دقت و ثبات بیشتر در نقشه برداری بازتاب و/یا درخشندگی برگ و تاج پوشش برای درک کامل ویژگی های محیطی یا بیوفیزیکی که ممکن است بر جنب و جوش یا پیری درختکاری حاکم باشد، ضروری است. تا به امروز پتانسیل کامل تجزیه و تحلیل داده های سنجش از دور برای فرآیندهای نظارت بر روی سطح زمین به دلیل محدودیت های حساسیت طیفی در پلت فرم های مداری در میان سایر عوامل ، هنوز به طور کامل استفاده نشده است [ 1 ]. در نتیجه، دینامیک جنگل و دیگر تجزیه و تحلیل‌های درختی که از طیف کامل طیفی (FR) تابش الکترومغناطیسی بهره می‌برند، مختل می‌شوند. علاوه بر این، مجموعه داده‌های تجاری موجود و آنهایی که در حوزه عمومی هستند دارای محدودیت‌های مکانی و زمانی هستند، به همین دلیل، یک پلت فرم مداری ایده‌آل ممکن است تحلیل محدودی از پویایی پوشش جنگل ارائه دهد.

نیاز فزاینده ای به درک الف) ترسیب کربن مرتبط با درختکاری وجود داشته است. و ب) تسلط منطقه ای یا جهانی CO ₂ و تأثیر آن بر موجودات بیوسفری [ 2 ] – [ 9 ]. در مرکز این مطالعات، شناسایی گونه ها و پیوندهای جداسازی C با تجزیه و تحلیل نرخ رشد حجمی و تفاوت های فیزیولوژیکی در جذب یا عملکرد C نهفته است. برای پرداختن به جداسازی C برای هر گونه درخت، محدودیت‌های طیفی نه تنها عواملی هستند که علاوه بر وضوح فضایی، بلکه ترکیب پیکسلی را نیز باید در نظر بگیریم. تعدادی از تکنیک های تجزیه و تحلیل تصویر وجود دارد که مشکلات اختلاط را در بر می گیرد که با ترکیب آنالیز مخلوط طیفی (SMA) [ 1 ] پیشنهاد شده است.] . SMA با تعیین اهداف مؤلفه‌ای که به بازتاب یا درخشندگی متوسط ​​کمک می‌کنند، به دنبال رسیدگی به بخش‌های زیرپیکسلی است. SMA همچنین به افزایش حساسیت طیفی با پهنای کامل باریکتر در نیمه حداکثر (FWHM) نیاز دارد، پارامتری که به تطبیق طیفی یک هدف با طیف های مجموعه کتابخانه کمک می کند. بهبود تکنیک های SMA همچنین می تواند به نوبه خود تفسیر و تولید انواع پوشش زمین را بسیار بهبود بخشد [ 10 ]. در SMA، طیف‌های تابشی بازتاب‌شده مخلوط‌هایی از طیف‌های «خالص» (اعضای انتهایی) هستند که می‌توانند با استفاده از طیف‌سنجی میدانی [ 11 ] تعیین شوند. بنابراین این استدلال چرخه ای بیشتر نشان می دهد که برای SMA موثر است. داشتن داده های درجا صحیح نیز عاقلانه است.

