چکیده

در این مقاله روشی برای تعیین و ارزیابی تهدید زیرساخت های راه آهن از سقوط درختان ارائه شده است. هدف اصلی شناسایی درجه تهدید با توجه به سه پارامتر ارتفاع توده درختان، ترکیب گونه‌ها و سلامت پوشش گیاهی بود. شناسایی تهدید برای بخش‌های راه‌آهن منفرد، امکان ایجاد اقداماتی را فراهم می‌کند که می‌تواند ایمنی عملیاتی را افزایش دهد. ارزیابی باید در فواصل منظم برای ارزیابی سلامت پوشش گیاهی در فصول خاص انجام شود. بنابراین، ما استفاده از تصاویر ماهواره ای را برای ارائه منبع داده و به روز رسانی منظم داده ها توصیه می کنیم. مزیت بالقوه کاهش آسیب زیرساخت های راه آهن و افزایش جریان ترافیک، به ویژه در دوره های شرایط آب و هوایی استثنایی شامل باد شدید، یخبندان یا برف سنگین است. روش جدید ارائه شده در این مقاله، بر اساس داده‌های زیرساخت‌های راه‌آهن، قانون و سایر منابع داده در جمهوری چک، یک شاخص تهدید گیاهی برای راه‌آهن (VTIR) را تعیین می‌کند. ما منطقه لیبرک را به‌عنوان نمونه مورد مطالعه انتخاب کردیم، زیرا این منطقه پر درخت در اطراف خطوط راه‌آهن و بروز بالای تصادفات راه‌آهن است.

کلید واژه ها:

تجزیه و تحلیل شطرنجی ; راه آهن ; درخت ; آسیب ؛ داده های ماهواره ای ؛ سنجش از دور ؛ GIS ; NDVI

1. مقدمه

نظارت بدون تماس زیرساخت های راه آهن، که در معرض خطر است، موضوعی است که به سختی در جمهوری چک و در سراسر جهان مطالعه شده است. این واقعیت به احتمال زیاد به دلیل نیازهای نگهداری کم مناطق حفاظتی است که پوشش گیاهی کمی دارند و بنابراین خطر سقوط درختان کم است. با این حال، راه‌آهن چک غیرمعمول است، عمدتاً به دلیل توسعه تاریخی و تراکم شبکه نسبتاً بالا. آنها اغلب از مناطق پیچیده مورفولوژیکی عبور می کنند که در آن امکان حفظ یک منطقه حفاظتی کافی وجود ندارد. بنابراین، ترکیب مناسب مطالعات موجود از موضوعات فرعی برای ایجاد یک روش پیشنهادی ضروری است.
مطالعه حاضر از داده های ماهواره ای برای شناسایی تهدیدات خطوط راه آهن ناشی از پوشش گیاهی درختان استفاده می کند. از این اطلاعات، می توان تعمیر و نگهداری را به سمت مکان هایی که بیشتر در معرض تهدید هستند هدایت کرد و به حذف شرایط اضطراری احتمالی کمک کرد. قانون شماره 266/1994، قانون راه‌آهن جمهوری چک [ 1 ]، به یک منطقه حفاظتی 60 متری در اطراف راه‌آهن‌های منطقه‌ای نیاز دارد که از خط مرکزی لبه خط راه‌آهن و حداقل 30 متر از مرز امتداد می‌یابد. از محیط راه آهن برای کناره های راه آهن، این فاصله از خط مرکزی خط لبه به 30 متر کاهش می یابد. برای کناره های راه آهن واقع در مناطق بسته تعریف نشده است [ 2 ].
متأسفانه در برخی از مناطق، منطقه حائل به اندازه کافی مدیریت نمی شود، چه به دلیل نگهداری ناکافی و چه به دلیل اینکه شرایط طبیعی یا مالکیت اجازه آن را نمی دهد. به طور متوسط ​​سالانه 70 برخورد قطار با درخت سقوط کرده در مسیر رخ می دهد. به طور خاص، در سال 2016، 48 برخورد با خسارتی بالغ بر 5.6 میلیون کرون چک رخ داده است. در سال 2017، 80 برخورد قطار و خسارت مالی بیش از 6.6 میلیون کرون چک در نتیجه طوفان هروارت ثبت شد. تا سال 2017، اداره راه آهن موظف بود حداقل 15 روز قبل برای قطع درختان درخواست مجوز کند. اصلاحیه ای در قانون اکنون اجازه می دهد تا در مواردی که سلامت، جان یا دارایی در معرض خطر افتادن درخت قرار می گیرد، بلافاصله درختان را قطع کنند [ 3 ].
تلاش برای پیش‌بینی تهدیدات بالقوه و پیشگیری از حوادث جدید نیست. اولین مدل، به اصطلاح مدل دومینو، در سال 1930 توسط HW Heinrich ساخته شد. مفهوم اصلی آن فرض می‌کرد که تصادفات جزئی بدون آسیب قبل از هر حادثه جدی همراه با جراحت است. هاینریش این مطالعه را با بررسی شرایط اضطراری و جستجوی علل آنها انجام داد. او به این نتیجه رسید که بیشتر موقعیت ها از خطای انسانی سرچشمه می گیرد. او همچنین فهرستی از تعاملات انسان و فناوری که منجر به موقعیت‌های خطرناک می‌شود، تهیه کرد. این فهرست ابزاری را برای به حداقل رساندن یا حتی حذف این موقعیت ها [ 4 ] امکان پذیر می کند.
هزینه خسارت به زیرساخت های حمل و نقل در سراسر جهان بین 3.1 تریلیون دلار تا 22 تریلیون دلار در سال است. این هزینه ها بار قابل توجهی را بر بودجه های ملی تحمیل می کند و بنابراین عاقلانه است که در برابر و به حداقل رساندن پیامدهای احتمالی اضطراری طبیعی محافظت شود. برای این منظور، استفاده از مدل‌هایی که می‌توانند به شناسایی ریسک‌ها کمک کنند، مناسب است و بر اساس اطلاعاتی که ارائه می‌کنند، می‌توان اقداماتی را برای جلوگیری از آسیب‌های آتی اتخاذ کرد [ 5 ].
اهمیت کنترل پوشش گیاهی توسط پروژه های سازمان جهانی، اتحادیه بین المللی راه آهن (UIC) منعکس شده است. پروژه کنترل گیاهی و استفاده از علف کش ها (2017) نگهداری مناسب پوشش گیاهی را برای به حداقل رساندن اثرات زیست محیطی علف کش ها حل می کند [ 6 ]. پروژه TRISTRAM Transition Strategy در مدیریت پوشش گیاهی (2020) راه های مدیریت پوشش گیاهی را با توجه به قوانین و مقررات در سطوح مختلف حل می کند: اتحادیه اروپا، ملی، فدرال، منطقه ای (در صورت لزوم) و محلی [ 7 ].
ساختار مقاله به شرح زیر است. بخش 2 روش های موجود مرتبط با کار ارائه شده را به طور خلاصه شرح می دهد، از جمله ویژگی های گونه های درختی، آسیب ناشی از درختان افتاده ناشی از باد، و گزینه های موجود برای گرفتن داده ها در مورد پوشش گیاهی. بخش 3 داده های منبع دقیق مورد استفاده در این مطالعه را ارائه می دهد. بخش 4 روش جدید پیشنهادی برای محاسبه شاخص تهدید گیاهی برای راه آهن (VTIR) را تشریح می کند. نتایج استفاده از VTIR در مطالعه موردی منطقه لیبرک نشان داده شده است. در نهایت، بخش 5 و بخش 6 نتیجه گیری و بحث در مورد کار آینده است.

2. وضعیت هنر

در نظر گرفتن ترکیب گونه ای پوشش گیاهی درخت و وضعیت سلامت آن برای ارزیابی خطر سقوط درختان مهم است. ارائه شده در این فصل، تحقیقات انجام شده در مطالعات قبلی، اطلاعات تخصصی فراوانی را در مورد این موضوع برجسته می کند.

