ارزیابی زیست توده بالای زمین از داده‌های سنجش از دور نوری و SAR در استان سورات تانی، تایلند

امروزه محتوای کربن در جو عمدتاً به دلیل انتشار گازهای گلخانه ای و جنگل زدایی در حال افزایش است. جنگل نقش کلیدی در جذب دی اکسید کربن از اتمسفر از طریق فرآیند جداسازی از طریق فتوسنتز و ذخیره سازی به شکل زیست توده چوبی ایفا می کند که حاوی نزدیک به 70 تا 80 درصد کربن جهانی است. اشکال مختلف زیست توده در محیط زیست شامل محصولات کشاورزی، چوب، انرژی های تجدیدپذیر و زباله های جامد است. بنابراین، برآورد محتوای زیست توده در محیط ضروری است. در زمان های قدیم، زیست توده با تکنیک های موجودی جنگل برآورد می شود که زمان و هزینه زیادی را صرف می کند. توزیع فضایی زیست توده را نمی توان با تکنیک های جنگل موجودی سنتی به دست آورد، بنابراین استفاده از سنجش از دور در ارزیابی زیست توده برای حل این مشکل معرفی شده است. دقت کلی نقشه طبقه بندی شده نشان می دهد که ویژگی های اراضی سوره ثانی بر روی نقشه دقت 13/91 درصد را با ویژگی های مختلف زمین روی زمین نشان می دهد. داده‌های سنجش از دور نوری (LANDSAT-8) و رادار دیافراگم مصنوعی (ALOS-2) برای ارزیابی زیست‌توده بالای زمین (AGB) استفاده می‌شوند. زیست توده ای که در شاخه و ساقه درخت ذخیره می شود، زیست توده روی زمین نامیده می شود. 20 قطعه نمونه زمینی 30 متر × 30 متر برای محاسبه زیست توده از معادلات آلومتریک استفاده شد. سنجش از دور نوری زیست توده را بر اساس شاخص های طیفی شاخص گیاهی تنظیم شده خاک (SAVI) و شاخص نسبت گیاهی (RVI) با تجزیه و تحلیل رگرسیون (R) محاسبه می کند. داده‌های سنجش از دور نوری (LANDSAT-8) و رادار دیافراگم مصنوعی (ALOS-2) برای ارزیابی زیست‌توده بالای زمین (AGB) استفاده می‌شوند. زیست توده ای که در شاخه و ساقه درخت ذخیره می شود، زیست توده روی زمین نامیده می شود. 20 قطعه نمونه زمینی 30 متر × 30 متر برای محاسبه زیست توده از معادلات آلومتریک استفاده شد. سنجش از دور نوری زیست توده را بر اساس شاخص های طیفی شاخص گیاهی تنظیم شده خاک (SAVI) و شاخص نسبت گیاهی (RVI) با تجزیه و تحلیل رگرسیون (R) محاسبه می کند. داده‌های سنجش از دور نوری (LANDSAT-8) و رادار دیافراگم مصنوعی (ALOS-2) برای ارزیابی زیست‌توده بالای زمین (AGB) استفاده می‌شوند. زیست توده ای که در شاخه و ساقه درخت ذخیره می شود، زیست توده روی زمین نامیده می شود. 20 قطعه نمونه زمینی 30 متر × 30 متر برای محاسبه زیست توده از معادلات آلومتریک استفاده شد. سنجش از دور نوری زیست توده را بر اساس شاخص های طیفی شاخص گیاهی تنظیم شده خاک (SAVI) و شاخص نسبت گیاهی (RVI) با تجزیه و تحلیل رگرسیون (R) محاسبه می کند.² =0.813). رادار دیافراگم مصنوعی (SAR) یک تکنیک نوظهور است که از طول موج های فرکانس بالا برای تخمین زیست توده استفاده می کند. پراکندگی برگشتی HV ALOS-2 رابطه خوبی (74/0=R2 ⁾ با زیست توده محاسبه‌شده میدانی در مقایسه با HH (43/0=R2 ⁾ نشان می‌دهد که برای تولید مدل زیست توده با استفاده از تحلیل رگرسیون خطی استفاده می‌شود. ترکیبی از هر دو شاخص طیفی نوری (SAVI، RVI) و HV (ALOS-2) پراکندگی پس‌انداز SAR، دقت زیست توده مزرعه را در مقایسه با نوری (R2 ^= 0.788 ) و SAR (R2 ⁼ 0.742) به (R2 = 0.859) افزایش می‌دهد.