کرافت و همکاران، [ 12 ]، داده های بازتاب برگ را با استفاده از یک طیف رادیومتر ASD Fieldspec Pro (400 – 2500 نانومتر) برای بیش از 300 نمونه برگ جمع آوری کردند. از مطالعه خود، آنها دریافتند که سایبان های پهن برگ دارای شاخص Maccioni Macc01 [ 13 ] با عملکرد بالا هستند، که در آن بازتاب جهت در طول موج nnm وجود دارد. داده های طیفی از پلت فرم مداری MERIS (طیف سنج تصویربرداری با وضوح طیفی متوسط) به دست آمد. تیلور و همکاران، [ 14] از یک سیستم ASD Fieldspec Pro برای اندازه گیری بازتاب مطلق مواد گیاهی مورد نظر در شرایط آزمایشگاهی استاندارد و در مزرعه برای مشخص کردن علائم طیفی در زمستان، در طول شرایط برگ برای بیش از حد جنگل و در تابستان در شرایط پر برگ استفاده کرد. آنها دریافتند که برگ‌های چهار زیستگاه مختلف نشانه‌های طیفی مشابهی را در طیف مرئی (380 تا 700 نانومتر) با پیک مشخصه 5.6 تا 7.1 درصد بازتاب مطلق در 550 نانومتر و لبه قرمز تند در 700 نانومتر تولید می‌کنند. Le Maire و همکاران، [ 15 ] به دنبال شاخص های فراطیفی کارآمد برای پارامترهای ضروری اکوسیستم جنگل بودند، به عنوان مثال، محتوای کرولوفیل برگ خورشید جنگل (CHL، میکروگرم )، جرم برگ خورشید در هر منطقه (LMA، گرم _{ماده خشک})، شاخص سطح برگ تاج پوشش (LAI، ) و زیست توده تاج پوشش برگ ( _برگ B ، گرم _{ماده خشک} ). سپس این شاخص‌ها بر روی دو تصویر Hyperion (50 قطعه) در جنگل‌های فونتنبلو و فوژرس و اندازه‌گیری‌های طیف‌سنجی قابل حمل با برخی از شاخص‌ها که همبستگی نسبی بالایی را نشان می‌دهند، اعمال شد. Oumar et al., [ 16 ] طیف های میدانی را استخراج کردند که برای تشخیص آسیب Thaumastocoris peregrinus به حسگر Hyperion نمونه برداری شد. آنها در مطالعه خود اهمیت شاخص های نرمال شده و شاخص های طیفی محاسبه شده از باندهای مرئی و مادون قرمز نزدیک در داده های ابرطیفی را به عنوان اجزای کلیدی در ارزیابی آسیب T. peregrinus توضیح دادند. د بندتو و همکاران، [ 17] اولین مؤلفه های اصلی مربوط به پنج باند (سیستم های PC سبز، زرد، قرمز، قرمز، مادون قرمز نزدیک (NIR)) داده های بازتاب ابرطیفی را اعمال کرد. آنها احساس کردند که حسگرهای فراطیفی آموزنده ترین ویژگی های خاک و گیاه هستند. هدف اصلی این مطالعه دو مورد است، الف) ایجاد یک طرح شناسایی طیفی با استفاده از طیف‌سنج ASD FieldSpec® ^Pro که به عنوان یک مرحله ابتدایی در نقشه‌برداری هدف جنگل یا گونه‌های درختی عمل می‌کند، و ب) شناسایی پلتفرم‌های مداری که ممکن است داده‌های اولیه را ارائه دهند. کاربردهای مختلف جنگلداری

2. روش ها

2.1. کتابخانه طیفی

یک طیف رادیومتر ASD FieldSpec® ^Pro با مجموعه گیره برگ برای تولید کتابخانه طیفی استفاده شد. در محدوده طول موج مادون قرمز بسیار نزدیک (VNIR)، 350 تا 1000 نانومتر، یک آشکارساز جداگانه برای هر طول موج اندازه‌گیری شده، برای دریافت نور در پهنای باند 1.4 نانومتر قرار دارد. طیف سنج VNIR دارای وضوح طیفی تقریباً 3 نانومتر در حدود 700 نانومتر است. در محدوده طول موج مادون قرمز نزدیک (NIR)، 900 تا 2500 نانومتر، دو آشکارساز وجود دارد که در معرض طول موج های مختلف نور به عنوان یک گریتینگ نوسان می کند. اولین آشکارساز نور را بین 900 تا 1850 نانومتر اندازه گیری می کند. دومی منطقه 1700 – 2500 نانومتری را پوشش می دهد. وضوح طیفی در محدوده NIR بسته به زاویه اسکن در آن طول موج بین 10 تا 12 نانومتر متغیر است.