2.1. تأثیر ترکیب گونه ها بر درجه تهدید

ترکیب گونه‌های پوشش جنگلی تأثیر بسزایی در مقاومت آن در برابر تأثیرات طبیعی خارق‌العاده مانند بادهای شدید یا پوشش سنگین برف دارد. تعیین ترکیب ایده آل فرآیند بسیار دشواری است و به طور قابل توجهی تحت تأثیر اقتصاد قطع درختان است که منجر به کاشت فشرده صنوبر در گذشته حتی در مناطقی با شرایط نامناسب می شد. مقاومت در چنین رشدهایی را می توان کم ارزیابی کرد، اگرچه اگر شرایط ایستاده خوب تضمین شود، می تواند به طور قابل توجهی افزایش یابد [ 8 ].
با توجه به Vicena [ 9 ]، این واقعیت در طول تجزیه و تحلیل شکستگی در کوه های شوماوا در سال 1955 شناسایی شد، زمانی که یک منطقه درخت بادآور با حجم 42 متر مکعب در هکتار در مناطقی با صنوبر همگن ایجاد شد، در حالی که 48 متر مکعب در هکتار در مناطقی با صنوبرهای همگن ایجاد شد . در جنگل های مختلط حاوی راش، صنوبر و صنوبر ایجاد شد. پس از بررسی علت، یافته ها نشان داد که راش به طور قابل توجهی حاصلخیزی خاک را افزایش می دهد که منجر به درختان بلندتر و بزرگتر می شود و در نتیجه جنگل را در معرض وزش باد بیشتری قرار می دهد.
بررسی دیگری بین سال‌های 1995 و 1996 یخ روی زمین در ارتفاعات بوهمی-موراوی و کوه‌های اورلیکه را بررسی کرد. در توده‌های صنوبر مخلوط و صنوبر، زمین تا 79 درصد عمیق‌تر از جنگل‌های صنوبر همگن ثبت شد. این واقعیت را می توان به خواص مکانیکی-فیزیکی چوب صنوبر نسبت داد که دارای مقاومت فشاری و کششی 7 درصد، مقاومت خمشی 9 درصد و برشی 24 درصد نسبت به چوب صنوبر است. یک گروه گیاهی خاص کاج است. درختان جوان مقاومت کمتری نسبت به بزرگسالان نشان می دهند. با این حال، آنها به طور کلی تا 70٪ کمتر از صنوبر آسیب می بینند. مقاومت بیشتر نیز مشخصه کاج اروپایی است که خاصیت تقویتی نشان می دهد و مقاومت آن را حتی در نمایش جزئی در جنگل افزایش می دهد. در بررسی آماری پس از طوفان در کوه های بردی در سال 1990، آسیب شکستگی در توده‌های جنگلی که حاوی کاج اروپایی بود، 46 درصد کمتر از توده‌های صنوبر همگن بود. بررسی های تاریخی همچنین نشان می دهد که این درخت بومی در قلمرو چک است. یکی دیگر از گونه های مهم راش است. دارای عملکرد تقویت کننده برای شکستن باد، یخ و برف است. با این حال، این درخت نباید یک درخت سطح فرعی باشد و نسبت آن نباید کمتر از 40٪ [9 ].
مشاهدات منظم یک جنگل لیتوانیایی با فرهنگ صنوبر غالب نشان داد که درختان جوان تر با قطر تنه تا 25 سانتی متر تقریباً 5٪ آسیب باد را در یک دوره 5 ساله نشان می دهد. درختان با قطر بزرگتر خطر بیشتری برای متحمل شدن خسارت نشان دادند ( شکل 1 ). قطرهای بزرگتر را می توان به کاهش تدریجی انعطاف پذیری در چوب درخت نسبت داد [ 10 ].
با این حال، درجه خطر شکستگی را نمی توان تنها بر اساس ترکیب گونه در یک توده جنگلی تعیین کرد. ارزیابی سایر خصوصیات پوشش گیاهی مانند ارتفاع، ضخامت، سن، مساحت و غیره و همچنین تجزیه و تحلیل پارامترهای زمین، قرار گرفتن در معرض و کوه نگاری آن ضروری است.
توانکار و همکاران [ 11 ] تجزیه و تحلیلی از میزان آسیب به 140 هکتار از پوشش گیاهی جنگل توسط پوشش برف انجام داد. این منطقه به واحدهای کوچکتر 100 متر مربعی تقسیم شدو یک نمونه نماینده منتخب از غرفه در هر واحد مورد ارزیابی قرار گرفت. درجه آسیب بر اساس دسته بندی های زیر تعریف شد: درخت خمیده، درخت شکسته، درخت ریشه کن شده و تاج آسیب دیده. نتایج کار نشان داد که میزان خسارت ثبت شده بالاتر با افزایش ارتفاع ارتباط دارد. در این مورد، خسارت در ارتفاع 1250 متری از سطح دریا 30 درصد بیشتر از 800 متر از سطح دریا بود. همچنین در شیب های تندتر و در مناطقی با عمق خاک کمتر بود. جهت شیب نیز یک عامل بود، شمال شرقی و جنوب شرقی تقریباً نیمی از آسیب را در مقایسه با جنوب غربی و شمال غربی نشان می دهد. ارتفاع درخت نیز یک معیار مهم بود: با ارتفاع بیش از 15 متر، درختان آسیب قابل توجهی بیشتری نشان دادند. در مورد پوشش گیاهی با ارتفاع بیش از 20 متر، خسارت بیش از سه برابر بیشتر از پوشش گیاهی با ارتفاع تنها تا 10 متر بود. پوشش گیاهی برگریز در منطقه مورد بررسی غالب بود. گونه های غالب راش شرقی (14.3%)، ممرز (17.4%)، افرا مخملی (18.7%)، افرای کاپادوکیه (23.6%)، توسکا قفقازی (36%) و بلوط شاه بلوط (29.5%) بودند.
یکی دیگر از معیارهای مهم، یکپارچگی غرفه ها است. مناطق بدون درخت باعث افزایش قابل توجهی در خطرات ناشی از اختلالات جریان باد می شوند. مناطق بزرگتر از 0.2 هکتار این خطرات را تا 2.5 برابر افزایش دادند [ 9 ].
تحقیق چنگ و همکاران این موضوع را تحلیل کرد [ 12]. هدف اصلی این تحقیق ارزیابی مقاومت پوشش گیاهی نبود، بلکه پتانسیل آن در کاهش جریان باد بود. علاوه بر فاصله بین درختان، نویسندگان توزیع فضایی را نیز ارزیابی کردند. قرار دادن ردیف به عنوان کمتر موثر شناخته شد و قرار دادن تصادفی مناسب تر بود. قرارگیری تصادفی منجر به حذف مناطق طولانی می شود که باد هیچ مانعی ندارد و در نتیجه باعث اختلال یا کاهش سرعت نمی شود. ارزیابی فاصله بین درختان نشان داد که حفظ یک ترکیب متراکم تر از توده مفید بود. فاصله 0.4 متری بین درختان تقریباً سه برابر توانایی کاهش سرعت باد را در مقایسه با فاصله 1.2 متری نشان داد. همین ویژگی با تعداد ردیف‌های پوشش گیاهی نشان داده شد، پنج ردیف سه برابر توانایی یک ردیف را دارند.
برای تشخیص پوشش گیاهی درختان در مجاورت مسیرها، داده‌های LiDAR (تشخیص و محدوده نور) به‌دست‌آمده توسط دستگاه نصب‌شده بر روی خودرو بسیار مناسب به نظر می‌رسد. این روش به‌روزرسانی منظم شرایط محیط را با طبقه‌بندی خودکار پوشش گیاهی به دسته‌ها بر اساس ارتفاع و فاصله از زیرساخت امکان‌پذیر می‌سازد. نوو و همکاران [ 13 ] این روش را در قلمرو اسپانیا برای شناسایی مناطقی که خطر آتش سوزی دارند، به کار برد. بخش‌های پوشش گیاهی بر اساس ارتفاع به گروه‌هایی تقسیم شدند ( شکل 2).). حدود 5، 10، 15 و 30 متر از زیرساخت تعیین شد. یک مزیت بزرگ نسبت به تصاویر ماهواره ای توانایی تشخیص حتی درختان خود رشد است که به دلیل موقعیت محافظت نشده آنها می تواند خطر بیشتری نسبت به جنگل های انبوه داشته باشد. غرفه های شناسایی شده با توجه به ارتفاع ثبت شده مشاهده و کد رنگی شدند. علاوه بر شناسایی آسان مناطق با درختان بالغ که در نزدیکی زیرساخت رشد می کنند، این داده ها پتانسیل بالایی برای استفاده بیشتر در تجزیه و تحلیل های دقیق تر GIS (سیستم های اطلاعات جغرافیایی) ارائه می دهد.
پوشش گیاهی مجاور را نمی توان تنها به عنوان یک عنصر نامطلوب دید. وجود آن نیز می تواند تاثیر بسزایی در کاهش سرعت فرسایش خاک داشته باشد. به گفته مک ایچران و همکاران. [ 14 ]، یک شیب با پوشش گیاهی 50 درصد می تواند مقاومت خود را در برابر رانش زمین دو برابر کند. این واقعیت به ویژه در مناطق با شیب زیاد می تواند یک مزیت باشد. درختان بالغ همچنین برای قطارها سایه ایجاد می‌کنند و راحتی مسافران را افزایش می‌دهند، اگرچه با مدرن‌سازی تدریجی ناوگان وسایل نقلیه راه‌آهن و استقرار واحدهای تهویه مطبوع، اهمیت این مزیت کمتر شده است.
پوشش گیاهی همچنین می تواند از محیط زیست در برابر آلودگی اگزوز و به ویژه آلودگی صوتی ناشی از ترافیک قطار محافظت کند. این امر به ویژه در مناطقی که مسیرها از مناطق مسکونی عبور می کنند بسیار مهم است. سد درختی می تواند تضعیف قابل توجهی را ایجاد کند. میزان به مقدار پوشش گیاهی، ارتفاع و آرایش آن بستگی دارد. تراکم شاخ و برگ بیشتر نیز تأثیر مثبت و بزرگی دارد که می توان آن را با توجه به شاخص NDVI (شاخص تفاوت نرمال شده گیاهی) ارزیابی کرد [ 15 ]. معیار اصلی آن نوع پوشش گیاهی است. به عنوان مثال، چوب های نرم میرایی بیشتری نسبت به چوب های سخت ارائه می دهند [ 16 ].
پوشش گیاهی نزدیک زیرساخت نه تنها اثرات منفی دارد. خواص مثبت آن توسط Gellatley و همکاران مورد ارزیابی قرار گرفت. [ 17 ]، به ویژه در خاکریزهای شیب، تقویت ریشه ها و لنگر انداختن، تقویت خاک و اثرات تبخیر و تعرق، که منجر به افزایش پایداری شیب می شود. اثر تقویت ریشه در افزایش پایداری زمین شناسی اراضی و محافظت از جاده ها در برابر رانش زمین به طور مکرر مورد استفاده قرار می گیرد.
با این وجود، حذف آب از خاک می تواند منجر به حرکاتی شود که می تواند بر کیفیت زیرساخت های راه آهن تأثیر منفی بگذارد. با توجه به میزان آب مصرفی، درختان را می توان به گروه هایی تقسیم کرد که برای آنها لازم است حداقل فاصله مشخصی از راه آهن ایجاد شود. برای مصرف زیاد آب (بلوط، صنوبر، بید) 1.5 برابر قد آنها، برای مصرف متوسط ​​(خاکستر، آلبالو، صنوبر) 0.75 برابر و برای مصرف کم 0.5 برابر (توس، هالی) است [ 18 ]. دیویس و همکاران تاکید کرد که زیرساخت سبز برای انعطاف پذیری بیشتر شبکه حمل و نقل در برابر تغییرات آب و هوایی استفاده شده است [ 19 ].

2.2. سلامت جایگاه

به گفته چیس و همکاران. [ 20 ]، سلامت یک جنگل به طور قابل توجهی مقاومت آن را در برابر بادهای شدید افزایش می دهد. چوب سالم می تواند سرعت باد را تا سطح طوفان 30 متر بر ثانیه تحمل کند. اما اگر چوب دارای پوسیدگی باشد، استحکام آن کاهش می یابد. برای پوسیدگی سخت، میرایی حدود 20٪ است و پوسیدگی نرم ممکن است باعث کاهش 40 تا 100٪ شود. در حال حاضر، سلامت جنگل عمدتاً تحت تأثیر سطوح کم بارش است، شرایطی که منجر به کاهش مقاومت در برابر حمله ارگانیسم‌های مضر می‌شود.
سلامت پوشش گیاهی نتیجه چندین عامل فیزیکی است که از جمله مهمترین آنها می توان به میزان نور خورشید مورد نیاز برای فتوسنتز اشاره کرد. مقدار نور تابشی مستقیماً بر میزان زیست توده تولید شده تأثیر می گذارد. این پارامتر نه تنها بر اساس شرایط جوی بلکه بر تراکم پوشش گیاهی است که بر میزان سایه تولید شده تأثیر می گذارد. پارامتر دیگر میزان بارندگی است که کمبود آن باعث تنش آبی می شود. کیفیت خاک نیز عامل مهمی در این پدیده نامطلوب است، زیرا خاک مقدار زیادی از نزولات جوی را جذب و حفظ می کند و سپس رطوبت لازم را در طول فصل خشک برای گیاهان فراهم می کند تا بقای آنها را تضمین کند [ 20 ].
آخرین ویژگی مهم دما است. هر گیاه برای رشد مطلوب به محدوده خاصی نیاز دارد. در نتیجه افزایش متوسط ​​دما منجر به پژمردگی گونه های گیاهی در مناطقی می شود که قبلاً دارای شرایط ایده آل بودند. برخی از انواع پوشش گیاهی می توانند با مهاجرت آهسته به ارتفاعات با این توسعه سازگار شوند. یکی از عوامل مهم تولید شده از فعالیت های انجام شده توسط مردم کاهش کیفیت هوا است. هوا حاوی ترکیبات آسیب رسان به فلور، به ویژه در مناطق صنعتی است. مهم ترین آلودگی گوگرد است که باعث باران اسیدی می شود [ 20 ].
با این حال، تغییرات آب و هوایی تنها اثرات نامطلوبی ندارد. مطالعات علمی نشان داده است که غلظت های بالاتر CO 2 در هوا و زمستان های گرم تر برای برخی گونه های گیاهی مفید است. با این حال، دمای بالاتر ممکن است تعداد بالقوه گونه‌های آفت را افزایش دهد که می‌تواند سلامت گیاه را در معرض خطر قرار دهد [ 21 ]. ساختمان‌ها، پل‌ها، راه‌راه‌ها یا سایر موانع مصنوعی اثرات مثبت محافظت در برابر باد برای پوشش گیاهی و راه‌آهن دارند.

