جنگل های پیرامون شهری به دلیل عوامل متعددی در معرض پویایی های متفاوتی هستند. جنگل Nfifikh یک فضای ساخته دست بشر است که در حومه شهر محمدی، متعلق به کازابلانکا، منطقه ستات، و از نظر جغرافیایی بین کازابلانکا، پایتخت اقتصادی و تجاری مراکش و رباط، پایتخت سیاسی ملی، واقع شده است. در طول سه دهه گذشته، چندین تخریب قابل توجه را تجربه کرده است. هدف از این مطالعه ارزیابی و تعیین کمیت جنگل‌زدایی در منطقه مورد مطالعه با استفاده از تشخیص تغییر پوشش جنگلی شاخص‌های مختلف پوشش گیاهی و طبقه‌بندی زیرپیکسلی برای انتخاب قطعات با تراکم بالا با تصاویر Landsat TM, ETM ^{+ است.}و OLI. سنجش از دور برای برجسته کردن تغییرات ایجاد شده در فضا-زمان استفاده می شود. این نظارت ممکن است به مدیران کمک کند تا برنامه های مدیریت جنگل را تهیه کنند و سرعت جنگل زدایی و تخریب را تعدیل کنند. نتایج نشان‌دهنده تغییر قابل‌توجهی در پوشش گیاهی بین سال‌های 1987 و 2015 است. تراکم در سال 2001 افزایش یافت در حالی که در سال 2015 به طور قابل‌توجهی کاهش یافت.

کلید واژه ها

ساب پیکسل , شاخص های گیاهی , تشخیص تغییر , پایش , جنگل نفیخ

1. مقدمه

بر اساس اولین فهرست جنگل‌ها در مراکش که بین سال‌های 1990 و 2005 انجام شد، جنگل‌ها مساحتی در حدود 9 میلیون هکتار یا 12.7 درصد از قلمرو ملی را پوشش می‌دهند [ 1 ]. تنوع زیستی جنگلی مراکش که مدیریت ضعیفی دارد به دلیل از دست دادن منابع طبیعی در حال تخریب است. این فضاهای سبز بیش از حد مورد بازدید گردشگران بوم گردی قرار می گیرند که با زباله هایی که گاهی باعث آتش سوزی در جنگل می شوند به چشم انداز آسیب می رسانند [ 2 ]. علاوه بر این، جنگل توسط کارگران ساکن که مسئول چرای بیش از حد جنگل و همچنین قطع غیرقانونی درخت هستند آسیب می بیند [ 3 ].

استفاده از سنجش از دور و GIS در جنگلداری دارایی اصلی با داده های ماهواره ای با وضوح مکانی بالا است [ 4 ] [ 5 ] [ 6 ]. مطالعات متعددی در مورد تخریب جنگل و تشخیص تغییر پوشش انجام شده است [ 7 ] [ 8 ] [ 9 ] [ 10 ] . در جزیره سوماترا در اندونزی، نقشه برداری و نظارت بر جنگل زدایی و تخریب جنگل توسط مارگونو و همکاران انجام شد. [ 11 ] . علاوه بر این، شاخص‌های پوشش گیاهی برای ارزیابی عملکرد پوشش فضایی بسیار مفید هستند [ 12 ] [ 13 ] [ 14 ] [ 15 ]] . برخی از این مطالعات بر اساس تشخیص تغییر تفاوت شاخص گیاهی نرمال شده [ 16 ] [ 17 ]، شاخص گیاهی تعدیل‌شده با خاک [ 18 ]، کلاهک منگوله‌ای [ 15 ] و طبقه‌بندی زیرپیکسلی [ 19 ] بود.

به گفته غبرزگابهر و همکاران. [ 20 ]، شاخص گیاهی تفاوت نرمال شده بیشترین استفاده را در مطالعات پوشش گیاهی دارد. کومار و همکاران [ 21 ] از NDVI برای نظارت بر جنگل زدایی و تخریب جنگل ها در هند استفاده کرده است. NDVI یک نمای کلی از کیفیت و تراکم پوشش گیاهی ارائه می دهد [ 22 ]. نوری و همکاران [ 23 ] NDVI و SAVI را برای ارزیابی پتانسیل نظارت بر تغییرات جنگل در سودان یکپارچه کرد. شاخص پوشش گیاهی تعدیل شده با خاک اصلاحی از شاخص گیاهی تفاوت نرمال شده به منظور تصحیح تأثیر روشنایی خاک است [ 24 ]. در برخی از مطالعات، اختلالات جنگل را می توان با استفاده از کلاهک Tasseled [ 25 ] [ 26 ] [ 27 ] شناسایی کرد.] [ 28 ] . هیلی و همکاران [ 25 ] از کلاه منگوله‌ای برای تشخیص اختلالات جنگلی در ایالات متحده و روسیه استفاده کرد. سبزی، مرطوبی و روشنایی کلاهک منگوله‌ای سه طرح شاخص کلاهک منگوله‌ای هستند که نتایج بهینه‌ای از رطوبت خاک و پوشش گیاهی را ارائه می‌دهند [ 29 ] [ 30 ] [ 31 ]. هوگنین و همکاران [ 32 ] در پیکسل های مختلط با استفاده از طبقه بندی زیرپیکسل، درختان سرو و توپلو در مناطق مرطوب در جورجیا و کارولینای جنوبی در ایالات متحده شناسایی شد. طبقه بندی Subpixel در مقایسه با روش های جایگزین در هر پیکسل قابلیت های قوی تری دارد [ 33 ]. در ادبیات، تکنیک های متعددی برای محاسبه تشخیص تغییر وجود دارد: تفاوت تصویر [34 ] [ 35 ]، تفاوت شاخص پوشش گیاهی [ 36 ] [ 37 ]، و سایر روش‌های پیشرفته [ 38 ] [ 39 ] [ 40 ] [ 41 ] [ 42 ] برای برآوردن نیاز واقعی به تغییرات پیچیده جنگلی توسعه یافته‌اند.