کتابخانه طیفی در طول سه هفته اول ژوئیه ساخته شد، که مصادف با برگ‌دهی بالغ و یک تاج پوشش کامل برای درختان و جنگل‌های داکوتای شمالی بود. نمونه‌های طیفی از پرستاری لینکلن اوکس، بیسمارک، که توسط انجمن مناطق حفاظت از خاک داکوتای شمالی و مهد کودک ایالتی تاونر، تاونر، که توسط خدمات جنگل داکوتای شمالی اداره می‌شود، به‌دست آمد ( شکل 1 ). طرح واره روش شناسی ما در شکل 2 نشان داده شده است . نمونه‌های تکراری در محل (زمانی که برگ‌ها به درخت متصل شدند) و در محل که برگ‌ها عمداً برای اندازه‌گیری تغییر در شاخص‌های طیفی تحت فشار قرار گرفتند، جمع‌آوری شدند. هر نمونه بود

حداقل چهار بار مختلف روی برگ های مختلف اسکن شده است که هر اسکن میانگین 25 قرائت آشکارساز است. نمونه ها در حوله های کاغذی پیچیده شدند، در کیسه های پلاستیکی نگهداری شدند و یک شب در یک خنک کننده نگهداری شدند. نمونه های ذخیره شده، روز بعد، حداقل هشت بار مختلف روی برگ های مختلف اسکن شدند. هیچ تفاوت قابل مشاهده ای بین پروفیل های طیفی گرفته شده از برگ های گیاه، بلافاصله از گیاه گرفته شده یا در طول شب ذخیره شده مشاهده نشد. کتابخانه طیفی تولید شده حاوی 963 پروفایل طیفی با توزیع نشان داده شده در جدول 1 است.

2.2. تجزیه و تحلیل تنوع کتابخانه طیفی

برای بررسی تغییرپذیری پروفایل های طیفی، زاویه طیفی (α) بین هر جفت پروفیل با استفاده از فرمول زیر محاسبه شد [ 18 ]:

(1)

که در آن t طیف آزمایشی و r یک طیف مرجع است. الگوریتم زاویه طیفی تفاوت های تجمعی در بازتاب بین طیف آزمایش و مرجع در هر طول موج موجود را اندازه گیری می کند. هرچه زاویه طیفی کوچکتر باشد، این دو طیف به هم نزدیکتر هستند.

2.3. ماتریس همبستگی طیفی

یک ماتریس همبستگی شبیه سازی شده برای تجزیه و تحلیل ویژگی های طیفی و در درجه اول آزمایش درجه ارتباط بین گونه های درختی به دست آمد. این کار با محاسبه زاویه طیفی بین نمونه ها و ایجاد یک زاویه طیفی ثابت (زاویه طیفی برابر با صفر) در امتداد قطر انجام شد زیرا قطر نشان دهنده تفاوت بین جفت های مشابه است. هدف اصلی ایجاد ارتباط بین جنس ها و گونه ها و کاهش داده های پرت یا ناهمزمان با اتخاذ یک تابع پارامتری قابل قبول بود. قابلیت اطمینان ماتریس همبستگی با ترکیب 25 تکرار از هر پروفایل طیفی نمونه در کل FR و پس از آن با استفاده از خوانش‌های تکراری برای کل 963 مجموعه از پروفایل‌های طیفی، بیشتر افزایش یافت.