کلید واژه ها

زیست توده بالای زمین ، شاخص های طیفی ، پراکندگی پس ، LANDSAT 8 ، ALOS-2

1. مقدمه

هر سال به طور متوسط ​​9.9 میلیارد متریک تن کربن در جو آزاد می شود. تهدیدهای زیادی برای محیط زیست جهانی ایجاد می کند. انتشار کربن به دلیل افزایش استفاده از سوخت‌های فسیلی، جنگل‌زدایی جنگل‌ها و غیره افزایش یافته است. جنگل به عنوان یک ترسیب کربن عمل می‌کند، زیرا کربن زیادی را به شکل زیست توده ذخیره می‌کند. با توجه به افزایش فعالیت های انسانی مانند تغییر پوشش زمین، سوزاندن مقدار زیادی سوخت فسیلی و جنگل زدایی نیاز به تولید زیست توده دقیق برای مدیریت اکوسیستم جنگل در آینده وجود دارد [ 1 ]. 30 درصد زمین یعنی 4 میلیارد هکتار را جنگل اشغال کرده است. به عنوان مثال طبق پروتکل کیوتو [ 2] جنگل به عنوان مساحتی از زمین با مساحت 0.5 – 1 هکتار و پوشش تاج بیش از 10٪ – 30٪ تعریف می شود. زیست توده وزن (یا) جرم بافت گیاهی زنده آن است که به طور کلی بر حسب تن بیان می شود. این ماده آلی موجود در محیط است. به طور کلی زیست توده را می توان به دو شکل به دست آورد: 1) زیست توده خام از منابع مختلف مانند کشاورزی، جنگلداری، محصولات کشاورزی، زباله های شهری و دفع حیوانات. 2) زیست توده ثانویه به دست آمده از زیست توده اولیه شامل کاغذ، پنبه، لاستیک طبیعی، تخته کارت و غیره است. انرژی آزاد شده از زیست توده هنگام سوزاندن به سوختی به نام انرژی زیست توده تبدیل می شود. زیست توده انرژی تجدیدپذیری را فراهم می کند که اقتصاد، محیط زیست و منبع انرژی را بهبود می بخشد. انرژی های تجدیدپذیر سازگار با محیط زیست هستند و آسیب کمتری به محیط زیست وارد می کنند. روش سنتی موجودی دقیق ترین روش برای تخمین زیست توده است اما زمان، هزینه و نیروی کار زیادی را مصرف می کند. توزیع فضایی زیست توده در حجم عظیم را نمی توان با تکنیک موجودی محاسبه کرد. بنابراین برای حل این مشکل از تکنیک های سنجش از دور برای تخمین زیست توده استفاده می شود. به دلیل جنگل‌زدایی، مقدار زیادی کربن در اتمسفر منتشر می‌شود و رشته‌هایی به محیط جهانی ایجاد می‌کند. به طور کلی نقشه برداری دقیق تغییر پوشش زمین برای یافتن مناطق جنگل زدایی مورد نیاز است و همچنین به نظارت بر تغییرات زیست توده با گذشت زمان کمک می کند. بنابراین برآورد محتوای زیست توده در محیط بسیار مهم است. استفاده از داده های سنجش از دور به منبع اولیه برای تخمین زیست توده آسان و سریع برای یک منطقه بزرگ تبدیل می شود. داده های سنجش از راه دور شامل داده های نوری و SAR هستند.3 ] , SPOT [ 4 ] , MODIS [ 5 ] ) تصاویر. سنجش از دور نوری توانایی تخمین زیست توده بالای زمین را دارد زیرا پاسخ طیفی در داده‌های حسگر نوری به تعامل بین پوشش گیاهی و تابش خورشید مربوط می‌شود. زیست توده با تعیین همبستگی بین پاسخ طیفی و داده های زمینی به دست آمده از نمودارهای میدانی تخمین زده می شود. برای حذف تغییرپذیری ناشی از هندسه تاج پوشش، زاویه دید خورشید بر روی تخمین زیست توده، یک رابطه بین شاخص‌های پوشش گیاهی و پارامترهای بیوفیزیکی جنگل ایجاد شد. این یک مزیت بالقوه در تخمین جرم زیستی از مقیاس متوسط ​​تا بزرگ دارد. داده های با وضوح مکانی بالا مانند IKONOS [ 6 ] و WORLDVIEW-2 [ 7] زیست توده دقیق را در مقیاس محلی فراهم می کند. برای مقیاس های منطقه ای حجم زیادی از داده ها مانند LANDSAT که داده های با وضوح مکانی متوسط ​​است استفاده می شود. در مقیاس ملی و جهانی، داده‌های تفکیک فضایی درشت مانند MODIS برای تخمین زیست توده مفید هستند. سنجش از دور نوری زیست توده را از روی شاخص های طیفی محاسبه می کند. در تخمین زیست توده جنگل موفق است اما در مناطق ابری استفاده نمی شود. این محدودیت ممکن است با استفاده از داده های رادار که قابلیت اضافی تصاویر بدون ابر را فراهم می کند، برطرف شود. باندهای مختلف P، L، S، C، K و X در داده های SAR استفاده می شود. از همه باندها، هر دو P و L دارای طول موج بالاتری هستند و توسط تنه و شاخه های درختان پراکنده می شوند، بنابراین بیشتر برای تخمین زیست توده استفاده می شوند. با داده های SAR، زیست توده در یک منطقه بزرگ از مقدار پس پراکندگی محاسبه می شود.8 ]، رادارسات [ 9 ] [ 10 ]، TERRASAR-X [ 11 ]، ENVISAT [ 12 ]، ALOS-2 [ 13 ]. در مقایسه با تمام داده های SAR، ALOS PALSAR متداول ترین مورد استفاده است زیرا دارای باند L با طول موج بالاتری است که بیشتر از تاج درختان نفوذ می کند و زیست توده با دقت بالایی تولید می کند. طول موج های بالاتر و قطبش متقاطع (HV&VH) داده های SAR نتایج خوبی را در تخمین زیست توده نشان می دهد. استفاده از داده های SAR چند فرکانس [ 14 ] اثر اشباع و دقت تخمین زیست توده را افزایش می دهد. باند دو قطبی-L (HH & HV) رایج ترین مورد استفاده برای تخمین زیست توده جنگل های استوایی است [ 15 ]] . مدل‌های رگرسیون مختلف برای تولید مدل پیش‌بینی زیست توده با همبستگی داده‌های زمینی و ارزش پراکندگی پس‌انداز داده‌های SAR استفاده می‌شوند. تداخل سنجی یک تکنیک SAR نوظهور و کاربرد پلاریمتری [ 16 ] با افزایش تداخل سنجی تخمین زیست توده است. ترکیب سنجش از دور نوری با داده های SAR سطح دقت زیست توده را افزایش می دهد [ 17 ]] . بنابراین، استفاده از تکنیک های مختلف نوری و SAR در تخمین زیست توده منجر به درک مدیریت اکوسیستم جنگل می شود. اهداف این پژوهش عبارتند از: 1) نقشه پوشش اراضی منطقه مورد مطالعه از لندست-8; 2) تولید مدل زیست توده با تجزیه و تحلیل رگرسیون شاخص های طیفی نوری و زیست توده محاسبه شده در میدان. 3) نقشه زیست توده از داده های SAR. و 4) نقشه زیست توده از داده های سنجش از دور نوری و SAR ترکیبی.