هدف از این مطالعه، تشخیص تغییرات پوشش جنگلی با استفاده از تصاویر Landsat به دست آمده در طول سال‌های مختلف و تعیین کمیت تخریب بدون در نظر گرفتن تأثیرات اقلیمی است. در مقایسه با سایر رویکردها در مناطق منطقه‌ای یا ملی، این مطالعه چندین نتیجه را با ادغام زیرپیکسل‌ها با شاخص‌های پوشش گیاهی جمع‌آوری می‌کند.

2. مواد و روشها

2.1. منطقه مطالعه

جنگل Nfifikh یک منطقه دست ساز به وسعت 533 هکتار، نزدیک به شهر Mohammedia، متعلق به استان Benslimane و استان Mohammedia، Chaouia Ourdigha، منطقه Casa-Settat [ 43 ] [ 44 ] است.

در آن ساکنان کازابلانکا، محمد مدیا و بنسلیمان حضور داشتند. طبق گزارش کمیسیون عالی آب و جنگل ها، هر سال از فوریه تا آوریل روزانه حدود 2000 نفر از آن بازدید می کنند [ 43 ]. پس از بازدید میدانی، جنگل دچار وخامت قابل توجهی شده است.

این جنگل بین سالهای 1921 و 1936 توسط یک فرمان وزیر در 20 ژوئن 1921 کاشته شد ^[ 43 ] .

جنگل توسط مختصات لامبرت سیستم شمال مراکش به شرح زیر محدود می شود: شمال: {x: 321,000 y: 348,000}; جنوبی: {x: 321,000 y: 344,600}; شرق: {x: 322,000 y: 346,500} و غرب: {x: 320,000 y: 346,700} ( شکل 1 ).

ویژگی های این جنگل:

1) نقش برجسته: اکثر زمین های مسطح با تنوع چشم اندازهای زیاد، ارتفاع در برخی نقاط به صد متر می رسد که غالب ترین طبقات ارتفاعی 25 تا 40 متر و ارتفاعات 40 تا 60 متر است. وجود شیب از 0 تا بیش از 45٪ وجود دارد. جنگل Nfifikh توسط زمین به طور کلی مسطح با برخی از توپوگرافی ناهموار غالب است.

۲) زمین‌شناسی/خاک‌شناسی: وجود شیست‌ها و کوارتزیت‌های سن اولیه با کنگلومراها و آهکی پلیوسن-کواترنری.

3) آب و هوا: نوع نیمه خشک تا معتدل و گرم

4) فلور: Eucalyptus camaldulensis، Eucalyptus gomphocephala، Pinus halepensis، Quercus suber (بلوط چوب پنبه) با Thuja و Acacia در محدوده های بسیار محدود و انواع درختچه ها [ 45 ].

5) جانوران: گراز وحشی با خرگوش، خرگوش، کبک و کبوتر چوبی معمولی (Columba palumbus) فراوان است.

6) هیدرولوژی: سیستم هیدروگرافی Oued Nfifikh متعلق به حوضه آبخیز رودخانه های ساحلی اقیانوس اطلس و Chaouia است، او منطقه آبی را تغذیه می کند و در طول دوره مرطوب دارای جریان کم و در دوره سیلاب دارای دبی زیاد است.

2.2. جمع آوری داده ها

تصاویر ماهواره‌ای لندست در بازه زمانی 1987 و 2015، دانلود شده، مورد استفاده قرار گرفت

از مرکز ملی زمین شناسی ایالات متحده (USGC). Landsat 5 Thematic Mapper (TM) در 6 ژانویه 1987، Landsat 7 Enhanced Thematic Mapper Plus (ETM ^+ ) در 20 ژانویه 2001 و Landsat 8 Operational Land Imager (OLI) در 3 ژانویه ^{2015 خریداری} شد.

تصاویر ماهواره‌ای با وضوح فضایی 30 متر در UTM (منطقه 29N، مبدأ WGS 84) ارجاع داده می‌شوند [ 46 ].

حقیقت زمینی با بازدید میدانی و نقشه توپوگرافی Mohammedia 1:50,000 (NI-29-XI-4ac) و نقشه انواع پایه 1:20,000 از جهت آب و جنگل مرکز کازابلانکا به دست آمد.

2.3. راه رفتن روش شناختی

2.3.1. شاخص های پوشش گیاهی

تعداد زیادی از شاخص های پوشش گیاهی در ادبیات مورد استفاده در زمینه های مختلف وجود دارد [ 34 ] [ 47 ] [ 48 ]. این مطالعه از سه مورد از رایج ترین شاخص ها برای درمان کاربردهای مختلف اکولوژیکی و تحقیقات جنگل استفاده می کند.

1) شاخص گیاهی تفاوت نرمال شده (NDVI) (1) برای تولید زیست توده نسبی استفاده می شود، این شاخص رابطه بین پاسخ طیفی و پوشش گیاهی را اندازه گیری می کند [ 49 ]. به گفته ژانگ و همکاران. [ 50 ] NDVI یک نشانگر قابل اعتماد برای تخمین تنوع اکوسیستم است، آنها از آن برای ارزیابی تغییرات زمانی و مکانی در مراتع آلپ در تبت شمالی استفاده کردند، همچنین Aguilar و همکاران. [ 51 ] NDVI را برای ارزیابی تغییرات در فصل رشد تابستان در جوامع چوبی در جزیره هاگ در ایالات متحده محاسبه کرد.