2.3. استفاده از سنجش از دور زمین برای نظارت بر وضعیت پوشش گیاهی

برای تعیین سلامت توده های جنگلی می توان از تصاویر ماهواره ای استفاده کرد. این تصاویر به عنوان داده های ورودی برای محاسبه شاخص های پوشش گیاهی عمل می کنند. شاخص ها بر اساس رفتار طیفی پوشش گیاهی هستند که با کاهش قابل توجه بازتاب در طول موج های نزدیک به باند تابش مادون قرمز مشخص می شود. این تظاهرات عمدتاً توسط کلروفیل ایجاد می شود. همچنین تحت تأثیر ساختار سلولی گیاهان است که بین گونه ها متفاوت است و به ما امکان می دهد آنها را از یکدیگر متمایز کنیم. رفتار طیفی در طول فصل رشد متفاوت است و می تواند به طور قابل توجهی تحت تأثیر سلامت گیاه قرار گیرد. در مطالعه حاضر، برای ارزیابی سلامت توده‌های جنگلی، ما یک شاخص گیاهی متمایز نرمال شده (NDVI) را انتخاب کردیم که نسبت نرمال شده بازتاب سطح را در رنگ قرمز مشخص می‌کند (RED, 600-700 نانومتر) و بخش های مادون قرمز نزدیک (NIR 700-900 نانومتر) از طیف. با توجه به این اطلاعات، ما توانستیم میزان زیست توده را در هر پیکسل از تصویر مشخص کنیم.
شاخص NDVI یکی از پرکاربردترین روش‌های ارزیابی وضعیت پوشش گیاهی است. پایش طولانی مدت یک منطقه امکان شناسایی فرآیندهای جنگلی را فراهم می کند که منعکس کننده اثرات تغییرات آب و هوا و تفاوت در کل بارش است. مقادیر شاخص از -1 تا 1 متغیر است و پوشش گیاهی در محدوده 0.1 تا 1 است. محدوده منفی شامل مناطق آبی است. نواحی نزدیک به صفر دارای بازتابی مشابه در بخش‌های قرمز و نزدیک به فروسرخ طیف هستند و بنابراین مناطقی را نشان می‌دهند که پوشش گیاهی ندارند. مناطق نزدیک به 1 نشان دهنده شدت پوشش گیاهی یا سطح بالای مناطق سبز است. بسیاری از مقالات علمی از شاخص NDVI برای ارزیابی اثر تغییر در کل بارش استفاده می کنند که یکی از مهم ترین عوامل اقلیمی است که مستقیماً بر وضعیت گیاهان تأثیر می گذارد. علاوه بر مقایسه سال به سال، می توانیم تظاهرات فصلی را نیز مشاهده کنیم. اینها می توانند یک ویژگی پیش بینی کننده برای تحولات آینده داشته باشند [22 ].
تجزیه و تحلیل میزان همبستگی بین توسعه NDVI و میزان بارندگی نتیجه متوسط ​​60٪ را نشان داد. این مقدار بر اساس پایش میزان بارندگی در قلمرو چین در یک دوره 16 ساله تعیین شد. کمترین شباهت در سالهای بارندگی کمتر از حد متوسط ​​ثبت شد. این را می توان به توانایی گیاهان برای سازگاری با تغییرات در چنین دوره ای نسبت داد [ 23 ].
تسفای و بیدار [ 24] تناسب کاربرد شاخص NDVI را بر سایر شاخص‌ها بررسی کرد. نویسندگان این را با استفاده از داده‌های Sentinel-2 محاسبه کردند و توسعه در طول یک سال را با شاخص سطح برگ مقایسه کردند. آنها در کار خود به مضرات شاخص NDVI اشاره می کنند که در حداکثر مقادیر، یعنی زمانی که گیاهان دارای بیشترین مقدار زیست توده هستند، نوسان جزئی در مقدار خود نشان می دهد. این را می توان به این واقعیت نسبت داد که اگرچه برگها حداکثر مقدار تابش قرمز را جذب می کنند، ساختارهای برگ تا حدی تابش مادون قرمز نزدیک را به محیط اطراف پراکنده می کنند. این اثر می تواند منجر به دست کم گرفتن وضعیت پوشش گیاهی شود. نتایج کار اما نشان داد که ضریب تعیین به مقدار 0.98 رسیده و در نتیجه وابستگی بسیار قوی را بیان می کند. از سال 1384 تا 1395 گودرزی و همکاران. [ 25] 11 شاخص پوشش گیاهی یک منطقه جنگلی منتخب را ارزیابی کرد. نویسندگان تلاش کردند تا یک همبستگی را بر اساس ضریب کاپا کوهن بین مقادیر شاخص‌ها و میانگین بارش و توسعه دما شناسایی کنند. بیشترین همبستگی با تغییرات بارندگی در شاخص OSAVI (شاخص گیاهی بهینه خاک تعدیل شده) با مقدار 80 درصد ثبت شد. بیشترین همبستگی با دما در شاخص MNDWI (Modification of Normalized Difference Water Index) با مقدار 75 درصد ثبت شد.
برای ارزیابی عینی تر وضعیت پوشش گیاهی، لازم است با داده های دوره طولانی تری کار کرد. این امکان را برای شناسایی روند پژمردگی، رکود یا توسعه مثبت غرفه فراهم می کند. برای صحت نتیجه، لازم است در هر سال، چندین دوره که تصویربرداری در آن انجام شده است، تعریف شود. اگر داده‌ها فقط از یک دوره زمانی در هر سال انتخاب شوند، نتیجه می‌تواند تحت تأثیر یک آب و هوای غیرعادی باشد که می‌تواند باعث تسریع یا کند شدن مرحله پوشش گیاهی شود [ 26 ].
در مورد محاسبه شاخص با استفاده از تصاویر ماهواره‌ای، می‌توان وضعیت سلامت را حتی در مناطقی که دسترسی به آنها دشوار یا غیرقابل دسترس است، با هزینه منابع نسبتاً ناچیز تعیین کرد. نقطه ضعف استفاده از این داده ها وضوح فضایی کمتر آنهاست. با این حال، استفاده از آنها فقط می تواند برای ارزیابی کلی یک منطقه بزرگ به عنوان مبنایی برای مشخص کردن مناطق مشکل دار با یک فرآیند شناسایی شده هدر رفتن استفاده شود. سپس می توان با استفاده از یک هواپیمای بدون سرنشین یا هواپیما با جزئیات بیشتری از آنها عکس گرفت [ 27 ، 28 ، 29 ].
این شاخص همچنین می تواند درختان بادگیر ناشی از رویدادهای خارق العاده را در هنگام ارزیابی دو دوره نزدیک شناسایی کند. بر اساس مقایسه آنها، می توان تفاوت های قابل توجهی را شناسایی کرد که ممکن است منعکس کننده وسعت آسیب باشد. این منبع می تواند به سرعت داده هایی را برای تجزیه و تحلیل مناطق بزرگ ارائه دهد [ 30 ]. می توان از داده هایی استفاده کرد که بازتاب را در طیف های قرمز و مادون قرمز برای تعیین شاخص پوشش گیاهی ثبت می کند. برای مناطق بزرگ، به عنوان مناسب ترین حامل قرار داده شده بر روی ماهواره ارائه می شود. این می تواند مناطق بزرگ را در فواصل منظم اسکن کند. با این حال، بسته به وضعیت ابرها، این داده ها دارای معایبی در وضوح فضایی و کیفیت تصویر پایین تر هستند.
منبع داده‌های باکیفیت که در حال حاضر آزادانه در دسترس است، از برنامه Sentinel-2 آژانس فضایی اروپا می‌آید. این ماهواره در سال 2015 پرتاب شد و در حال حاضر شامل دو ماهواره است که سطح زمین را در 5 روز تناوب و 13 قسمت از باند طیفی اسکن می کنند. وضوح فضایی منطقه اسکن شده 10 متر است. هنگام استفاده از این داده ها، اصلاح ابرها و سایه هایی که روی سطح زمین ایجاد می کند، ضروری است. اگر آنها حذف نشوند، نتایج به طور قابل توجهی کاهش می یابد [ 31 ].
فقدان داده های بدون ابر برای منطقه ارزیابی شده را می توان با ترکیب منابع متعدد حل کرد. با این حال، محاسبه رابطه تبدیل بین آنها با استفاده از معادلات تبدیل ضروری است. این امر عمدتاً به دلیل تنظیمات و دقت متفاوت سنسورها ضروری است. به عنوان مثال، تصاویر Landsat ضریب همبستگی 0.9 را با سیستم Huang-Jing 1 چینی نشان دادند [ 32 ].
در تجزیه و تحلیل سری های زمانی شاخص های گیاهی، می توان نه تنها توسعه پوشش گیاهی، بلکه تخریب آن را نیز شناسایی کرد. این اهداف، به عنوان مثال، در ارزیابی تأثیر فعالیت های انسانی بر چشم انداز مناسب به نظر می رسد. اینها ممکن است شامل استخراج سطحی مواد معدنی، الوار، ساخت شهرک ها و غیره باشد. برای این نیازها می توان از طبقه بندی نظارتی استفاده کرد که در آن مناطق آموزشی در منطقه پوشش گیاهی سالم و ویران شده ایجاد می شود. پس از آن، می توان میزان آسیب را تشخیص داد. پس از تکمیل فرآیندهای مخرب، می توان از این روش ها برای نظارت بر تجدید تدریجی پوشش گیاهی نیز استفاده کرد که طی آن مقادیر شاخص های پوشش گیاهی افزایش می یابد [ 32 ].
داده های Sentinel-2 در حال حاضر توسط موسسه مدیریت جنگل (FMI) که مدیر ملی جنگلداری و شکار چک است، استفاده می شود. کل روش ارزیابی بر اساس مقایسه داده‌های ماهواره‌ای با بررسی زمینی گردآوری شد که طی آن شاخص سطح برگ با توجه به عکس‌های نیمکره تعیین شد. وضوح فضایی 20 متر بر پیکسل در تصاویر ماهواره ای (مرتبط با مساحت 0.04 هکتار) برای نظارت بر وضعیت یک توده جنگلی مناسب است زیرا میانگین مساحت یک واحد جنگلی در جمهوری چک 0.5 هکتار است. با این حال، ارزیابی شرایط در فاز فنولوژیکی مناسب ضروری است. وضوح طیفی در طیف مرئی و مادون قرمز وضعیت ویژگی های کلیدی در پوشش گیاهی را منعکس می کند: زیست توده برگ،33 ].
اسکن دقیق کوه های شوماوا با استفاده از پهپاد برای ارزیابی سلامت گیاهان چوبی توسط Minařík و Langhammer [ 34 ] در جمهوری چک انجام شد. این پهپاد مجهز به حسگرهای چندطیفی بود که بازتاب سطح را در باندهای جداگانه ثبت می کرد. برای تعیین سلامت توده جنگلی از چندین شاخص پوشش گیاهی استفاده شد. سپس مقادیر آنها به فواصل زمانی تقسیم شد که نشان دهنده پوشش گیاهی سالم، مرده یا در حال بازسازی بود. سپس نتایج با شرایط واقعی مقایسه شد. شاخص NDVI بهینه ترین ویژگی ها را برای شناسایی طبقات فردی نشان داد.
هوربینگر و همکاران خطر راهروهای راه آهن را توسط پوشش گیاهی چوبی مجاور در اتریش ارزیابی کرد [ 35]. ارزیابی آنها در 27 کیلومتر مسیر عبور از دره آلپاین راین نشان داده شد. شاخص خطر پوشش گیاهی بر اساس داده‌های اسکن لیزری هوایی و عکس‌های ارتوفتویی بود. پارامترهای اصلی برای تعیین درجه تهدید ارتفاع جایگاه، فاصله از مسیر و ویژگی‌های هندسی مانند شیب زمین مجاور بود. ترکیب آنها درختانی را شناسایی کرد که می توانند در صورت سقوط بر زیرساخت ها تأثیر بگذارند. دو سال در سال‌های 2012 و 2017 مورد ارزیابی قرار گرفت. در سال اول، خطر 9.8 درصد سطح پوشش گیاهی و در سال دوم 11.1 درصد بود. نتایج نشان می دهد که نظارت منظم بر وضعیت موجود ضروری است زیرا پویایی بالایی را نشان می دهد. گرفتن داده ها توسط اسکن لیزری هوایی به عنوان جمع آوری گاه به گاه داده ها برای مناطق کوچک انتخاب شده تحقق می یابد.36 ].