2. منطقه مطالعه

منطقه مورد مطالعه در Mueang Surat Thani که مرکز استان سورات تانی تایلند است و از نظر جغرافیایی در ساحل غربی خلیج تایلند واقع شده است. مساحت جغرافیایی Mueang Surat Thani 233.8 کیلومتر مربع است و مختصات فضایی بین 9˚43’24.08”N 98˚58’48.06”E و 8˚16’44.65”N 99˚16’43.79” واقع شده است. E. Mueang Surat Thani با زمین های حاصلخیز، بارندگی خوب و شرایط آب و هوایی متعادل شکوفا می شود. تاپی و فوم داونگ رودخانه های اصلی این منطقه هستند. Mueang Surat Thani در دهانه رودخانه تاپی قرار دارد که از یازده تامبون تشکیل شده است. منطقه مورد مطالعه با 9 منطقه Tombonsof Mueang Surat Thani انتخاب شده است، زیرا این تحقیق عمدتاً بر روی تخمین زیست توده از مزارع متمرکز شده است، بنابراین وقوع منطقه کشت در این مناطق بیشتر است. در این منطقه، جنگل در بیست سال گذشته به مزارعی مانند مزارع روغن نخل، نارگیل و انبه تبدیل شده است. بنابراین برآورد توزیع فضایی زیست توده در استان سورت ثانی حائز اهمیت است.شکل 1 ).