2) شاخص گیاهی تعدیل شده با خاک (SAVI) (2)، شرایط زیر خاک را نشان می دهد و هدف آن کاهش اثرات آن بر پوشش گیاهی، با استفاده از ضریب تنظیم ثابت خاک “L” [ 52 ] است. این عامل با بازتاب خاک متفاوت است و به تراکم و پوشش گیاهی بستگی دارد، معمولا L = 0.5.

3) کلاهک Tasseled برای تجزیه و تحلیل و ترسیم هر گونه تغییر مربوط به پوشش گیاهی، شهرنشینی، خاک یا سایر تحولات طراحی شده است [ 53 ]. فایل خروجی سه طرح اطلاعاتی را ارائه می دهد که در مطالعه ما فقط بر دو سطح تمرکز دارند: سبزی (3) و مرطوب بودن (4). الگوریتم برای این سطوح اطلاعات، مجموع وزنی باندها ضرب در ضرایب مربوطه آنها در تصاویر Landsat است.

NDVI = ( NIR – قرمز ) / ( NIR + قرمز )NDVI=(NIR−Red)/(NIR+Red)(1)

SAVI = [ ( NIR – قرمز ) / ( NIR + قرمز + L ) ] ∗ ( 1 + L )SAVI=[(NIR−Red)/(NIR+Red+L)]∗(1+L)(2)

سبزی = – 0.2848 ( آبی ) – 0.2435 ( سبز ) – 0.5436 ( قرمز )+ 0.7243 ( NIR ) + 0.0840 ( SWIRI ) – 0.1800 ( SWIRII )Greenness=−0.2848(Blue)−0.2435(Green)−0.5436(Red)+0.7243(NIR)+0.0840(SWIRI)−0.1800(SWIRII)(3)

رطوبت = 0.1509 ( آبی ) + 0.1973 ( سبز ) + 0.3279 ( قرمز )    + 0.3406 ( NIR ) – 0.7112 ( SWIRI ) – 0.4572 ( SWIRII )Wetness=0.1509(Blue)+0.1973(Green)+0.3279(Red)    +0.3406(NIR)−0.7112(SWIRI)−0.4572(SWIRII)(4)

2.3.2. طبقه بندی زیر پیکسل

طبقه‌بندی زیرپیکسل برای شناسایی و شناسایی مواد مورد علاقه دیگران [ 32 ] در داخل یک پیکسل استفاده شد، جایی که پیکسل برچسب‌های مختلفی می‌گیرد. طبقه بندی زیر پیکسل از اطلاعات طیفی تصویر سوء استفاده می کند. این طبقه بندی را با شناسایی کلاس های مختلف در طیف تک پیکسل بهبود می بخشد [ 54 ]. با استفاده از “ERDAS Imagine 2014” استفاده شد، ماده مورد علاقه (MOI) انتخاب شده، نمودارهای متراکم است.

بیش از 20 نمونه از تصاویر ماهواره ای در منطقه مورد مطالعه به عنوان نمونه آموزشی برای ایجاد یک امضای واحد از قطعات متراکم گرفته شد. این امضا در فرآیند طبقه بندی برای شناسایی تمام پیکسل ها در منطقه مورد مطالعه با ویژگی های طیفی مشابه با نمونه های آموزشی استفاده می شود [ 55 ].

2.3.3. تشخیص تغییر و تحلیل همپوشانی وزنی

تشخیص تغییر هرگونه تغییر تفاوت بین دو تصویر در یک منطقه مورد مطالعه را در تاریخ های مختلف ارزیابی و شناسایی می کند [ 56 ]. در این مطالعه از تفاوت تصویر با تفریق تصویر اخیر از تصویر قدیمی برای دانستن میزان تغییر استفاده می شود [ 57 ]. تشخیص تغییر [ 7 ] با استفاده از اولین و آخرین خروجی شاخص ها و طبقه بندی محاسبه شد. نتایج با همپوشانی وزنی [ 58 ] [ 59 ] همه شاخص‌های تشخیص تغییر و طبقه‌بندی [ 60 ] ترکیب شدند.] . هر عامل به سه طبقه طبقه بندی شد: افزایش، کاهش و بدون تغییر. و با همان درصد نفوذ اعمال شد. نقشه حساسیت به جنگل زدایی با همپوشانی همه نقشه ها از نظر روش های همپوشانی وزنی با استفاده از ابزار تحلیل فضایی در ArcGIS 10.4 [ 61 ] به دست می آید.

3. نتایج و بحث

نقشه های حاصل از شاخص های پوشش گیاهی متغیر قابل توجهی از تراکم جنگل را نشان می دهد. شکل 2 نشان می دهد که نمایش حداقل مقدار NDVI ثبت شده 0.45- در سال 1987، SAVI و Wetness است که به ترتیب: -0.67 و -0.46 است، در حالی که برای سبزی، حداقل مقدار 0.38- در سال 2001 ثبت شده است. حداکثر مقدار ثبت شده است. در سال 2001 برای چهار شاخص است: NDVI = 0.743; SAVI = 1.11; سبزی = 0.76 و رطوبت = 0.502.

مناطق سبز در NDVI نمایانگر پوشش گیاهی است و SAVI و Tasseled Cap نتایج تقریبا مشابهی را نشان می دهند.