3. مواد و داده های ورودی برای تجزیه و تحلیل

مطالعه حاضر از داده‌های ترکیب گونه‌های جنگلی و ارتفاع متوسط ​​جنگل ارائه شده توسط موسسه مدیریت جنگل جمهوری چک (FMI) استفاده می‌کند [ 37 ، 38 ]. مسیرهای زیرساختی راه آهن از اداره راه آهن [ 39 ] به دست آمد. سلامت پوشش گیاهی بر اساس تصاویر ماهواره ای Sentinel-2 مورد ارزیابی قرار گرفت. شرح مختصری از داده های منبع برای مطالعه موردی ارائه شده در جمهوری چک در زیر آمده است. مراحل دقیق پردازش در بخش 4 توضیح داده شده است.

3.1. ترکیب گونه های جنگلی و ارتفاع توده های جنگلی

موسسه مدیریت جنگل یک طبقه بندی کامل از ترکیب گونه های جنگلی را برای کل جمهوری چک پردازش کرد. منبع اصلی طبقه بندی داده های ماهواره ای LANDSAT-7 بود. گونه ها با توجه به ویژگی های طیفی مختلف شناسایی شدند. به طور خاص، دسته بندی های زیر از ترکیب گونه های جنگلی تعریف شد: صنوبر، کاج، راش، بلوط، سایر درختان پهن برگ، فرهنگ (درختان جوان با ارتفاع کمتر از 1.3 متر)، کاج موگو، سایر (مخلوط درختان) و قطع درختان یا پاکسازی جنگل) [ 37 ]. وضوح مکانی داده ها 10 متر است. شکل 3 نمونه ای از دسته بندی گونه های شناسایی شده از تصاویر ماهواره ای را نشان می دهد. برای تحقیق حاضر، مجموعه داده های شطرنجی طبقه بندی شده را از FMI درخواست کردیم.
FMI همچنین داده های شطرنجی در مورد ارتفاع درختان جنگل را پردازش کرده است. داده ها با ترکیب یک مدل زمین دیجیتال با داده های مدل تسکین دیجیتال ایجاد شدند. از این اطلاعات، میانگین ارتفاع توده‌های جنگلی بر حسب پیکسل مشخص شد. وضوح مکانی داده ها 2 متر است [ 38 ]. شکل 4 نمونه ای از این داده ها را نشان می دهد. برای پردازش ما، داده ها از وضوح 2 متر به وضوح 10 متر مجدداً محاسبه شدند و میانگین مقدار ارتفاع اختصاص داده شد. برای تحقیق حاضر، ما نتایج مجموعه داده شطرنجی را از FMI درخواست کردیم.

3.2. تصاویر ماهواره ای Sentinel-2

ما سلامت پوشش گیاهی اطراف زیرساخت های راه آهن را با استفاده از تصاویر ماهواره ای Sentinel-2 ارزیابی کردیم. زمان گردش این ماهواره های آژانس فضایی اروپا 5 روز است. وضوح فضایی تصاویر 10 و 20 متر است [ 40 ]. ما تصاویری با حداقل پوشش ابری از سال 2017 و 2018 با وضوح 20 متر انتخاب و پردازش کردیم. تصاویر قبلاً دارای اصلاحات جوی هستند که توسط ارائه دهنده اعمال شده است. اثر ابر کم در تصاویر با لایه‌هایی حذف شد که نواحی تحت تأثیر آنها را پوشانده بود. سه دوره از هر سال برای افزایش عینیت نتایج و کاهش اثرات شرایط آب و هوایی خارق‌العاده که بر چرخه پوشش گیاهی تأثیر می‌گذارد، مقایسه شد. داده ها از وضوح 20 متر تا 10 متر برای مطابقت با سایر منابع داده نمونه گیری شدند.

3.3. زیرساخت های راه آهن و سوابق سوانح

داده های برداری از اداره راه آهن در مورد زیرساخت های راه آهن استفاده شد. داده های برداری بر اساس اندازه گیری های دقیق ژئودتیکی هستند و متعاقباً برای استفاده داخلی در پروژه های مختلف FMI تعمیم داده می شوند. سطح تعمیم نیز برای این مطالعه موردی مناسب است. شکل 5 مطابقت خطوط برداری را با تصویر ماهواره ای نشان می دهد.
FMI داده های مربوط به سوانح راه آهن و هر رویداد خارق العاده دیگری را در زیرساخت های راه آهن در جمهوری چک ثبت می کند. داده ها شامل شرحی از مکان، علل، پیامدها و راه حل حوادث به همراه سایر اطلاعات است. موقعیت ها به صورت شناسه مسیر و تعریف، مقطع و هکتومتر متأسفانه در هر رکورد یکسان ثبت نمی شوند. این اطلاعات فقط به بخش هایی اختصاص داده می شود که با دو ایستگاه ترمینال راه آهن مشخص شده اند. طول این بخش ها از صد متر تا چند کیلومتر متغیر است. در نتیجه تعیین مکان دقیق تصادفات امکان پذیر نیست. فقط رویدادهای خارق العاده در راه آهن حاوی این اطلاعات دقیق است.
با این وجود، ما توانستیم به طور تقریبی مکان های در معرض تهدید شناسایی شده در مطالعه خود را با تعداد واقعی تصادفات مقایسه کنیم، اگرچه مقایسه قابل اعتماد نیست. تعداد تصادفات و مکان آنها در امتداد بخش راه آهن که در آن رخ داده است در نقشه در شکل 6 نشان داده شده است.

3.4. لایه برداری جنگل ها در جمهوری چک

لایه داده جنگل از مجموعه داده Data50 – مدل جغرافیایی دیجیتال قلمرو جمهوری چک تولید شد. Data50 از یک پایگاه داده نقشه برداری برای نقشه پایه CR در مقیاس 1:50000 استخراج شد. اداره دولتی نقشه برداری زمین و کاداستر داده ها را تولید می کند و به طور منظم به روز رسانی می کند. Data50 متعلق به Open Data [ 41 ] است. لایه برداری توده های جنگلی بخشی از لایه موضوعی گیاهی و سطوح برهنه را در مقیاس 1:50000 تشکیل می دهد. این لایه فقط برای تأیید مکان های صحیح توده های جنگلی استفاده شد.

4. VTIR و مطالعه موردی منطقه لیبرک

ما یک منطقه مورد علاقه را به عنوان مطالعه موردی برای ارزیابی سطح تهدید آن انتخاب کردیم، اما فقط یک منطقه، نه کل قلمرو جمهوری چک. یک منطقه به تنهایی دارای پیچیدگی محاسباتی کافی برای محاسبه سطح تهدید است. با این حال، بر اساس یافته های ما و روش تدوین شده، ارزیابی مناطق بزرگتر و در نتیجه کل کشور امکان پذیر خواهد بود. منطقه لیبرک به عنوان منطقه مناسب عمدتاً به این دلیل انتخاب شد که در منطقه کوهستانی جمهوری چک واقع شده است، که دارای رخداد قابل توجهی از توده های جنگلی موجود در نزدیکی زیرساخت های راه آهن است ( شکل 7 ).
برخی از ویژگی های منطقه در جدول 1 آورده شده است. داده‌های کنونی بسیاری از رویدادهای خارق‌العاده‌ای را که در زیرساخت‌های راه‌آهن شامل درختان افتاده است ثبت می‌کند و به ما اجازه می‌دهد تا درجه تهدید از نظر تئوری تعیین شده را با وقوع واقعی تصادفات مقایسه کنیم.
اولین گام، تهیه داده‌های مطالعه موردی بود که نشان‌دهنده مناطقی بود که زیرساخت‌های راه آهن را با سقوط درختان تهدید می‌کردند. به طور خاص، این مستلزم تبدیل داده های شطرنجی به یک سیستم مختصات یکپارچه WGS-84 بود. انتخاب این سیستم مختصات بر اساس بیشترین وقوع داده های ورودی بود.

4.1. طبقه بندی مجدد ترکیب گونه های جنگلی

یک مرحله مهم، طبقه‌بندی مجدد شطرنجی منبع با ترکیب گونه‌های جنگلی بود (شرح شده در بخش 3.1 ). وزن گونه ها با توجه به درجه تهدید مورد انتظار از باد شدید و برف تعیین شد. مقادیر آنها با توجه به مطالعات جنگلداری قبلاً منتشر شده تعیین شد. گونه‌های مخروطی که به دلیل سیستم ریشه‌ای کم‌عمق‌تر، درجه تهدید بالاتری برای آنها انتظار می‌رود، با وزن‌های بیشتری ارزیابی شدند. هیچ تهدیدی برای کاج موگو، قطع درختان و کشت (که شامل پوشش گیاهی در محدوده 0.6 تا 1.3 متر ارتفاع است) انتظار نمی رفت [ 8 ]. ترکیب گونه ها با وزن های تعیین شده در جدول 2 فهرست شده است. شکل 8شطرنجی طبقه بندی شده برای منطقه لیبرک را بر اساس وزن نشان می دهد.

4.2. میانگین ارتفاع توده های جنگلی

داده های حاوی میانگین ارتفاع پوشش گیاهی شامل دو مجموعه داده شطرنجی بود که هر کدام نیمی از قلمرو جمهوری چک را پوشش می دادند. این فرم مطابق با روش اسکن است که در آن دقیقاً نیمی از مساحت آن سالانه بررسی می شود. هیچ تنظیمی برای این داده ها توسط FMI انجام نشد زیرا ارتفاع پوشش گیاهی در نزدیکی زیرساخت راه آهن تأثیر قابل توجهی بر سطح تهدید آن دارد. ارتفاع به طور مستقیم وزن ها را در محاسبه نهایی شطرنجی برای سطح تهدید نشان می دهد. شطرنجی ارتفاع توده های جنگلی در شکل 9 نشان داده شده است .

4.3. ارزیابی سلامت پوشش گیاهی جنگل

پژمردگی پوشش گیاهی در توده عمدتاً به دلیل تخریب سیستم تنه و ریشه می تواند به طور قابل توجهی بر مقاومت آن در برابر اثرات خارجی تأثیر بگذارد. داده های سلامت جنگل برای کل قلمرو منطقه لیبرک جمع آوری شد. با این حال، برای توصیف دقیق در این مقاله، تنها یک منطقه کوچکتر تعریف شده است که شامل بخش عمده ای از مسیر راه آهن منتهی به توده های جنگلی است. نقشه ارتوفوتوی فعلی ( شکل 5 ) و لایه برداری از مدل جغرافیایی دیجیتال جمهوری چک-داده 50 برای تأیید اینکه آیا پوشش گیاهی واقعاً در منطقه وجود دارد استفاده شد [ 41 ].
ابتدا داده های ماهواره Sentinel-2 را برای منطقه لیبرک دانلود کردیم. این داده‌ها حاوی کاشی‌های T33UVS و T33UWS بودند و تصاویر حاوی هیچ ابر بلندی نبودند و سه دوره تعریف‌شده را نشان می‌دادند، یعنی می، جولای و سپتامبر در سال‌های 2017 و 2018. تصاویر با استفاده از لایه‌های برداری توزیع شده با تصاویر، بیشتر با پوشش پردازش شدند. متعاقباً نقشه‌هایی را در قسمت‌های قرمز (Sentinel-2A 664.6 نانومتر، Sentinel-2B 664.9 نانومتر) و نزدیک مادون قرمز (Sentinel-2A 704.1 نانومتر، Sentinel-2B 703.8 نانومتر) از کل طیف جمع‌آوری کردیم. تفکیک مکانی نهایی آنها 20 متر [ 43 ] بود.