3. نتایج و بحث

3.1. کتابخانه طیفی

هر نیمرخ طیفی در کتابخانه در امتداد محور x نشان داده شده و در پایین محور y تکرار می شود ( شکل 3 ). نتیجه این است که جفت های مورب دارای طیف آزمون و مرجع یکسان هستند، بنابراین زاویه طیفی محاسبه شده همیشه صفر است (با رنگ آبی تیره نشان داده می شود). زاویه طیفی در این کتابخانه از 0 تا 0.778462 بود. بزرگترین زوایای طیفی که عمدتاً بین برگهای مخروطی و برگریز رخ می دهد به رنگ قهوه ای مایل به قرمز نشان داده شده است. جعبه‌های بزرگ‌تر و برچسب‌گذاری‌شده در مورب، طیف‌هایی را مشخص می‌کنند که به برگ‌هایی از یک جنس تعلق دارند. جعبه‌های کوچک‌تر در محدوده‌های جنس، طیف‌هایی را مشخص می‌کنند که متعلق به یک گونه هستند.

شکل 4 شکل تعمیم یافته شکل 3 را نشان می دهد که با میانگین گیری مقادیر زاویه طیفی برای هر ترکیب زوج آزمون/ مرجع در یک جنس به دست آمده است. با این تکنیک تنوع در یک جنس و در میان مختلف

جنس ها را می توان راحت تر ارزیابی کرد. جدول 1 تغییر در زاویه طیفی را در بین پروفیل های یک جنس توضیح می دهد. جنس‌هایی مانند صنوبر (Populus)، خاکستر (Fraxinus) و Linden (Tilia) دارای زاویه طیفی متوسط ​​پایینی هستند که نشان می‌دهد یک درخت صنوبر، خاکستر یا لیندن بسیار شبیه به دیگری است. کاج ها (Pinus) زاویه طیفی بسیار بالاتری دارند. درختان سوزنی برگ، کاج، صنوبر و تا حدی ارس به راحتی از درختان برگریز و کمتر در بین خود قابل تشخیص هستند. جدول 1 با رنگ های نشان داده شده در شکل 4 کدگذاری شده است. کالیبراسیون های ابزار دقیق انجام شد، به عنوان مثال، بهینه سازی ابزار برای تنظیم حساسیت ابزار به طور خودکار برای هر اندازه گیری نمونه انجام شد. این یک گام ضروری برای اطمینان از این است که تغییر سطوح تابش چاه پایین باعث اشباع شدن آشکارسازهای ابزار نمی شود. جریان تاریک، مقدار جریان الکتریکی تولید شده توسط الکترون‌های درون دستگاه، با بهینه‌سازی دوره‌ای از پروفایل‌های پایه حذف شد. سپس پاسخ طیفی هدف (برگ ها) به طور خودکار با تقسیم پاسخ طیفی آن بر پاسخ نمونه مرجع (به عنوان مثال طیفی) محاسبه شد.

شکل 5 تغییر در زاویه طیفی را در جفت شدن جنس آزمون/مرجع نشان می دهد که معمولاً همانطور که توسط مقدار انحراف استاندارد نشان داده شده است، کم است. استثناهای قابل توجه سوزن های کاج (Pinus) و صنوبر (Picea) هستند که اسکن آنها با گیره برگ بسیار دشوار است، همانطور که انحراف استاندارد بزرگ نشان می دهد.

شکل 6 (الف) برای روشن کردن اسکنرهای مداری بهینه استفاده شد که تصاویر آنها بهترین طیف را ارائه می دهد.