بین سال‌های 1987 و 2001، تراکم پوشش گیاهی بر اساس شاخص‌ها افزایش می‌یابد، اما بین سال‌های 2001 تا 2015 کاهش قابل‌توجهی وجود دارد. کرت‌های متراکم استخراج‌شده توسط طبقه‌بندی زیرپیکسلی بین سال‌های 1987، 2001 و 2015 اندکی کاهش یافت.

NDVI بین سال های 1987 تا 2015 با مساحت 449.01 هکتار به طور قابل توجهی پسرفت داشته است. سایر شاخص ها رگرسیون را تایید می کنند، برای SAVI 442.8 هکتار تخریب وجود دارد و برای TC Greenness و Wetness به ترتیب 322.2 هکتار و 415.53 هکتار ( جدول 1 ) داریم.

برای طبقه‌بندی زیرپیکسل‌ها، پیکسل‌هایی که مناطق متراکم در جنگل را نشان می‌دهند و با شناسایی مناطقی با شاخص‌های پوشش گیاهی بالا ، به عنوان MOI تعیین شدند ( شکل 3 ). طبقه بندی ساب پیکسل چهار کلاس تولید می کند. هر کدام نشان دهنده درصد MOI در هر پیکسل است. طبقه چهارم جالب ترین در این مطالعه است، که در آن وزارت اطلاعات بین 80 تا 100 درصد، 41.80 درصد از کل مساحت جنگل در سال 1987، 40.66 درصد در سال 2001 و تنها 38.36 درصد در سال 2015 را تشکیل می دهد. کاهش زیست توده جنگلی برای ارزیابی دقت، به طور کلی

دقت و دقت کاپا برای اندازه گیری دقت نقشه محاسبه شد. دقت کلی 81.06 درصد و دقت کاپا 76.7 درصد بود که قابل قبول به نظر می رسید.

کاربری های مختلف زمین تغییرات متفاوتی را تحمل می کنند [ 61 ]. تغییر Detection برای تخمین و تشخیص استحاله ها و تغییرات چگالی فضایی با کمی کردن تعداد پیکسل های چگالی پردازش شده استفاده شد [ 62 ].

نتایج آشکارسازی تغییر پوشش جنگلی جنگل نفیخ از سال 1987 تا 2015 با شاخص‌های NDVI، SAVI، سبزی دماغه منگوله‌ای و رطوبت، رگرسیون قابل‌توجهی از پوشش گیاهی را نشان می‌دهد که تنها در حد اکثر 6 هکتار، تغییراتی برای شاخص‌های گیاهی نداشته است. پوشش گیاهی و 274.52 هکتار برای طبقه بندی Subpixel.

آشکارسازی تغییر در جنگل نفیفیخ بین سال‌های 1987 و 2001 محاسبه شده است و افزایش دینامیک پوشش گیاهی را به میزان 324.38 هکتار نشان می‌دهد که 60.86 درصد از مساحت جنگل را تشکیل می‌دهد و برعکس تشخیص تغییر بین سال‌های 2001 و 2015 نشان‌دهنده رگرسیون 640c604. درصد از کل مساحت جنگل.

تمام نقشه‌های تشخیص تغییر برای شاخص‌ها و همچنین طبقه‌بندی زیرپیکسل‌ها روی هم قرار گرفته‌اند و طبق شکل 4 و جدول 2 ، مناطق جنگل‌زدایی 52.09 درصد از کل مساحت و تنها 5.60 درصد برای مناطق جنگل‌کاری شده است. لازم به ذکر است که جنگل نفیخ به ویژه در کنار رودخانه و همچنین در جنوب افت چشمگیری داشته است در حالی که در شمال بخش های کوچکی وجود دارد که آسیبی ندیده است.

توجه داشته باشید که جنگل Nfifikh بین سال‌های 2003 و 2010، ده آتش‌سوزی را تجربه کرده است که علت آن ناشناخته باقی مانده است، اما خسارت آن ناچیز است به وسعت 6.13 هکتار، همچنین حملات انگلی Pine processionary و Phoracantha semipunctata، اگرچه خدمات جنگل‌داری منطقه‌ای از 305 هکتار تا 20131011 را جنگل‌کاری کردند. , اما ناکافی است [ 43 ] .

رگرسیون جنگل را می‌توان با فعالیت‌های انسانی قوی، جمعیت ساحلی و گردشگران از جنگل به عنوان زباله‌دان، به‌ویژه در کنار رودخانه، و همچنین چرای بیش از حد و بهره‌برداری بیش از حد از چوب توضیح داد. همچنین آلودگی جوی ناشی از جاده ها، بزرگراه ها و راه آهن که از جنگل عبور می کنند وجود دارد.

4. نتیجه گیری

سنجش از دور بهترین ابزار برای تشخیص و اندازه گیری هر گونه تغییر است. این مطالعه بر ارزیابی و پایش پوشش جنگلی نفیخ بین سال‌های 1987 تا 2015 متمرکز بود. ترکیب شاخص‌های پوشش گیاهی با طبقه‌بندی زیرپیکسلی در تخمین درجه جنگل‌زدایی و ارزیابی منابع جنگلی مفید بود.

تصاویر Landsat به یک چشم‌انداز وضعیت جنگل و توانایی استخراج یک جنگل‌زدایی بین سال‌های 1987 و 2001 و یک جنگل‌زدایی قابل‌توجه در سال 2015 اجازه می‌دهد. Water and Forests Direction باید مداخله می‌کرد و کشتزارها را برای اصلاح آن کشف کرد، اما تراکم هنوز نسبتاً کم است.