در مرحله بعد با استفاده از رابطه (1) شاخص های NDVI را از این موزاییک ها محاسبه کردیم. شاخص‌ها با نسبت نرمال شده بازتاب سطحی در قسمت‌های قرمز ( قرمز 600-700 نانومتر) و نزدیک به مادون قرمز ( NIR 700-900 نانومتر) طیف مطابقت دارند. از مقدار شاخص، می توان مقدار زیست توده را در پیکسل های جداگانه تصویر تعیین کرد.

نDVمن = نمنآر – آرEDنمنآر + آرED

که در آن NDVI شاخص گیاهی تفاوت نرمال شده است. NIR مقدار بازتاب مادون قرمز نزدیک و RED مقدار بازتاب قرمز است.

مناطق نقابدار که در محاسبه لحاظ نشده بودند نیز ثبت شدند. برای به دست آوردن اطلاعات در مورد توسعه سال به سال، یک عملیات شطرنجی انجام دادیم که در آن مقدار پیکسل مربوط به سال قبل، یعنی 2017، از مقدار پیکسل برای سال 2018 کم شد. این محاسبه برای جفت نقشه های سه تایی تکرار شد. دوره ها: بهار (مه)، تابستان (ژوئن / ژوئیه) و اواخر تابستان / پاییز (آگوست / سپتامبر). تغییر در شاخص نشان دهنده رشد سال به سال ارزش برای هر یک از سه فصل است. مقایسه سه عصاره برای سه دوره در شکل 10 a-c نشان داده شده است. جفت های داده شطرنجی وقت شناس ذکر شده است. انتخاب بر اساس یافتن رسترهای متناظر از دوره قابل مقایسه با حداقل پوشش ابر بود.
ارزیابی تغییر NDVI ارائه شده در هر دوره باید هر گونه بارش مرتبط را در نظر بگیرد. مجموع بارندگی درازمدت برای دوره 1981 تا 2010 در منطقه لیبرک 890 میلی متر است. در سال 2017، این مقدار به 945 میلی‌متر رسید [ 44 ] که نشان‌دهنده میزان بارش کمی بالاتر از میانگین است. سال بعد، 2018، کاهش قابل توجهی در بارندگی نشان داد و در مجموع 560 میلی متر [ 44 ]، یعنی 63 درصد از میانگین بارندگی بلند مدت را به ثبت رساند. جدول 3 ارقام بارش برای سال های 2017 و 2018 و بارش نرمال دراز مدت N برای آن منطقه را فهرست می کند.
در مقایسه سال به سال شاخص NDVI از ماه مه، منطقه تحت نظارت، نواحی، میانگین‌ها یا مکان‌هایی را که جنگل شواهدی از کاهش نشان می‌دهد، نشان نداد. در مقابل، تمایل جزئی به سمت افزایش مشهود بود ( شکل 10 a). بیشترین افزایش در شاخص را می توان به پوشش ابری نسبت داد که به طور کامل جبران نشده است.
با این حال، دومین دوره ارزیابی شده از ژوئن تا ژوئیه حاکی از یک تحول منفی قابل توجه بود. در بیشتر مناطق، شاخص کاهش یافت ( شکل 10 ب). این ممکن است به دلیل کاهش قابل توجه بارندگی کل بوده باشد که از ابتدای سال تا ژوئیه در سال 2017 به 390 میلی متر و در سال 2018 تنها به 267 میلی متر رسید ( جدول 3 ). پوشش کم ابر که به طور کامل پوشانده نشده است مقادیر منفی قابل توجهی در برخی مناطق ایجاد می کند.
این تحول منفی در دوره سوم پایش شده در ماه اوت و سپتامبر ادامه یافت ( شکل 10 ج). دلیل این توسعه ممکن است به دلیل ادامه دوره کم بارش باشد که باعث تعادل منفی رطوبت در چشم انداز شده است.
پس از محاسبه تفاوت‌ها برای سه دوره، با استفاده از رابطه (2) میانگین تغییر از سه شاخص برای هر پیکسل را تعیین کردیم. معادله (2) میانگین تغییر در NDVI را بیان می کند . میانگین همیشه از پیکسل هایی که فاقد ابر هستند تعیین می شد. یک عصاره با تغییر متوسط ​​در شکل 10 d نشان داده شده است.

برای بیان تغییر در NDVI برای سطح تهدید راه‌آهن، مقادیر میانگین به‌دست‌آمده از اختلاف شاخص‌ها به دو دسته اختصاص داده شد. پیکسل هایی که میانگین مقدار تغییر در آنها دارای مقادیر مثبت بود، مقدار 1 را به پیکسل هایی با مقادیر متوسط ​​منفی، 2 اختصاص دادند. تغییر منفی در شاخص نشان دهنده کاهش پوشش گیاهی بود. در نتیجه، مناطق با مقدار 2 سطح بالاتری از تهدید را برای راه آهن نسبت به مناطق با مقدار 1 نشان می دهند. وزن حاصل V (برای سلامت پوشش گیاهی) در رابطه (3) بیان می شود. مقدار نشان دهنده وزن برای پردازش بعدی است.

D¯ = ∑من=1من=n نDVمنمن، ک-نDVمنمن، ک+1n
D¯≥ 0     →     V=1D¯<0     →     V=2

جایی که D¯میانگین تغییر NDVI طی دو سال است. n تعداد جفت های تصویر است.

k سال است (مثلا 2017) و V وزن تغییر NDVI است که سلامت پوشش گیاهی را بیان می کند.
پس از محاسبه میانگین مقدار تفاوت در شاخص NDVI، با حذف اثرات کوتاه‌مدت فوق‌العاده، نتیجه عینی‌تری از توسعه سلامت پوشش گیاهی در دوره‌های ارزیابی شده به دست آوردیم. متأسفانه، اثر کم ابری به طور کامل حذف نشد.
شکل 11 مقادیر حاصل از V را نشان می دهد که بر اساس تغییر میانگین NDVI بین سال های 2017 و 2018 در منطقه لیبرک طبقه بندی شده است. با این وجود، واضح است که در بیشتر مناطق، توسعه نامطلوب داشته است و می توان گفت که پوشش گیاهی دچار تخریب شده است. این تخریب عمدتاً ناشی از بارندگی کمتر در سال 2018 نسبت به سال قبل بود.
سلامت پوشش گیاهی ارزیابی شده بر اساس شاخص NDVI باید برای دوره های طولانی تری انجام شود، زیرا یک سال با بارندگی کم ممکن است با دوره ای با رطوبت بیشتر همراه شود و منجر به بازسازی و تجدید پوشش گیاهی شود. با این حال، یک دوره خشک طولانی تر ممکن است به توده های جنگلی آسیب برساند، عمدتاً به دلیل کاهش توانایی آن در مقاومت در برابر آفات. در نتیجه، تهدیدات ناشی از باد شدید، پوشش برف و یخبندان نیز افزایش می یابد.

4.4. محاسبه شاخص تهدید پوشش گیاهی حاصل

شاخص تهدید حاصل از زیرساخت های راه آهن از داده های گردآوری شده در مراحل توصیف شده قبلی محاسبه شد. این سه لایه شطرنجی با وزن تعیین شده با توجه به ترکیب گونه ای از پوشش گیاهی، ارتفاع پوشش گیاهی و سلامت (بر اساس تغییر در NDVI). این سه لایه با هم ضرب شدند. هر پیکسل از شطرنجی حاوی شاخص تهدید به دست آمده است که سطح نهایی تهدید را بیان می کند. مقادیر بالاتر نشان دهنده خطر بالاتر سقوط درختان بود.

ضرب لایه ها و یک مثال عینی برای درختان صنوبر 24 متری در شکل 12 نشان داده شده است. معادله (4) ارزش کل تهدید ناشی از سقوط پوشش گیاهی درختان بر روی خطوط راه آهن را بیان می کند:

VTIR = S∗ H∗ V

که در آن S وزن ترکیب گونه های جنگلی است. H وزن ارتفاع پایه درخت و V وزن تغییر در NDVI-سلامت پوشش گیاهی درخت است.

مقدار حاصل از VTIR با توجه به روش ارائه شده محاسبه شد. برای بیان سطح تهدید، مقدار کل به دست آمده به چهار دسته تقسیم شد. مقدار 0 به دسته 0 اختصاص داده شد که نشان دهنده عدم تهدید پوشش گیاهی درختان است. مقادیر در بازه 1-99 به دسته 1 اختصاص داده شد که نشان دهنده سطح پایین تهدید است. مقادیر در فاصله بین 100-199 به دسته 2 اختصاص داده شد که نشان دهنده سطح متوسط ​​تهدید است. مقادیر بیشتر از 200 به دسته 3 اختصاص داده شد که نشان دهنده سطح بالای تهدید است. شاخص تهدید برای کل منطقه لیبرک محاسبه شد ( شکل 13 ).
ما منطقه حفاظتی راه آهن 60 متری اطراف را با جزئیات بیشتری تجزیه و تحلیل کردیم. بررسی دقیق نقشه‌ها با مقادیر VTIR در منطقه حفاظت‌شده نشان می‌دهد که مکان‌های بیشترین تهدید، نواحی پیوسته بزرگی را تشکیل نمی‌دهند، بلکه مناطق کوچکی را خارج از مناطق با تهدید کمتر تشکیل می‌دهند. این جزئیات ممکن است شرایط رو به وخامت تدریجی را نشان دهد که در آن پوشش گیاهی به تدریج در حال گسترش به داخل زمین است ( شکل 14 ).
رده 1 با کمترین سطح تهدید، 21.8 درصد از منطقه حفاظتی را پوشش می دهد. مساحت آن 1183 هکتار از مجموع 5411 هکتار است. این منطقه نشان دهنده افزایش سطح تهدید نیست و بنابراین نیازی به بحث نیست. دوم، دسته 2 (تهدید متوسط)، بیش از 291 هکتار (5.3٪) گسترش یافته است. اطمینان از نظارت منظم در این منطقه و هرس گیاهان چوبی و سایر اقدامات ممکن از قبل توصیه می شود. سومین، دسته 3 (تهدید بالا)، بالاترین سطح تهدید را نشان می دهد و بیش از 49 هکتار (0.9٪) گسترش دارد. اگر تخریب ناشی از خشکسالی یا سایر شرایط بد ادامه یابد، منطقه ممکن است سطح بالایی از شرایط اضطراری را تجربه کند. در این مناطق، پاکسازی منطقه حفاظتی راه آهن، که متعاقباً با پوشش گیاهی جدید بازسازی می شود، به شدت توصیه می شود. منطقه باقی مانده (72٪) از منطقه حفاظتی در رده 0 قرار می گیرد و هیچ تهدیدی ندارد. این منطقه شامل پوشش گیاهی جنگلی نیست یا فقط از توده هایی با وزن 0 در ارزیابی گونه ها تشکیل شده است (کشت، کاج موگو، قطع درختان).
شکل 15 شرایط واقعی اطراف خطوط راه آهن مختلف را نشان می دهد. مسیری بدون پوشش گیاهی اطراف در شکل 15 الف نشان داده شده است. مسیر در معرض خطر سقوط درختان نیست. با این حال، درختان خود رشد می توانند مشکل ساز شوند زیرا بادهای شدید آنها را در معرض خطر افتادن بر روی مسیرها به دلیل موقعیت محافظت نشده آنها در چشم انداز قرار می دهد. این مسیر ممکن است در زمستان نیز بسته باشد.
یک مسیر با پوشش گیاهی پس از مداخله در شکل 15 ب نشان داده شده است. واضح است که پوشش گیاهی بالغ حذف شده و از آن زمان به طور طبیعی شروع به بازسازی کرده است. در مقایسه با مثال قبلی، سطح تهدید بالاتر است، اما برای از بین بردن کامل خطر سقوط درختان به زیرساخت، منطقه حفاظت شده در وضعیت رضایت بخشی قرار ندارد. اگر تعمیر و نگهداری دوره ای در این منطقه انجام نشود، سطح تهدید افزایش می یابد.
شکل 15 ج بخشی از مسیر را نشان می دهد که در یک منطقه با خطر بالا قرار دارد. مشهود است که پوشش گیاهی در نزدیکی مسیر قرار گرفته و به سطح قابل توجهی از رشد دست یافته است. پوشش گیاهی تشکیل دیواره متراکم همگن و متشکل از درختان برگریز مزیتی است که مقاومت نسبتاً بالایی در برابر بادهای شدید ایجاد می کند. در این مثال، با این حال، وقوع گیاهان چوبی می تواند یک تهدید در نظر گرفته شود. سقوط شاخه ها و به طور بالقوه سقوط کل درختان در شرایط آب و هوایی فوق العاده محتمل است.