3. جمع آوری داده ها

3.1. داده های ماهواره ای

در حال حاضر تصویر ماهواره ای یک روز نقش کلیدی در حل مشکلات ایفا می کند زیرا ما می توانیم اکثر اطلاعات مفید را از آن به دست آوریم. دقت نتایج خروجی عمدتاً به کیفیت داده های ورودی استفاده شده بستگی دارد. در این تحقیق از داده های نوری (LANDSAT 8) و SAR (ALOS-2) برای ارزیابی زیست توده استفاده شده است. داده‌های حسگر نوری LANDSAT 8 با وضوح فضایی 30 متر که در اکتبر 2015 به دست آمد، به‌طور رایگان از وب‌سایت USGS دانلود می‌شود. قطبش دوگانه پرتو ریز HH (افقی) و HV (عمودی افقی) ALOS-2 که در اکتبر 2015 با فاصله پیکسلی 6.25 متر و زاویه برخورد 38.8 درجه به دست آمد از وب سایت JAXA دانلود شده است.

3.2. داده های میدانی

در این تحقیق، جمع آوری داده های میدانی نقش کلیدی در تخمین زیست توده ایفا می کند، زیرا دقت محاسبه عمدتاً به رابطه بین تصاویر ماهواره ای و داده های میدانی بستگی دارد. نمودارهای نمونه به گونه ای انتخاب می شوند که کل منطقه را نشان دهد. قطعه نمونه انتخاب شده باید به راحتی با ماشین یا پیاده روی قابل دسترسی باشد. در این پژوهش از روش نمونه گیری تصادفی برای انتخاب قطعه نمونه استفاده شد. برای طراحی نمودارهای نمونه، اندازه پیکسل تصویر سنجش از دور در نظر گرفته می شود زیرا نتایج زیست توده هم از اندازه گیری های میدانی و هم از تصویر ماهواره ای به دست می آید. از تصویر نوری (LANDSAT 8) اندازه پیکسل 30 متر × 30 متر است، بنابراین در این مطالعه، اندازه 30 متر × 30 متر از 20 قطعه مربعی برای جمع آوری داده های میدانی از هر دو DBH (قطر در ارتفاع سینه درخت) و ارتفاع استفاده شده است. درخت برای هر درخت در قطعه نمونه مربعی.

4. روش شناسی

4.1. طبقه بندی پوشش زمین

داده‌های ماهواره‌ای خام را نمی‌توان مستقیماً برای طبقه‌بندی پوشش زمین مورد استفاده قرار داد، بنابراین در ابتدا باید توسط نرم‌افزار ERDAS پردازش شوند، زیرا داده‌های ماهواره‌ای جمع‌آوری‌شده از USGS در طرح‌بندی متفاوتی هستند، بنابراین باید به WGS 84 شمالی 47N طرح‌ریزی تبدیل شوند. در داده های ماهواره ای، اطلاعات کامل سطح زمین در یک باند ذخیره نمی شود، بلکه در باندهای مختلف ذخیره می شود، بنابراین انباشته شدن همه لایه ها به یک تصویر واحد تبدیل می شود. هر دو تصحیح هندسی و جوی برای بدست آوردن مقادیر بازتاب دقیق اعمال می شوند که به بهبود دقت طبقه بندی تصویر کمک می کند. برای تصحیح اتمسفر تصویر LANDSAT 8 از مدل تصحیح جوی FLAASH در نرم افزار ENVI 5.1 استفاده شده است. در این تحقیق فقط از طبقه‌بندی نظارت شده استفاده می‌شود، زیرا اطلاعات کمی و کیفی را با دقت از داده‌های تصویر سنجش از دور در مقایسه با طبقه‌بندی بدون نظارت استخراج می‌کند. تکنیک طبقه‌بندی حداکثر احتمال طبقه‌بندی نظارت شده از سایت‌های آموزشی استفاده می‌کند که برای هر پوشش زمین در طی بررسی میدانی انتخاب می‌شوند و همچنین Google Earth به عنوان مرجع طبقه‌بندی داده‌های تصاویر ماهواره‌ای که دقت طبقه‌بندی کلی 91.13% و ضریب کاپا 0.8947 را تولید می‌کنند. دقت کلی نقشه نشان می‌دهد که ویژگی‌های زمین روی نقشه 91.13 درصد دقت را با ویژگی‌های مختلف زمین روی زمین نشان می‌دهد. از طبقه بندی نظارت شده، جنگل دارای پوشش بالای زمین (83.94 کیلومتر مربع) است که توسط زمین شهری (33.89 کیلومتر مربع)، نخل روغنی (26.92 کیلومتر مربع)، آب (13.94 کیلومتر مربع)، نارگیل (6.35 کیلومتر مربع) و مزارع مختلط (5). . 17 کیلومتر مربع). به طور مشابه، انبه، لیمو و سیب گل رز پوشش کمتری از (0.03 – 0.07 کیلومتر مربع) را نشان می دهد.شکل 2 ، شکل 3 ).