در نتیجه، تصاویر ماهواره ای برای اندازه گیری پوشش جنگل بسیار مفید است. مناطق غیر جنگلی را می توان به راحتی با استفاده از چندین رویکرد شناسایی کرد و به ما کمک می کند تا سلامت و تراکم جنگل را به روشی آسان آشکار کنیم. طبقه بندی زیرپیکسل تمام تغییرات درون پیکسل را به ما نشان داد. پایش جنگل منفی است ما لزوماً باید تراکم را با مزارع افزایش دهیم، در درجه اول برای درمان انگل‌هایی که به درختان حمله می‌کنند و تحقیقات بیشتری برای کشف عوامل مؤثر باید انجام شود.

منابع

[ 1 ]	Aguilar, FJ, Nemmaoui, A., Aguilar, MA, Chourak, M., Zarhloule, Y. and García Lorca, AM (2016) ارزیابی کمی تغییر پوشش جنگلی در حوضه آبخیز رودخانه Moulouya (مراکش) با ادغام یک تجزیه و تحلیل مبتنی بر زیرپیکسل و شیء محور داده های Landsat. جنگل ها، 7، 23. https://doi.org/10.3390/f7010023
[ 2 ]	Martínez, J., Vega-Garcia, C., and Chuvieco, E. (2009) رتبه بندی خطر آتش سوزی ناشی از انسان برای برنامه ریزی پیشگیری در اسپانیا. مجله مدیریت محیط زیست، 90، 1241-1252. https://doi.org/10.1016/j.jenvman.2008.07.005
[ 3 ]	سیمولا، ام (2009) به سوی تعریف تخریب جنگل: تحلیل مقایسه ای تعاریف موجود. کارنامه ارزیابی منابع جنگلی، 154.
[ 4 ]	Hansen, MC, Roy, DP, Lindquist, E., Adusei, B., Justice, CO and Altstatt, A. (2008) روشی برای ادغام داده های MODIS و Landsat برای نظارت سیستماتیک پوشش جنگلی و تغییر در حوضه کنگو. سنجش از دور محیط زیست، 112، 2495-2513. https://doi.org/10.1016/j.rse.2007.11.012
[ 5 ]	Cuenca, P., Arriagada, R. and Echeverría, C. (2016) مناطق حفاظت شده چقدر از جنگل زدایی در مناظر گرمسیری آند اجتناب می کنند؟ علوم و سیاست محیطی، 56، 56-66. https://doi.org/10.1016/j.envsci.2015.10.014
[ 6 ]	Kinoshita، T.، Inoue، K.، Iwao، K.، Kagemoto، H. و Yamagata، Y. (2009) ارزیابی فضایی استفاده از زیست توده جنگل با استفاده از GIS. انرژی کاربردی، 86، 1-8. https://doi.org/10.1016/j.apenergy.2008.03.017
[ 7 ]	Song, X.-P., Huang, C., Sexton, JO, Channan, S. and Townshend, JR (2014) تشخیص سالانه از دست دادن پوشش جنگل با استفاده از اندازه‌گیری‌های ماهواره‌ای سری زمانی درصد پوشش درخت. سنجش از دور، 6، 8878-8903. https://doi.org/10.3390/rs6098878
[ 8 ]	Romero-Sanchez, ME and Ponce-Hernandez, R. (2017) ارزیابی و پایش تخریب جنگل در جنگل های استوایی برگریز در مکزیک از طریق شاخص های سنجش از دور. Forests, 8, 302. https://doi.org/10.3390/f8090302
[ 9 ]	Haque, MI and Basak, R. (2017) تشخیص تغییر پوشش زمین با استفاده از تکنیک‌های GIS و سنجش از دور: یک مطالعه فضایی-زمانی در Tanguar Haor, Sunamganj, بنگلادش. مجله مصری سنجش از دور و علوم فضایی، 20، 251-263. https://doi.org/10.1016/j.ejrs.2016.12.003
[ 10 ]	ویلا، پی، لچی، جی و گوماراسکا، MA (2009) تکنیک‌های تفاضل چند متغیره برای تشخیص تغییر پوشش زمین: رویکرد بازتاب تفاوت عادی شده. در: علوم زمین و سنجش از دور، InTech.، 277-301. https://doi.org/10.5772/8312
[ 11 ]	Margono، BA، Turubanova، S.، Zhuravleva، I.، Potapov، P.، Tyukavina، A.، Baccini، A.، و همکاران. (2012) نقشه برداری و پایش جنگل زدایی و تخریب جنگل در سوماترا (اندونزی) با استفاده از مجموعه داده های سری زمانی Landsat از 1990 تا 2010. Environmental Research Letters, 7, ID مقاله: 034010. https://doi.org/10.1088-9326 /7/3/034010
[ 12 ]	Schultz, M., Clevers, JG, Carter, S., Verbesselt, J., Avitabile, V., Quang, HV and Herold, M. (2016) عملکرد شاخصهای گیاهی از سری زمانی Landsat در پایش جنگل زدایی. مجله بین المللی مشاهده کاربردی زمین و اطلاعات جغرافیایی، 52، 318-327. https://doi.org/10.1016/j.jag.2016.06.020
[ 13 ]	مورتون، دی سی، دفریز، RS، شیمابوکورو، YE، اندرسون، LO، آرای، ای.، دل بون اسپریتو-سانتو، اف.، و همکاران. (2006) گسترش زمین های زراعی دینامیک جنگل زدایی را در آمازون برزیل جنوبی تغییر می دهد. مجموعه مقالات آکادمی ملی علوم، 103، 14637-14641. https://doi.org/10.1073/pnas.0606377103