5. بحث

ارزیابی تهدید ناشی از پوشش گیاهی درختان مجاور موضوعی است که به ندرت در جمهوری چک و در سراسر جهان مورد بحث قرار گرفته است. برخی از کشورها مناطق حفاظتی راه آهن را بدون پوشش گیاهی درختی یا فقط با درختان کم ارتفاع ایجاد می کنند و بنابراین نیازی به حل مسائل مربوط به شناسایی تهدید بالقوه ناشی از سقوط درختان ندارند. هوربینگر و همکاران نگرانی از خطر پوشش گیاهی در راه آهن اسکن لیزری هوایی استفاده شده [ 35] در یک خط نسبتا کوتاه (27 کیلومتر). اسکن لیزری هوایی گران‌تر است اما از نظر جزئیات دقیق‌تر است. فرصتی برای استفاده از دوربین های ویدئویی، دوربین های حرارتی و/یا اسکنرهای لیزری نصب شده در قطارهای تجاری برای یکپارچه سازی اطلاعات به دست آمده از ماهواره ها وجود دارد. این امکانات همچنین به هزینه های اضافی و خواسته های سازمان نیاز دارند. روش ارائه شده ما در حال حاضر نیازی به هیچ هزینه ای ندارد. علاوه بر این، محاسبه تهدید برای کل منطقه در جمهوری چک امکان پذیر است. علاوه بر این، تنها در مناطقی که با محاسبه VTIR شناسایی شده اند، فرصتی برای اسکن محیط اطراف با استفاده از LiDAR وجود دارد. متعاقباً، تعریف دقیقی از ساختارهای درختی و کشف درختان مستقل ارائه خواهد شد.
ارزیابی سلامت پوشش گیاهی با تصاویر تولید شده توسط ماهواره Sentinel-2 نشان داده شد. تلاشی برای حذف اثر ابرها با استفاده از لایه‌های اصلاحی انجام شد، اما یک اثر جزئی در محاسبه NDVI باقی می‌ماند. این روش را می توان در آینده با افزایش دوره ای که تصاویر ارزیابی شده پوشش می دهند، بهبود بخشید. ترکیب چندین منبع و افزایش سازگاری آنها با استفاده از معادلات تصحیح نیز یک گزینه است.
وزن فردی پارامترهای پایش شده بر اساس دانش نظری و تجزیه و تحلیل های اثبات شده در جنگلداری تعیین شد. می‌توان مقادیر وزن پیشنهادی را در تحقیقات بعدی کمی تغییر و اصلاح کرد. در ارزیابی ارائه شده تنها کل بارندگی سالانه مورد تجزیه و تحلیل قرار گرفت. سایر شرایط هواشناسی را می توان به عنوان تأثیرات بر سلامت پوشش گیاهی درختان در نظر گرفت. برای پایش طولانی مدت، سایر عوامل آب و هوایی روی رشد گیاه نیز می تواند در نظر گرفته شود، از جمله، به عنوان مثال، میانگین دما یا تعداد ساعات نور خورشید.
وضوح فضایی لایه تهدید حاصل 10 متر است و به وضوح داده های ورودی بستگی دارد. داده‌های منبع در مورد ترکیب گونه‌های جنگلی دارای تفکیک مکانی 10 متر و داده‌های مربوط به ارتفاع توده‌های جنگلی دارای تفکیک مکانی 2 متر هستند که مجدداً تا وضوح 10 متر با مقدار متوسط ​​ارتفاع محاسبه می‌شوند. داده‌های Sentinel-2 از وضوح 20 متر به 10 متر برای مطابقت با سایر منابع داده نمونه‌برداری شدند. در نتیجه، درختان فردی که تهدیدی هستند را نمی توان به طور دقیق شناسایی کرد. نتایج ممکن است به عنوان ابزاری برای شناسایی مکان کلی مناطق تهدید استفاده شود و از طریق اسکن دقیق تر بررسی شود. مزایای روش ارزیابی پیشنهادی، استفاده از داده‌های سنجش از دور آزادانه با فراوانی به‌روزرسانی‌ها و ارزیابی مناطق بزرگ بدون تحقیقات میدانی مستقیم است. تحقیقات میدانی می‌تواند برای مکان‌هایی که حاوی تهدید بالقوه شناسایی شده‌اند، هدف قرار گیرد. داده‌ها برای سال‌های 2017 و 2018 به‌دست آمدند. دسترسی به داده‌های FMI در مورد ترکیب گونه‌ها و ارتفاع توده محدود بود، برخلاف داده‌های Sentinel-2، که به‌طور رایگان در دسترس است. اگر داده های جدیدتری در دسترس باشد، محاسبه مجدد برای به دست آوردن نتایج برای سال 2020 مشکلی ایجاد نمی کند. بر خلاف داده‌های Sentinel-2 که به رایگان در دسترس است، دسترسی به داده‌های FMI در ترکیب گونه‌ها و ارتفاع توده محدود بود. اگر داده های جدیدتری در دسترس باشد، محاسبه مجدد برای به دست آوردن نتایج برای سال 2020 مشکلی ایجاد نمی کند. بر خلاف داده‌های Sentinel-2 که به رایگان در دسترس است، دسترسی به داده‌های FMI در ترکیب گونه‌ها و ارتفاع توده محدود بود. اگر داده های جدیدتری در دسترس باشد، محاسبه مجدد برای به دست آوردن نتایج برای سال 2020 مشکلی ایجاد نمی کند.
به دلیل پیچیدگی محاسباتی، این مطالعه تنها بر روی قلمرو منطقه لیبرک تمرکز دارد. هدف ما طراحی و بهینه سازی فرآیند شناسایی سطح تهدید بود که می تواند در هر منطقه ای اعمال شود. وضعیت سلامت غرفه بر اساس شاخص NDVI تعیین شد که در حال حاضر یکی از پرکاربردترین هاست. با این حال، مطالعات فردی NDVI را با اطلاعات بررسی زمینی مقایسه کرده و شاخص‌های مناسب دیگری را پیشنهاد می‌کنند. این کار مستلزم بررسی زمینی نبود و بنابراین ارزیابی صحت نتایج با شرایط واقعی ممکن نبود. بنابراین، مناسب است که مطالعه با تحقیقات میدانی گسترش یابد و در صورت نیاز، بر اساس یافته‌ها بهبود یابد. ما فرض می‌کنیم که یافته‌های میدانی می‌توانند با نتایج عمدتاً با یافته‌های ارتفاع پوشش گیاهی و ترکیب گونه مطابقت داشته باشند، زیرا آنها بر اساس داده‌های FMI هستند. در واقع، جالب تر، تأیید با حوادث واقعی است. با این حال، کشف مکان هایی که درختان واقعی در حال سقوط بلافاصله ظاهر می شوند، دشوار است. با این وجود، ما اکنون در یک مرحله از حوادث، با گزارش و مقایسه نتایج خود در فصل معاصر، از نزدیک با اداره راه آهن در ارتباط هستیم.
ایده پیشنهادی ادغام تأثیر مورفولوژی زمین اطراف، یعنی شیب دامنه‌های تپه‌ها و خاکریزها است. شیب های تند تهدید را افزایش می دهد. هوربینگر و همکاران پنج دسته هندسی را تعریف کرد: فرورفتگی به سطح (10- تا 10 درجه)، شیب ملایم (> 10 درجه تا 20 درجه)، شیب تند (> 20 درجه تا 30 درجه)، شیب بسیار تند (> 30 درجه تا 90 درجه) و شیب رو به پایین (>-10 درجه تا -90 درجه). شکل 16 شیب زمین در منطقه لیبرک را نشان می دهد. محاسبه بر اساس داده‌های در دسترس رایگان مدل جغرافیایی دیجیتال قلمرو جمهوری چک (داده 50) – تسکین زمین [ 41 ] است. محاسبه سطوح شیب در جدول 4 ارائه شده استبرای منطقه حفاظتی در منطقه لیبرک. مناطق با شیب تند و بسیار تند تنها 3.8 درصد از منطقه حفاظتی را با هم پوشش می دهند. این قسمت کوچک می تواند تحت تأثیر شیب قرار گیرد. نزدیک به 80 درصد از منطقه تحت تأثیر شیب دست نخورده باقی مانده است.
VTIR ارائه شده از عبارت تهدید استفاده می کند . بر اساس این تعریف، «تهدید یک رویداد، فرد، موجودیت یا اقدام طبیعی یا مصنوعی است که دارای یا نشان دهنده احتمال آسیب رساندن به زندگی، اطلاعات، عملیات، محیط زیست و/یا دارایی است.» [ 46 ] اصطلاح ریسک معنا و تعریف دیگری دارد. “ریسک بالقوه برای یک پیامد ناخواسته ناشی از یک حادثه، رویداد، یا رخداد است که بر اساس احتمال آن و پیامدهای مرتبط تعیین می شود.” [ 46 ]. تهدید یک حالت به معنای عام و خطر استاحتمال ریاضی این است که آسیب تحت شرایط تعریف شده خاص رخ دهد. تهدید، آسیب بالقوه ای است که می تواند به یک دارایی وارد شود (چیزی که می خواهید از آن محافظت کنید). ریسک احتمال تحقق آسیب است [ 47 ]. بنابراین، VTIR ارائه شده تنها پتانسیل تهدید را نشان می دهد.