وضوح. شکل 6 (الف) با میانگین کردن مقدار بازتاب برای هر پروفایل در یک جنس در هر طول موج ایجاد شد. تغییر در بازتاب در هر طول موج را می توان در تغییر رنگ بین جنس مشاهده کرد. مناطقی از طیف که دارای تنوع در میان جنس ها هستند، طول موج های مفیدی برای مهار اطلاعات بازتابی خواهند بود. سری لندست از تصویرسازهای مداری یک دستگاه تصویربرداری مداری پرکاربرد با سابقه قابل توجه است. فرکانس بازبینی نسبتاً بالا (16 روز) و منطقه بررسی بزرگ آن، با 185 کیلومتر، تصاویر لندست را به ابزارهای نقشه برداری جذاب تبدیل می کند [ 19 ]] . اشکالات تصاویر لندست برای نقشه برداری جنگل در داکوتای شمالی، وضوح فضایی نسبتاً درشت، پیکسل های لندست 30 متر 30 متر، و شکاف های بزرگ در اطلاعات طیفی و حساسیت گسترده آشکارسازها است. مستطیل های سیاه در شکل 6 (ب) محدوده طیفی باندهای +ETM Landsat را نشان می دهند. تغییر بین مقادیر بازتاب در هر جنس در باند لندست، زاویه طیفی را در زمانی که بین دو پیکسل نشان دهنده درختان روی زمین است، افزایش می دهد. دامنه حساسیت طول موج باندهای لندست، به ویژه در محدوده مادون قرمز به این معنی است که در یک نیمرخ طیفی، تغییر در بازتاب بین طول موج های مشابه زمانی که در تمام محدوده های طیفی در باند لندست به طور میانگین محاسبه شود، از بین می رود. شکل 6(ج) محدوده طیفی باندهای رادیومتر تابش و بازتاب حرارتی پیشرفته فضایی (ASTER) را نشان می دهد. تغییر در هر باند ASTER به مقدار α پایین کمک می کند (از معادله (1)). سنسور ASTER دارای نوارهای باریک در محدوده مادون قرمز، اما باندهای بسیار گسترده تر در باندهای مرئی و مادون قرمز نزدیک (NIR) است. وضوح فضایی حسگر ASTER بین 15 متر (مرئی و بسیار NIR) و 90 متر (NIR) متغیر است، بنابراین در حالی که باندهای NIR ممکن است برای شناسایی جنس ها و گونه ها قابل استفاده باشند. آنها در شناسایی بسیاری از مساحت های جنگلی کوچکتر داکوتای شمالی کاربرد محدودی خواهند داشت. شکل 6(د) محدوده طیفی باندهای تصویرساز زمین پیشرفته (ALI) EO-1 را نشان می دهد. برخلاف سنسور ASTER، حسگر ALI دارای پهنای باند باریک در محدوده نور مرئی است، اما پهنای باند بسیار گسترده‌تری در ناحیه مادون قرمز دارد. ترکیبی از باندهای ASTER NIR و باندهای طول موج مرئی ALI بهترین ترکیب طیفی را برای به حداکثر رساندن شناسایی درخت خاکستر ارائه می دهد. شکل 6(e) محدوده طیفی باندهای هایپریون EO-1 را نشان می دهد. 220 باند هایپریون باریک هستند و کل محدوده پروفیل های طیفی جمع آوری شده برای گونه های درخت ND را پوشش می دهند. با تفکیک مکانی 30 متر همچنان در شناسایی گونه ها در توده های متوسط ​​جنگل مفید است. Hyperion به وضوح قادر به تشخیص تغییرات موجود در کتابخانه طیفی توسعه یافته است. با این حال از آنجایی که ماهواره EO-1 یک ماهواره وظیفه‌دار با گذرهای محدود بر روی بخش‌های خاصی از زمین است و عرض سنسور هایپریون تنها 7.6 کیلومتر است، پوشش Hyperion در داکوتای شمالی تنها تقریباً 7 درصد است که کاربرد آن را به شدت کاهش می‌دهد.