[ 14 ]	Huete, A., Didan, K., Miura, T., Rodriguez, EP, Gao, X. and Ferreira, LG (2002) مروری بر عملکرد رادیومتری و بیوفیزیکی شاخص های گیاهی MODIS. سنجش از دور محیط زیست، 83، 195-213. https://doi.org/10.1016/S0034-4257(02)00096-2
[ 15 ]	Lyon, JG, Yuan, D., Lunetta, RS and Elvidge, CD (1998) یک آزمایش تشخیص تغییر با استفاده از شاخص های گیاهی. مهندسی فتوگرامتری و سنجش از دور، 64، 143-150.
[ 16 ]	Ochego، H. (2003) کاربرد سنجش از راه دور در پایش جنگل زدایی: مطالعه موردی ابردارس (کنیا). دومین کنفرانس منطقه ای FIG، مراکش، مراکش، 2-5 دسامبر 2003، 1-10.
[ 17 ]	Lea, R., Blodgett, C., Diamond, D. and Schanta, M. (2004) با استفاده از تبدیل کلاهک منگوله‌ای برای شناسایی تغییر در جنگل‌های اوزارک میسوری. مجموعه مقالات کنفرانس پاییز ASPRS تصاویر تا تصمیمات: مبانی سنجش از دور برای کاربردهای GIS، 1-12.
[ 18 ]	Yang, L., Xian, G., Klaver, JM and Deal, B. (2003) تشخیص تغییر پوشش زمین شهری از طریق نقشه‌برداری نفوذناپذیری زیر پیکسل با استفاده از داده‌های سنجش از راه دور. مهندسی فتوگرامتری و سنجش از دور، 69، 1003-1010. https://doi.org/10.14358/PERS.69.9.1003
[ 19 ]	وانگ، تی (2016) تغییر NDVI گیاهی و رابطه آن با تغییرات آب و هوا و فعالیت های انسانی در یولین، استان شانشی چین. مجله علوم زمین و حفاظت از محیط زیست، 4، 28-40. https://doi.org/10.4236/gep.2016.410002
[ 20 ]	Ghebrezgabher, MG, Yang, T., Yang, X., Wang, X. and Khan, M. (2016) استخراج و تجزیه و تحلیل تغییر پوشش جنگل و جنگل در اریتره بر اساس داده های Landsat با استفاده از طبقه بندی نظارت شده. مجله مصری سنجش از دور و علوم فضایی، 19، 37-47. https://doi.org/10.1016/j.ejrs.2015.09.002
[ 21 ]	Kumar, P., Rani, M., Pandey, PC, Majumdar, A. and Nathawat, MS (2010) پایش جنگل زدایی و تخریب جنگل با استفاده از سنجش از دور و GIS: مطالعه موردی Ranchi در Jharkhand (هند). گزارش و نظر، 2، 55-67.
[ 22 ]	Xue, J. and Su, B. (2017) شاخص‌های گیاهی سنجش از دور مهم: مروری بر توسعه‌ها و کاربردها. مجله حسگرها، 1396، شناسه مقاله: 1353691. https://doi.org/10.1155/2017/1353691
[ 23 ]	Nori, W., Elsidding, EN and Niemeyer, I. (2008) تشخیص تغییرات پوشش زمین با استفاده از تصاویر ماهواره ای چند زمانی. آرشیو بین المللی فتوگرامتری، سنجش از دور و علوم اطلاعات فضایی، 37، 947-952.
[ 24 ]	Huete، AR (1988) یک شاخص گیاهی تنظیم شده با خاک (SAVI). سنجش از دور محیط زیست، 25، 295-309. https://doi.org/10.1016/0034-4257(88)90106-X
[ 25 ]	Healey, SP, Cohen, WB, Zhiqiang, Y. and Krankina, ON (2005) مقایسه ساختارهای داده Landsat مبتنی بر کلاه منگوله ای برای استفاده در تشخیص اختلال جنگل. سنجش از دور محیط زیست، 97، 301-310. https://doi.org/10.1016/j.rse.2005.05.009
[ 26 ]	جین، اس و سادر، SA (2005) مقایسه رطوبت درپوش منگوله‌ای سری زمانی و شاخص رطوبت تفاوت نرمال شده در تشخیص اختلالات جنگل. سنجش از دور محیط زیست، 94، 364-372. https://doi.org/10.1016/j.rse.2004.10.012
[ 27 ]	Masek, JG, Huang, C., Wolfe, R., Cohen, W., Hall, F., Kutler, J. and Nelson, P. (2008) اختلال جنگل آمریکای شمالی از یک رکورد ده ساله لندست نقشه برداری شده است. سنجش از دور محیط زیست، 112، 2914-2926. https://doi.org/10.1016/j.rse.2008.02.010
[ 28 ]	Hais, M., Jonásová, M., Langhammer, J. and Kucera, T. (2009) مقایسه دو نوع اختلال جنگل با استفاده از تصاویر Multitemporal Landsat TM/ETM+ و داده‌های پوشش گیاهی. سنجش از دور محیط زیست، 113، 835-845. https://doi.org/10.1016/j.rse.2008.12.012
[ 29 ]	Rozario، PF، Oduor، PG، Kotchman، L. and Kangas، M. (2017) تجزیه و تحلیل عدم قطعیت همبستگی خودکار فضایی داده‌های کاربری و پوشش زمین در Pipestem Creek در داکوتای شمالی. مجله علوم زمین و حفاظت از محیط زیست، 5، 71-88. https://doi.org/10.4236/gep.2017.58008