4.2. زیست توده از داده های حسگر نوری

دقت زیست توده برآورد شده عمدتاً به انتخاب معادلات آلومتریک مناسب برای مزارع مختلف بستگی دارد. معادلات آلومتریک ممکن است برای همه انواع درختان یکسان نباشد و بر اساس 1) گونه درختان و 2) انتخاب متغیرهای داده های میدانی تغییر می کند. در این تحقیق تنها از دو متغیر DBH (قطر در ارتفاع سینه درخت) و ارتفاع درخت (H) برای محاسبه زیست توده میدانی از معادلات آلومتریک استفاده شده است زیرا اکثر معادلات آلومتریک بر اساس این دو متغیر است. از جدول 1 زیر معادلات آلومتریک برای مزارع مختلف قابل مشاهده است.

معادلات آلومتریک مختلف برای DBH و ارتفاع هر درخت برای محاسبه زیست توده 20 قطعه نمونه (روغن نخل، انبه، نارگیل، سنتول، لیمو و مزارع مخلوط) اعمال می شود. در مقایسه با تمام مقادیر زیست توده محاسبه شده در مزرعه، فقط مزارع نخل روغنی مقادیر زیست توده بالایی را در محدوده 140 – 219 (تن در هکتار) نشان می دهد ( جدول 2 ).

شاخص های طیفی داده های حسگر نوری به طور گسترده برای ارزیابی زیست توده استفاده می شود. چهار شاخص طیفی مختلف، شاخص گیاهی تفاوت نرمال شده (NDVI)، شاخص گیاهی تعدیل‌شده خاک (SAVI)، شاخص نسبت گیاهی (RVI) و شاخص گیاهی تقویت‌شده (EVI) از داده‌های LANDSAT-8 محاسبه شده و با زیست توده محاسبه‌شده از داده‌های میدانی به تولید مدل زیست توده 15 قطعه نمونه برای تولید مدل زیست توده با پیدا کردن رابطه با شاخص های طیفی داده های حسگر نوری استفاده می شود. تجزیه و تحلیل رگرسیون برای یافتن مدل زیست توده جدید از شاخص های طیفی داده های نوری استفاده می شود که رابطه خوبی با زیست توده محاسبه شده در میدان نشان می دهد. SAVI (R2 ⁼ 0.711)، RVI (R2 ⁼ 0.79) و EVI ( ^R2= 0.74) رابطه خوبی با زیست توده محاسبه شده در میدان در مقایسه با NDVI (R2 ⁼ 0.64) نشان می دهد. بنابراین NDVI در مدل زیست توده در نظر گرفته نمی شود و تجزیه و تحلیل رگرسیون برای SAVI، RVI و EVI اعمال می شود. مدل زیست توده تولید شده از ترکیب SAVI و RVI (R2 ⁼ 0.81) دقت خوبی را در مقایسه با SAVI و EVI (R2 ⁼ 0.75) نشان می دهد ( شکل 4 ).

(1)

4.3. زیست توده از داده های SAR

استفاده از داده های دیافراگم رادار مصنوعی یک تکنیک امیدوارکننده در سنجش از دور است که از طول موج های فرکانس بالا برای تخمین زیست توده بالای زمین استفاده می کند. در ابتدا داده های SAR باید توسط هر دو زمین پردازش شوند