3.2. برنامه های کاربردی: انتخاب مجموعه داده های آموزشی

هنگام استفاده از داده های سنجش از دور برای تعیین سطح پوشش زمین یا دسته بندی کاربری زمین، ارائه تخمینی از دقت داده ها نیز ضروری است. برای انجام این تخمین مجموعه داده های آموزشی استخراج شد که داده های روی زمین قبلاً برای آنها وجود داشت. تصاویری که حاوی نسبت بالایی از تاج درخت خاکستر و نسبت بالایی از سایر تاج‌های درختان احتمالی بودند به عنوان مجموعه داده‌های آموزشی پردازش شدند. داده‌های روی زمین از منابع مختلف از جمله بخش تفریحی و پارک‌های شهر فارگو به‌دست آمد. پایگاه داده پارک ها و جنگل های تفریحی به عنوان رکورد مدیریت درختان خیابان نگهداری می شود. سوابق شامل آدرس خیابان و جنس و گونه هر درخت است. پایگاه داده با استفاده از آدرس خیابان هر درخت کدگذاری شد و یک لایه داده نقطه ای به نام Fargo_Street_Trees به دست آمد. شکل 7(a) خلاصه ای از لایه داده Fargo_Street_Trees را نشان می دهد. شکل 7 (ب) الف را نشان می دهد

خلاصه لایه داده Fargo_Street_Trees_Fraxinus. درختان زبان گنجشک در سرتاسر شهرهای فارگو و غرب فارگو دیده می شوند، جایی که در نیم قرن گذشته به عنوان درختان جدید و جایگزین کاشته شده اند ( شکل 8 (الف)). جنس قابل توجه دیگری که به عنوان درختان خیابان فارگو وجود دارد اولموس است. بخش عمده ای از نارون ها در فارگو در حومه های قدیمی در اطراف مرکز شهر و به سمت شمال دیده می شوند ( شکل 8 (الف)). دسته سوم درختان در پایگاه داده یک جنس ثبت شده نداشتند. اینها بیشتر شبیه توزیع درختان خاکستر هستند تا سنجدها و احتمالاً درختان خاکستر یا سایر جنسها را به نسبتهای نشان داده شده در بقیه پایگاه داده نشان می دهند ( شکل 8 (الف)).

یک لایه داده (Fargo_Street_Trees_Fraxinus) حاوی مکان گونه های درختی Fraxinus در Fargo از لایه داده Fargo_Street_Trees، با انتخاب Fraxinus از جدول ویژگی جنس و صادر کردن ابزار انتخاب نقاط تراکم با پارامترهای ورودی برای: فیلد جمعیت تنظیم شده روی None، Output تولید شد. اندازه سلول روی 100 فوت، هندسه همسایگی روی دایره‌ای به شعاع 1000 فوت و واحدهای مساحتی هکتار انتخاب شده است. تراکم خاکستر به عنوان درصدی از تراکم کل درخت با تقسیم لایه شطرنجی Fargo_Street_Trees_Fraxinus_Density بر لایه شطرنجی Fargo_Street_Trees_Density با استفاده از ابزار ArcGIS ^® Spatial Analyst Raster Calculator برای به دست آوردن Pct_Fraxinus_Trees_Street محاسبه شد .(ب)). انتخاب نواحی حاوی نسبت‌های بالای تاج درختان خاکستر و نسبت‌های بالای تاج درختان دیگر با انتخاب مناطقی از رستر Fargo_Street_ Trees_Fraxinus_Density با مقادیر پیکسل بیشتر از 8.17 درخت در هکتار، مقداری که تقریباً یک درخت در هر بلوک شهری متوسط ​​است، به دست آمد. و مناطقی از رستر Pct_Fraxinus_Street_Trees با مقادیر پیکسل بین 0.3 تا 0.7، با استفاده از ابزار Spatial Analyst Raster Calculator. این به تفکیک مناطق بسیار جنگلی با درختان خاکستر کافی برای آموزش و تجزیه و تحلیل تمایز کمک می کند ( شکل 8(ب)). شطرنجی وزن‌دار با استفاده از ابزار Raster به Polygon به یک کلاس ویژگی چند ضلعی تبدیل شد و چند ضلعی‌هایی با چهار ناحیه بزرگ به عنوان فایل‌های شکل جداگانه صادر شدند. مختصات هر مرکز چند ضلعی تعیین شد. وسعت و مرکز هر یک از چهار شکل فایل به عنوان وسعت سطح پایه برای استخراج محدودیت های داده های آموزشی استفاده شد ( جدول 2 ). در این روش استقرایی، گستره های یک مجموعه داده آموزشی می تواند برای تشخیص بیشتر گونه های درختی مورد استفاده قرار گیرد.