[ 30 ]	Ruhoff، AL، Castro، NMR و Risso، A. (2011) مدلسازی عددی شاخص رطوبت توپوگرافی: تجزیه و تحلیل در مقیاس های مختلف. مجله بین المللی علوم زمین، 2، 476-483. https://doi.org/10.4236/ijg.2011.24050
[ 31 ]	Baumann، M.، Ozdogan، M.، Wolter، PT، Krylov، A.، Vladimirova، N. و Radeloff، VC (2014) سنجش از دور Landsat از اختلال باد باد جنگل. سنجش از دور محیط زیست، 143، 171-179. https://doi.org/10.1016/j.rse.2013.12.020
[ 32 ]	Huguenin, RL, Karaska, MA, Van Blaricom, D. and Jensen, JR (1997) طبقه بندی زیرپیکسلی درختان سرو طاس و صمغ Tupelo در تصاویر نقشه برداری موضوعی. مهندسی فتوگرامتری و سنجش از دور، 63، 717-725.
[ 33 ]	Verbeiren, S., Eerens, H., Piccard, I., Bauwens, I. and Van Orshoven, J. (2008) رده بندی زیر پیکسلی سری های زمانی SPOT-VEGETATION برای ارزیابی مناطق زراعی منطقه ای در بلژیک. مجله بین المللی مشاهده کاربردی زمین و اطلاعات جغرافیایی، 10، 486-497. https://doi.org/10.1016/j.jag.2006.12.003
[ 34 ]	Hayes, DJ and Sader, SA (2001) مقایسه تکنیک‌های تشخیص تغییر برای نظارت بر پاکسازی جنگل‌های استوایی و رشد مجدد گیاهی در یک سری زمانی. مهندسی فتوگرامتری و سنجش از دور، 67، 1067-1075.
[ 35 ]	Afify، HA (2011) ارزیابی تکنیک های تشخیص تغییر برای نظارت بر تغییرات پوشش زمین: مطالعه موردی در منطقه نیوبرگ العرب. مجله مهندسی اسکندریه، 50، 187-195. https://doi.org/10.1016/j.aej.2011.06.001
[ 36 ]	Nordberg, ML and Evertson, J. (2005) تفاوت شاخص گیاهی و رگرسیون خطی برای تشخیص تغییر در یک رشته کوه سوئدی با استفاده از تصاویر Landsat TM® و ETM+®. تخریب و توسعه زمین، 16، 139-149.
[ 37 ]	Sahebjalal, E. and Deshtekian, K. (1392) تجزیه و تحلیل تغییرات کاربری اراضی – پوشش اراضی با استفاده از روشهای افتراق و طبقه بندی با شاخص تفاوت نرمال شده گیاهی (NDVI). مجله آفریقایی تحقیقات کشاورزی، 8، 4614-4622.
[ 38 ]	Mas، JF (1999) نظارت بر تغییرات پوشش زمین: مقایسه تکنیک های تشخیص تغییر. مجله بین المللی سنجش از دور، 20، 139-152. https://doi.org/10.1080/014311699213659
[ 39 ]	آشوتوش، اس. (2012) نظارت بر جنگل ها: پارادایم جدیدی از سنجش از دور و تشخیص تغییر مبتنی بر GIS. مجله نظام اطلاعات جغرافیایی، 4، 470-478. https://doi.org/10.4236/jgis.2012.45051
[ 40 ]	Onojeghuo, AO and Onojeghuo, AR (2015) Dynamics of Forest Landscape Transition through Protected Areas in the Niger Delta from 1986 to 2014. Journal of Geoscience and Environment Protection, 3, ID مقاله: 59329. https://doi.org/104 . /gep.2015.37001
[ 41 ]	Adedeji، OH و Adeofun، CO (2014) الگوی فضایی تغییر پوشش زمین با استفاده از تصاویر سنجش از دور و GIS: مطالعه موردی ذخیره‌گاه جنگلی Omo-Shasha-Oluwa، SW نیجریه (1986-2002). مجله نظام اطلاعات جغرافیایی، 6، 375-385. https://doi.org/10.4236/jgis.2014.64033
[ 42 ]	تراحی، AA و رای، SC (1390) طبقه‌بندی پوشش اراضی و تحلیل تغییر جنگل، با استفاده از تصاویر ماهواره‌ای – مطالعه موردی در منطقه دهدز کوه زاگرس در ایران. مجله نظام اطلاعات جغرافیایی، 3، 1-11. https://doi.org/10.4236/jgis.2011.31001
[ 43 ]	مدیریت منطقه ای مرکز جنگلداری (1391) مطالعه مدیریت تفریحی و جنگلی جنگل نفیخ. کازابلانکا
[ 44 ]	کمیسیون عالی آب و جنگل ها و مبارزه با بیابان زایی. (2005) پروژه توسعه یکپارچه روستایی برای مناطق جنگلی و پیش جنگلی: ارزیابی زیست محیطی (گزارش نهایی).
[ 45 ]	Khatami, A., Ponche, JL, Jabry, E. and Mirabel, P. (1998) مدیریت کیفیت هوا در منطقه کازابلانکا بزرگ (مراکش). بخش 1: فهرست انتشار اتمسفر برای سال 1992. علم محیط زیست کل، 209، 201-216. https://doi.org/10.1016/S0048-9697(98)80111-3