6. نتیجه گیری

این مطالعه از چندین منبع داده موجود در زمینه جنگلداری و سنجش از دور استفاده کرد. هدف ما ایجاد روشی برای تشخیص خطر سقوط پوشش گیاهی درختان مجاور در زیرساخت های حمل و نقل ریلی بود. نتیجه یک شاخص VTIR ترکیبی بود. ما رویه‌ای را طراحی کردیم که می‌توان آن را به‌راحتی با تأکید بر به حداقل رساندن هزینه‌های بالقوه ادامه داد و اعمال کرد. با این روش، سطح تهدید را می توان در فواصل زمانی منظم به روز کرد و به تحولات پوشش گیاهی درخت پاسخ داد و همچنین می توان هشدارها را به طور خودکار ایجاد کرد. این هشدارها را می توان در مدت کوتاهی پاسخ داد و در نتیجه ایمنی حمل و نقل ریلی را افزایش داد.
تشخیص با استفاده از داده های تصویر ماهواره ای در درجه اول برای شناسایی تهدیدات ناشی از ساختارهای جنگلی مجاور در نظر گرفته شده است. در حال حاضر ممکن است این مناطق به عنوان مناطقی در نظر گرفته شوند که بیشترین خطر سقوط بالقوه درختان را دارند. در چنین شرایطی، به دلیل تعداد زیاد درختان آسیب دیده، حذف پیچیده تر است. درختان ایستاده نیز به دلیل موقعیت بدون پوشش آنها در چشم انداز یک تهدید محسوب می شوند، اگرچه احتمال افتادن این نوع درخت ها روی مسیرها کمتر است.
داده های FMI در مورد ترکیب گونه ها در توده های جنگلی و میانگین ارتفاع توده ابتدا تنظیم شد. بر اساس مطالعات موجود، تهدید برای گروه های فردی در صورت شرایط آب و هوایی استثنایی سپس به عنوان وزن های مخصوص محاسبه شد.
سلامت توده جنگلی پارامتر مهمی است که می تواند به طور قابل توجهی بر انعطاف پذیری پوشش گیاهی درختان تأثیر بگذارد. برای تعیین این سطح از سلامت، ما داده‌های ماهواره Sentinel-2 را ارزیابی کردیم و شاخص پوشش گیاهی (NDVI) را گردآوری کردیم، که هر گونه تغییر قابل‌توجهی را در مقدار زیست توده که نشان‌دهنده توسعه نامطلوب درخت است نیز در نظر گرفت. این تصاویر در سال های 2017 و 2018 طی همان مراحل فنولوژیکی تولید شدند. روند توسعه از این داده ها مشخص شد. در بیشتر مناطق، کاهش در شاخص مربوط به فرسودگی جنگل ثبت شد. مقایسه مجموع نزولات جوی حاکی از کاهش شدید از یک سال به سال دیگر بود و می توان فرض کرد که کاهش بارندگی باعث کاهش شاخص پوشش گیاهی شده است.
تهدید کلی VTIR بر اساس مقادیر اختصاص داده شده به چهار دسته مختلف طبقه بندی شد: بدون تهدید به علاوه تهدید کم، که هیچ احتمال قابل توجهی برای وقوع شرایط اضطراری ندارند. تهدید متوسط، که نیاز به نظارت منظم و تهدید بالا دارد، که احتمال آسیب قابل توجهی به خطوط راه آهن دارد. در مناطق با درجه تهدید بالا، اقدامات متقابلی مانند حذف و جایگزینی درختان بلند باید از قبل وجود داشته باشد. این به تثبیت چشم انداز اطراف مسیر راه آهن و کاهش آلودگی صوتی در منطقه نزدیک کمک می کند.
ما منطقه لیبرک را برای مطالعه موردی انتخاب کردیم. کمترین تهدید مربوط به 1183 هکتار از حوزه استحفاظی است که 21.8 درصد مساحت کل منطقه را تشکیل می دهد. سطح متوسط ​​برای 291 هکتار (5.3 درصد) و سطح بالا 49 هکتار (0.9 درصد) شناسایی شد. بقیه منطقه پوشش جنگلی نداشت. نتایج منعکس کننده تنها تهدیدات ناشی از پوشش گیاهی جنگل است. آنها منعکس کننده درختان مستقل یا خوشه های کوچک درختان در حال سقوط نیستند. این هدف اولیه مطالعه نبود و ماهیت فعلی داده‌هایی که استفاده کردیم برای این منظور مناسب نیست.
از مزایای اصلی این تحقیق می توان به استفاده از منابع داده موجود برای افزایش ایمنی عملیات راه آهن اشاره کرد. هدف ما این است که کل فرآیند را خودکار کنیم و از این طریق ابزاری برای شناسایی تهدیدها و ایجاد اقدامات بالقوه در اختیار اداره راه آهن جمهوری چک قرار دهیم. ما سلامت پوشش گیاهی نزدیک خطوط راه‌آهن را در مقیاس ملی ارزیابی نکردیم زیرا بررسی زمینی فرآیندی پرهزینه و زمان‌بر است. با این حال، تصویربرداری دوره ای با سیستم Sentinel-2 امکان ارزیابی منظم در سراسر کشور را فراهم می کند.