4. نتیجه گیری

از این مطالعه، در صورت ارزیابی انواع جنگل‌های چند غالب و تعیین تسلط گونه‌ها به دلیل عوامل خارجی اجباری. تفکیک‌پذیری‌های طیفی و فضایی باید در بهینه مطلق باشند تا روابط مهم را از بین ببرند. در چنین سناریویی، یک تحلیلگر ممکن است بتواند با احتمال بیشتری حدس بزند که مثلاً یک نوع جنگل چگونه ممکن است با توجه به آب و هوا، حشرات و/یا بیماری ترانزیت کند. علاوه بر این، افزایش وضوح طیفی در یک پلت فرم مداری ممکن است یک بستر آزمایشی برای مطالعات مدل‌سازی با ترکیب اطلاعات زمانی فراهم کند. در حالی که محدودیت های مداری و زیر مداری وجود دارد، ارزیابی بهترین پلت فرم موجود برای روشن کردن گونه های جنگلی با حداقل خطا هنوز عاقلانه است.

منابع

[ 1 ]	Somers, B., Asner, GP, Tits, L., Coppin, P. (2011) Variability Endmember in Spectral Mixture Analysis: A Review. سنجش از دور محیط زیست، 115، 1603-1616. https://dx.doi.org/10.1016/j.rse.2011.03.003
[ 2 ]	Alongi، DM (2012) ترسیب کربن در جنگل های حرا. مدیریت کربن، 3، 313-322. https://dx.doi.org/10.4155/cmt.12.20
[ 3 ]	جونز، DA و اوهارا، KL (2012) تراکم کربن در غرفه های ساحلی مدیریت شده ردوود: پیامدهایی برای تخمین کربن جنگل. جنگلداری، 85، 99-110. https://dx.doi.org/10.1093/forestry/cpr063
[ 4 ]	Li, D., Niu, S. and Luo, Y. (2012) الگوهای جهانی دینامیک ذخایر کربن و نیتروژن خاک به دنبال جنگل کاری: یک متاآنالیز. گیاه شناس جدید، 195، 172-181. https://dx.doi.org/10.1111/j.1469-8137.2012.04150.x
[ 5 ]	Mohareb, E. and Kennedy, CG (2012) سینک های کربن مستقیم و تجسم یافته برای موجودی های شهری. مجله بوم شناسی صنعتی، 16، 302-316. https://dx.doi.org/10.1111/j.1530-9290.2011.00445.x
[ 6 ]	Oduor, PG, Kotchman, L., Nakamura, A., Jenkins, S. and Ale, G. (2012) دینامیک پوشش جنگلی با محدودیت فضایی با استفاده از فرآیندهای تصادفی مارکوین. سیاست و اقتصاد جنگل، 20، 36-48. https://dx.doi.org/10.1016/j.forpol.2012.02.005
[ 7 ]	Ramirez, KS, Craine, JM and Fierer, N. (2012) اثرات ثابت اصلاحات نیتروژن بر روی جوامع میکروبی خاک و فرآیندها در سراسر بیوم. زیست شناسی تغییر جهانی، 18، 1918-1927. https://dx.doi.org/10.1111/j.1365-2486.2012.02639.x
[ 8 ]	Stavi, I. (2012) استفاده بالقوه بیوچار در بازیابی مراتع تخریب شده. مجله برنامه ریزی و مدیریت محیط زیست، 55، 657-665. https://dx.doi.org/10.1080/09640568.2011.620333
[ 9 ]	Wiesmeier, M., Sporlein, P., Geusharp, U., Hangen, E., Haug, S., Reischl, A., Schilling, B., Lutzow, M. and Kogel-Knabner, I. (2012) خاک ذخایر کربن آلی در جنوب شرقی آلمان (باواریا) تحت تأثیر کاربری زمین، نوع خاک و عمق نمونه برداری. زیست شناسی تغییر جهانی، 18، 2233-2245. https://dx.doi.org/10.1111/j.1365-2486.2012.02699.x