[ 46 ]	Hoja, D., Schneider, M., Müller, R., Lehner, M. and Reinartz, P. (2008) مقایسه روشهای Orthorectification مناسب برای نقشه برداری سریع با استفاده از ارجاع جغرافیایی مستقیم و RPC برای داده های ماهواره ای نوری. آرشیو بین المللی فتوگرامتری، سنجش از دور و علوم اطلاعات فضایی، 37، 1617-1624.
[ 47 ]	Huete, AR, Liu, HQ, Batchily, K. and Van Leeuwen, WJDA (1997) مقایسه ای از شاخص های گیاهی بر روی مجموعه ای جهانی از تصاویر TM برای EOS-MODIS. سنجش از دور محیط زیست، 59، 440-451. https://doi.org/10.1016/S0034-4257(96)00112-5
[ 48 ]	Price, JC (1987) کالیبراسیون پرتو سنج های ماهواره و مقایسه شاخص های گیاهی. سنجش از دور محیط زیست، 21، 15-27. https://doi.org/10.1016/0034-4257(87)90003-4
[ 49 ]	Sall، BR (2013) تجزیه و تحلیل گذشته نگر دو آتش سوزی در زمین های وحشی کالیفرنیای شمالی از طریق زمین هایی در پنج تصویر ماهواره ای و شاخص گیاهی تفاوت عادی شده (NDVI). مجله باز بوم شناسی، 3، 311-323. https://doi.org/10.4236/oje.2013.34036
[ 50 ]	Zhang, X., Lu, X. and Wang, X. (2015) تغییرات فضایی-زمانی NDVI از طبقات و گروههای مختلف مرتع آلپ در تبت شمالی از سال 2000 تا 2013. تحقیق و توسعه کوهستان، 35، 254-263. https://doi.org/10.1659/MRD-JOURNAL-D-14-00110.1
[ 51 ]	Aguilar, C., Zinnert, JC, Polo, MJ and Young, DR (2012) NDVI به عنوان شاخصی برای تغییرات در دسترس بودن آب به پوشش گیاهی چوبی. شاخص های اکولوژیکی، 23، 290-300. https://doi.org/10.1016/j.ecolind.2012.04.008
[ 52 ]	Rondeaux, G., Steven, M. and Baret, F. (1996) بهینه سازی شاخص های گیاهی تنظیم شده با خاک. سنجش از دور محیط، 55، 95-107. https://doi.org/10.1016/0034-4257(95)00186-7
[ 53 ]	Crist، EP و Cicone، RC (1984) کاربرد مفهوم کلاهک منگوله‌ای برای شبیه‌سازی داده‌های نقشه‌برداری موضوعی. مهندسی فتوگرامتری و سنجش از دور، 50، 343-352.
[ 54 ]	Du, P., Liu, S., Liu, P., Tan, K. and Cheng, L. (2014) تشخیص تغییر پیکسل فرعی برای تجزیه و تحلیل پوشش زمین شهری از طریق تصاویر سنجش از دور چند زمانی. علم اطلاعات جغرافیایی، 17، 26-38. https://doi.org/10.1080/10095020.2014.889268
[ 55 ]	Flanagan, M. and Civco, DL (2001) نگاشت سطح غیرقابل نفوذ زیرپیکسلی. مجموعه مقالات کنوانسیون سالانه ASPRS 2001، سنت لوئیس، MO، آوریل 2001، 1-13.
[ 56 ]	Hegazy، IR و Kaloop، MR (2015) نظارت بر رشد شهری و تشخیص تغییر کاربری زمین با تکنیک‌های GIS و سنجش از دور در استان دقاهلیا مصر. مجله بین المللی محیط زیست پایدار، 4، 117-124. https://doi.org/10.1016/j.ijsbe.2015.02.005
[ 57 ]	Veettil، BK (2012) مطالعه مقایسه ای تکنیک های تشخیص تغییر شهری با استفاده از تصاویر با وضوح فضایی بالا Quickbird و WorldView-2. IV Simpósio Brasileiro de Ciências Geodésicas e Tecnologias da Geoinformacao, СТР, Recife, 6-9 ژوئن 2012, 1-8.
[ 58 ]	Magesh، NS، Chandrasekar، N. و Soundranayagam، JP (2012) ترسیم مناطق بالقوه آب زیرزمینی در ناحیه تنی، تامیل نادو، با استفاده از تکنیک‌های سنجش از دور، GIS و MIF. مرزهای علوم زمین، 3، 189-196. https://doi.org/10.1016/j.gsf.2011.10.007
[ 59 ]	Valente, RDOA and Vettorazzi, CA (2008) تعریف مناطق اولویت دار برای حفاظت از جنگل از طریق روش میانگین وزنی مرتب. اکولوژی و مدیریت جنگل، 256، 1408-1417. https://doi.org/10.1016/j.foreco.2008.07.006
[ 60 ]	Nagarajan, M. and Singh, S. (2009) ارزیابی مناطق بالقوه آب زیرزمینی با استفاده از تکنیک GIS. مجله انجمن هندی سنجش از دور، 37، 69-77. https://doi.org/10.1007/s12524-009-0012-z
[ 61 ]	Ranjan, AK, Anand, A., Vallisree, S. and Singh, RK (2016) تشخیص تغییر LU/LC و تجزیه و تحلیل تخریب جنگل در پناهگاه حیات وحش Dalma با استفاده از فناوری 3S: مطالعه موردی در جمشیدپور-هند. AIMS Geosciences, 2, 273-285.
[ 62 ]	العزیز، AOA (2013) نظارت و تشخیص تغییر در امتداد ضلع شرقی خم قنا، دره نیل، مصر با استفاده از GIS و سنجش از دور. پیشرفت در سنجش از دور، 2، 276-281. https://doi.org/10.4236/ars.2013.23030