منابع

  1. قانون جمهوری چک شماره 266/1994، قانون راه آهن، 1994. در مجموعه قوانین جمهوری چک ; مبلغ 79; 1994; در دسترس آنلاین: https://www.updi.cz/images/Documents/Applicable_national_legislation/Act_266-1994_Coll-on_Rail_Systems.pdf (در 22 مارس 2021 قابل دسترسی است).
  2. قانون جمهوری چک شماره 181/2006 مجموعه، قانون اصلاح قانون شماره 266/1994 مجموعه، در مورد راه آهن، با اصلاح، و قانون شماره 200/1990 مجموعه، در مورد جنایات، اصلاح شده. در مجموعه قوانین جمهوری چک ; 2006; در دسترس آنلاین: https://www.updi.cz/images/Documents/Applicable_national_legislation/Act_266-1994_Coll-on_Rail_Systems.pdf (در 22 مارس 2021 قابل دسترسی است).
  3. اداره راه آهن برای رسانه ها اداره راه آهن بر اساس قوانین معتبر اقدام به کاهش پوشش گیاهی می کند. در دسترس آنلاین: www.spravazeleznic.cz/pro-media/tiskovy-servis-tiskove-zpravy-prohlaseni/kaceni-stromu-kolem-trati (در 26 ژانویه 2021 قابل دسترسی است).
  4. کلاکنر، ک. تافت، ی. سوانح و حوادث راه‌آهن: مدل‌سازی تصادفات سیستم فنی-اجتماعی پیچیده به سن بلوغ می‌رسد. Saf. علمی 2018 ، 110 ، 59-66. [ Google Scholar ] [ CrossRef ]
  5. کوکس، EE; روزنبرگ، جی. زورن، سی. تاریوردی، م. ووسدوکاس، م. فریزر، SA; هال، جی دبلیو. Hallegatte, S. تجزیه و تحلیل ریسک چند خطر جهانی از دارایی های زیرساخت جاده و راه آهن. نات. اشتراک. 2019 ، 10 ، 2677. [ Google Scholar ] [ CrossRef ] [ PubMed ] [ نسخه سبز ]
  6. UIC کنترل پوشش گیاهی و استفاده از علف کش ها. در دسترس آنلاین: https://uic.org/projects/vegetation-control-and-use-of-herbicides-348 (در 13 آوریل 2021 قابل دسترسی است).
  7. UIC استراتژی انتقال TRISTRAM در مدیریت پوشش گیاهی. در دسترس آنلاین: https://uic.org/projects/article/tristram (در 12 آوریل 2021 قابل دسترسی است).
  8. Bednář، P. پتر، وی. Kantor, P. مشکلات تک کشت های صنوبر ثانویه و امکان بازسازی آنها توسط راش جنگلی . دانشکده جنگل‌داری و فناوری چوب، دانشگاه مندل: برنو، جمهوری چک، 2012. [ Google Scholar ]
  9. Vicena، I. وضعیت کنونی حفاظت از جنگل در برابر شکستن . Forestry Work ناشر: Kostelec nad Černými lesy، جمهوری چک، 2006. [ Google Scholar ]
  10. اسنپسست، جی. کیتنبرگا، م. الفرتس، دی. دونیس، جی. جانسونز، الف. آسیب ساقه تأثیر باد بر صنوبر نروژ را اصلاح می کند. Forests 2020 , 11 , 463. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  11. توانکار، ف. لو موناکو، آ. نیکوی، م. ونانزی، ر. بنیاد، ع. Picchio, R. آسیب های برف بر روی درختان با سن ناهموار در جنگل های پهن برگ مخلوط: اثرات شرایط توپوگرافی و ویژگی های درخت. جی. برای. Res. 2019 ، 30 ، 1383–1394. [ Google Scholar ] [ CrossRef ]
  12. چن، ال. ژانگ، دی. لی، پی. Lv, P. تغییر تشخیص تصاویر سنجش از دور بر اساس مکانیسم توجه. محاسبه کنید. هوشمند نوروسک. 2020 ، 2020 ، 6430627. [ Google Scholar ] [ CrossRef ]
  13. نوو، ا. گونزالس-خورخه، اچ. مارتینز-سانچز، جی. گونزالس-د سانتوس، LM; لورنزو، اچ. تشخیص خودکار فواصل جنگل-جاده برای بهبود عملیات پاکسازی در مدیریت راه. بین المللی قوس. فتوگرام حسگر از راه دور اسپات. Inf. علمی 2019 ، XLII-2/W13 ، 1083–1088. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  14. McEachran، ZP; اسلساک، RA; Karwan، DL از مسیرهای لغزشی تا مناظر: پوشش گیاهی عامل غالب تأثیرگذار بر فرسایش پس از برداشت جنگل در یک چشم‌انداز یخ‌بندان کم‌رنگ است. برای. Ecol. مدیریت 2018 ، 430 ، 299-311. [ Google Scholar ] [ CrossRef ]
  15. شفر، بی. برینک، م. شلاتر، اف. وینو، دی. Wunderli، JM Residential سبز با کاهش مزاحمت برای ترافیک جاده‌ای و سر و صدای راه‌آهن همراه است، اما باعث افزایش مزاحمت برای قرار گرفتن در معرض صدای هواپیما می‌شود. محیط زیست بین المللی 2020 , 143 , 105885. [ Google Scholar ] [ CrossRef ]
  16. حسینی، SAO; زندی، س. فلاح، ع. نصیری، م. تأثیر طراحی هندسی جاده جنگلی و پوشش گیاهی کنار جاده بر کاهش صدای ترافیک. جی. برای. Res. 2016 ، 27 ، 463-468. [ Google Scholar ] [ CrossRef ]
  17. Gellatley، MJ; McGinnity، BT; بارکر، دی اچ. Rankin، WJ تعامل پوشش گیاهی با سیستم راه آهن سطحی LUL. In Vegetation and Slopes: Stabilisation, Protection and Ecology، در مجموعه مقالات کنفرانس بین المللی که در موزه دانشگاه، آکسفورد، انگلستان، 29 تا 30 سپتامبر 1994 برگزار شد . توماس تلفورد محدود: لندن، انگلستان، 1995; صص 60-71. [ Google Scholar ] [ CrossRef ]
  18. شورای ملی خانه سازی استانداردهای NHBC در 4.2 ساختمان در نزدیکی درختان ; 2021; در دسترس آنلاین: https://nhbc-standards.co.uk/4-foundations/4-2-building-near-trees/ (در 11 ژانویه 2021 قابل دسترسی است).
  19. دیویس، اچ. تصویر، م. کالرو، ال. فولکز، سی. فرانسن، ام. Duignan، M. بررسی ادبیات – چگونه املاک نرم حمل و نقل زیرساخت سبز، خدمات اکوسیستم، و انعطاف پذیری حمل و نقل را در اتحادیه اروپا افزایش داده است، گزارش سفارشی طبیعی انگلستان شماره NECR 169 ; انگلستان طبیعی: لندن، بریتانیا، 2014. [ Google Scholar ]
  20. چیس، سی دبلیو؛ کیمسی، ام جی. Shaw, TM; کلمن، MD پاسخ نور، آب، و مواد مغذی در دسترس به تنک قبل از تجاری در جنگل های خشک داخلی داگلاس صنوبر. برای. Ecol. مدیریت 2016 ، 363 ، 98-109. [ Google Scholar ] [ CrossRef ]
  21. لوهل، سی. ایدسو، سی. بنتلی ویگلی، تی. عوامل فیزیولوژیکی و اکولوژیکی مؤثر بر روندهای اخیر در پاسخ‌های بهداشت جنگل ایالات متحده به تغییرات آب و هوایی. برای. Ecol. مدیریت 2016 ، 363 ، 179-189. [ Google Scholar ] [ CrossRef ]
  22. داگناچو، م. Kebede، A. موگز، ا. Abebe، A. اثرات تغییرپذیری آب و هوا بر شاخص گیاهی با تفاوت نرمال شده (NDVI) در حوضه آبریز رودخانه گوجب، حوضه Omo-Gibe، اتیوپی. Adv. هواشناسی 2020 ، 2020 ، 8263246. [ Google Scholar ] [ CrossRef ]
  23. کندو، ا. دنیس، دی. پاتل، ن. دوتا، دی. یک مطالعه ژئو فضایی برای تجزیه و تحلیل پاسخ های زمانی NDVI به بارندگی. سنگاپ جی تروپ. Geogr. 2018 ، 39 ، 107-116. [ Google Scholar ] [ CrossRef ]
  24. آکلیلو تسفایه، ع. Gessesse Awoke، B. ارزیابی خاصیت اشباع شاخص های پوشش گیاهی مشتق شده از Sentinel-2 در اکوسیستم مخلوط زراعی-جنگل. تف کردن Inf. Res. 2020 . [ Google Scholar ] [ CrossRef ]
  25. گودرزی، م. پورهاشمی، م. عزیزی، ز. بررسی تغییرات پوشش جنگل های زاگرس تحت خشکسالی های اخیر با استفاده از تصاویر ماهواره ای. جی. برای. علمی 2019 ، 65 ، 9–17. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  26. ویتکه، اس. یو، ایکس. کارجلاینن، م. Hyyppä، J.; Puttonen، E. مقایسه داده‌های دو بعدی چند زمانی Sentinel-2 با منابع داده سنجش از دور سه بعدی برای تخمین پارامتر موجودی جنگل بر روی یک جنگل شمالی. بین المللی J. Appl. زمین Obs. Geoinf. 2019 ، 76 ، 167-178. [ Google Scholar ] [ CrossRef ]
  27. میریژوفسکی، جی. بروس، جی. Pechanec، V. استفاده از یک عکسبرداری هوایی با فرمت کوچک از هواپیمای بدون سرنشین pixy در ارزیابی تغییرات چشم انداز. Surv. جئول حداقل Ecol. مدیریت (SGEM) 2011 ، 2 ، 345-352. [ Google Scholar ]
  28. Dobrovolný, P. نقشه برداری گیاهی با استفاده از تصاویر ماهواره ای: ویژگی های اصلی رفتار طیفی گیاهی . دانشکده علوم، دانشگاه ماساریک: برنو، جمهوری چک، 2001. [ Google Scholar ]
  29. پور، ت. میرجوفسکی، جی. پورکت، تی. سنجش از راه دور حرارتی هوابرد: مورد شهر اولوموک، جمهوری چک. یورو J. Remote Sens. 2019 ، 52 ، 209–218. [ Google Scholar ] [ CrossRef ]
  30. کورتس راموس، جی. فارفان، LM; هررا-سروانتس، H. ارزیابی آسیب طوفان استوایی در جنگل های خشک با استفاده از سنجش از دور چند طیفی: مورد باجا کالیفرنیا سور، مکزیک. J. محیط خشک. 2020 , 178 , 104171. [ Google Scholar ] [ CrossRef ]
  31. نازاروا، تی. مارتین، پی. جولیانی، جی. نظارت بر تغییر پوشش گیاهی در حضور پوشش ابری بالا با سنتینل-2 در منطقه جنگلی استوایی دشتی در برزیل. Remote Sens. 2020 , 12 , 1829. [ Google Scholar ] [ CrossRef ]
  32. هنگکای، ال. فنگ، ایکس. Qin, L. نظارت سنجش از دور آسیب زمین و بازسازی در مناطق معدنی خاکی کمیاب در 6 شهرستان در جنوب جیانگشی بر اساس تصاویر متوالی چند منبعی. جی. محیط زیست. مدیریت 2020 , 267 , 110653. [ Google Scholar ] [ CrossRef ]
  33. لوکش، پ. استریچک، آر. Křístek، Š. Mlčoušek، M. ارزیابی سلامت جنگل در جمهوری چک با استفاده از داده های ماهواره ای Sentinel-2 . موسسه مدیریت جنگل Brandýs nad: Labem، جمهوری چک، 2018; پ. 68. [ Google Scholar ]
  34. میناریک، آر. Langhammer, J. استفاده از یک فتوگرامتری UAV چندطیفی برای تشخیص و ردیابی دینامیک اختلال جنگل. بین المللی قوس. فتوگرام حسگر از راه دور اسپات. Inf. علمی 2016 ، XLI-B8 ، 711–718. [ Google Scholar ] [ CrossRef ]
  35. هوربینگر، اس. اوبریجتان، م. Rauch، HP; ایمیتزر، ام. ارزیابی ساختارهای گیاهی چوبی مرتبط با ایمنی در امتداد راهروهای راه آهن. Ecol. مهندس 2020 , 158 , 106048. [ Google Scholar ] [ CrossRef ]
  36. هوربینگر، اس. ایمیتزر، ام. اوبریجتان، م. Rauch، ارزیابی مبتنی بر HP GIS از تقاضای خدمات اکوسیستم در مورد پوشش گیاهی سمت خط زیرساخت سبز. Ecol. مهندس 2018 ، 121 ، 114-123. [ Google Scholar ] [ CrossRef ]
  37. FMI. ترکیب گونه های درختی در سال 2016-2017 ; موسسه مدیریت جنگل: Frýdek-Místek، جمهوری چک، 2017. [ Google Scholar ]
  38. FMI. ساختار ارتفاعی قطعات پایه ; موسسه مدیریت جنگل: Frýdek-Místek، جمهوری چک، 2017. [ Google Scholar ]
  39. اداره راه آهن داده های زیرساخت راه آهن ; اداره راه آهن: پراگ، جمهوری چک، 2019. [ Google Scholar ]
  40. ESA Sentinel-2. در دسترس آنلاین: https://sentinel.esa.int/web/sentinel/missions/sentinel-2 (در 2 سپتامبر 2020 قابل دسترسی است).
  41. ČÚZK. Data50 ; اداره دولتی نقشه برداری زمین: پراگ، جمهوری چک، 2021. [ Google Scholar ]
  42. اداره آمار چک پایگاه داده عمومی در دسترس آنلاین: https://vdb.czso.cz/vdbvo2/ (در 11 ژانویه 2021 قابل دسترسی است).
  43. ESA مرکز دسترسی آزاد کوپرنیک در دسترس آنلاین: https://scihub.copernicus.eu (دسترسی در 15 ژانویه 2021).
  44. موسسه هواشناسی چک داده های تاریخی بارش های سرزمینی در دسترس آنلاین: https://portal.chmi.cz/historicka-data/pocasi/uzemni-srazky (در 10 اکتبر 2020 قابل دسترسی است).
  45. اداره راه آهن فتوبانک نظارت بر زیرساخت های راه آهن ; اداره راه آهن: پراگ، جمهوری چک، 2020. [ Google Scholar ]
  46. Jamison، RD DHS Risk Lexicon ; وزارت امنیت داخلی ایالات متحده، کمیته مدیریت ریسک، دفتر مدیریت ریسک و تجزیه و تحلیل: واشنگتن، دی سی، ایالات متحده؛ CreateSpace Independent Publishing Platform: Scotts Valley, CA, USA, 2008; پ. 60.
  47. امی، T. محافل حفاظت. تهدیدات و خطرات. در دسترس آنلاین: https://protectioncircle.org/2017/01/27/threats-and-risks/ (در 12 فوریه 2021 قابل دسترسی است).
Ijgi 10 00292 g001 550
شکل 1. تأثیر سن پایه بر احتمال آسیب باد. منطقه خاکستری نشان دهنده فاصله اعتبار ± 95٪ [ 10 ] است.
Ijgi 10 00292 g002 550
شکل 2. نقاط پوشش گیاهی در امتداد جاده ها در دسته بندی ها بر اساس ارتفاع (در فاصله بیش از 5 متر از جاده) [ 13 ].
Ijgi 10 00292 g003 550
شکل 3. نمونه ای از طبقه بندی بر اساس ترکیب گونه های جنگلی.
Ijgi 10 00292 g004 550
شکل 4. نمونه ای از ارتفاع متوسط ​​درختان جنگلی.
Ijgi 10 00292 g005 550
شکل 5. نمونه ای از داده های برداری خط راه آهن در یک تصویر ماهواره ای با رنگ واقعی.
Ijgi 10 00292 g006 550
شکل 6. رویدادهای راه‌آهن خارق‌العاده در منطقه لیبرک ناشی از سقوط درختان در سال‌های 2016-2018.
Ijgi 10 00292 g007 550
شکل 7. موقعیت منطقه لیبرک در جمهوری چک.
Ijgi 10 00292 g008 550
شکل 8. رستر با وزن برای منطقه لیبرک پس از طبقه بندی مجدد ترکیب گونه ها.
Ijgi 10 00292 g009 550
شکل 9. رستر با وزن بر اساس ارتفاع متوسط ​​جنگل برای منطقه لیبرک در دوره 2016-2017.
Ijgi 10 00292 g010 550
شکل 10. تغییرات شاخص NDVI در سه دوره و تغییر میانگین نهایی: ( الف ) تفاوت بین 11 می 2017 و 6 می 2018. ( ب ) تفاوت بین 20 ژوئن 2017 و 3 ژوئیه 2018؛ ( ج ) تفاوت بین 29 اوت 2017 و 18 سپتامبر 2018 و ( د ) مقدار میانگین تفاوت محاسبه شده از سه دوره نشان داده شده در ( الف – ج ).
Ijgi 10 00292 g011 550
شکل 11. رستر با وزن حاصل V با توجه به تغییر NDVI از 2017 تا 2018 برای منطقه لیبرک.
Ijgi 10 00292 g012 550
شکل 12. مثالی از محاسبه شاخص تهدید پوشش گیاهی برای یک پیکسل.
Ijgi 10 00292 g013 550
شکل 13. شاخص های تهدید (VTIR) برای کل منطقه لیبرک.
Ijgi 10 00292 g014 550
شکل 14. عصاره های دقیق از چهار منطقه حفاظت شده و شاخص های تهدید آنها: ( الف ) منطقه حفاظت شده با مناطق مستمر تهدید بالا 3 به رنگ قرمز. ( ب ) منطقه حفاظت شده با شاخص غالب 1 – تهدید کم در سبز و مناطق جزئی رده 2 به رنگ زرد. ( ج ) مناطق حفاظت شده با بسیاری از مناطق جدا شده با تهدید بالا در ناحیه جنوبی و ( د ) منطقه حفاظت شده در نزدیکی سکونتگاه ها.
Ijgi 10 00292 g015 550
شکل 15. نمونه هایی از راه آهن با سطوح مختلف تهدید: ( الف ) سطح پایین. ( ب ) سطح متوسط ​​و ( ج ) سطح بالا [ 45 ].
Ijgi 10 00292 g016 550
شکل 16. شیب زمین در منطقه لیبرک.

مقالات داخلی و بین المللی

مطالب مرتبط ...

بدون دیدگاه

دیدگاهتان را بنویسید