[ 10 ]	Chen, X. and Vierling, L. (2006) تجزیه و تحلیل ترکیبی طیفی داده های فراطیفی به دست آمده با استفاده از یک بالون متصل شده. سنجش از دور محیط زیست، 103، 338-350. https://dx.doi.org/10.1016/j.rse.2005.05.023
[ 11 ]	Peddle, DR, Hall, FG and LeDrew, EF (1999) تجزیه و تحلیل مخلوط طیفی و مدل‌سازی بازتاب هندسی-اپتیکی ساختار بیوفیزیکی جنگل‌های شمالی. سنجش از دور محیط زیست، 67، 288-297. https://dx.doi.org/10.1016/S0034-4257(98)00090-X
[ 12 ]	Croft, H., Chen, JM and Zhang, Y. (2014) کاربرد شاخص های گیاهی تجربی برای تعیین محتوای کلروفیل برگ در ساختارهای مختلف برگ و تاج پوشش. پیچیدگی اکولوژیک، 17، 119-130. https://dx.doi.org/10.1016/j.ecocom.2013.11.005
[ 13 ]	Maccioni, A., Agati, G. and Mazzinghi, P. (2001) شاخص های گیاهی جدید برای اندازه گیری از راه دور کلروفیل ها بر اساس طیف بازتاب جهت برگ. مجله فتوشیمی و فوتوبیولوژی ب: زیست شناسی، 61، 52-61. https://dx.doi.org/10.1016/S1011-1344(01)00145-2
[ 14 ]	Taylor, SL, Hill, RA and Edwards, C. (2013) مشخص کردن امضاهای طیف غیربومی رودودندرون پونتیکوم مهاجم با طیف رادیومتری در آزمایشگاه و میدان: پتانسیل برای نقشه برداری از راه دور. ISPRS مجله فتوگرامتری و سنجش از دور، 81، 70-81. https://dx.doi.org/10.1016/j.isprsjprs.2013.04.003
[ 15 ]	LeMaire, G., Francois, C., Soudani, K., Berveiller, D., Pontailler, J., Bréda, N., Genet, H., Davi, H. and Dufrêne, E. (2008) Calibration and Validation شاخص های فراطیفی برای تخمین محتوای کلروفیل برگ جنگلی پهن برگ، جرم برگ در هر منطقه، شاخص سطح برگ و زیست توده تاج پوشش برگ. سنجش از دور محیط زیست، 112، 3846-3864. https://dx.doi.org/10.1016/j.rse.2008.06.005
[ 16 ]	Oumar, Z., Mutanga, O. and Ismail, R. (2013) پیش‌بینی آسیب Thaumastocoris peregrinus با استفاده از شاخص‌های نرمال شده باند باریک و شاخص‌های فراطیفی با استفاده از طیف‌های میدانی نمونه‌برداری مجدد به حسگر Hyperion. مجله بین المللی مشاهده کاربردی زمین و اطلاعات جغرافیایی، 21، 113-121. https://dx.doi.org/10.1016/j.jag.2012.08.006
[ 17 ]	De Benedetto, D., Castrignanò, A., Rinaldi, M., Ruggieri, S., Santoro, F., Figorito, B., Gualano, S., Diacono, M. and Tamborrino, R. (2013) یک رویکرد برای تعیین مناطق همگن با استفاده از داده های چند سنسوری. ژئودرما، 199، 117-127. https://dx.doi.org/10.1016/j.geoderma.2012.08.028
[ 18 ]	راهنمای کاربر Research Systems, Inc. (2003) Environment for Visualizing Images (ENVI). بولدر، 1084 ص.
[ 19 ]	کتاب راهنمای لندست. (2011). https://landsathandbook.gsfc.nasa.gov/