تصحیح و کالیبراسیون رادیومتری برای محاسبه مقادیر پس پراکندگی. کالیبراسیون رادیومتری داده های SAR را از DN (شماره دیجیتال) به ضرایب پراکندگی پس (σ˚) که در مقادیر دسی بل [dB] محاسبه شده تبدیل می کند، عمدتاً برای تولید مدل زیست توده از داده های SAR استفاده شد. مقدار پراکندگی برگشتی SAR برای هر دو باند قطبش HH و HV ALOS-2 برای تولید مدل زیست توده جدید با مقایسه با زیست توده محاسبه‌شده از داده‌های میدانی محاسبه شد. برای کاهش کاهش نویز در تصویر SAR به معنای فیلتر تطبیقی ​​با اندازه هسته 5 × 5 برای افزایش دقت در تخمین زیست توده اعمال می شود. به منظور مقایسه مقادیر پراکندگی برگشتی SAR با زیست توده محاسبه شده میدانی، اندازه پیکسل ALOS-2 از 6.25 متر به 30 متر افزایش یافت زیرا اندازه قطعه نمونه در منطقه مورد مطالعه 30 متر است. تجزیه و تحلیل رگرسیون خطی برای یافتن مدل زیست توده جدید از ضرایب پراکندگی عقب HH و HV داده‌های ALOS-2 SAR استفاده می‌شود که رابطه خوبی با زیست توده محاسبه‌شده میدانی نشان می‌دهد. ضریب پراکندگی عقب HH در مدل زیست توده در نظر گرفته نشد زیرا رابطه کمتری را نشان می دهد (R² = 0.405) با زیست توده محاسبه شده در میدان در مقایسه با ضرایب پس پراکندگی HV (R2 ⁼ 0.775). در نهایت نقشه زیست توده دقیق با پراکندگی پشتی HV به عنوان بهترین مدل مناسب تولید می شود ( شکل 5 ).

(2)

4.4. زیست توده از داده های ترکیبی نوری و SAR

ترکیبی از داده های سنجش از دور نوری و SAR منجر به تکنیک های جدیدی در تخمین زیست توده می شود. داده های سنجش از دور نوری (LANDSAT 8) و SAR (ALOS-2) برای توسعه مدل زیست توده جدید با پیدا کردن رابطه با زیست توده محاسبه شده در میدان اعمال می شوند. رگرسیون خطی چندگانه برای توسعه مدل زیست توده با دقت بالا (R2 ⁼ 0.87) با مقایسه هر دو شاخص طیفی (SAVI، RVI) از LANDSAT 8 و مقادیر پراکندگی عقب HV ALOS-2 با زیست توده محاسبه‌شده در میدان استفاده می‌شود. معادله زیست توده دقیق با پراکندگی برگشتی SAVI، RVI و HV SAR به عنوان بهترین مدل مناسب (R ² = 0.87) برای کل منطقه مورد مطالعه ( شکل 6 ) تولید شده است.

(3)

5. نتایج

ارزیابی دقت برای همه مدل‌های زیست توده باید با 20 قطعه نمونه میدانی بررسی شود. تجزیه و تحلیل رگرسیون خطی برای اعتبار سنجی دقت هر نقشه زیست توده با بررسی ارزش زیست توده 20 قطعه نمونه میدانی با ارزش زیست توده به دست آمده از تصاویر ماهواره ای اعمال می شود. از نتایج نشان می‌دهد که نقشه زیست توده تولید شده از شاخص‌های طیفی داده‌های حسگر نوری، دقت خوبی ( 788/0 ⁼ R2) با RMSE 054/26 (t/ha) نشان می‌دهد. دقت نقشه زیست توده پس پراکندگی SAR بالاتر از نقشه زیست توده طیفی (R2 ⁼ 0.74) نبود. ترکیبی از هر دو نوری (شاخص های طیفی) و SAR (HV backscattering) دقت زیست توده را به (R2 ⁼ 0.859) با RMSE 21.20 (t/ha) در مقایسه با مدل های زیست توده داده های نوری و SAR افزایش می دهد ( جدول 3).).

6. نتیجه گیری

در این مطالعه کاربرد سنجش از دور در ارزیابی زیست توده معرفی شده است. هر دو نوری (LANDSAT-8)

و داده های سنجش از راه دور رادار دیافراگم مصنوعی (ALOS-2) برای ارزیابی زیست توده بالای زمین (AGB) استفاده می شود. دقت کلی نقشه طبقه‌بندی‌شده از داده‌های نوری (LANDSAT-8) نشان می‌دهد که ویژگی‌های مختلف زمین روی نقشه دقت 91.13 درصد را با ویژگی‌های اصلی زمین روی زمین نشان می‌دهد. نقشه زیست توده توسعه یافته از شاخص های طیفی هر دو SAVI و RVI دقت خوبی (R2 ⁼ 0.81) در مقایسه با شاخص های طیفی SAVI و EVI (R2 ⁼ 0.75) نشان می دهد. فقط پراکندگی پشتی HV (R2 ⁼ 0.77) ALOS-2 رابطه خوبی با زیست توده میدانی در مقایسه با پراکندگی HH (R2 ⁼ 0.4) نشان می‌دهد. استفاده از داده های ترکیبی نوری و SAR نقشه زیست توده با دقت بالایی را ارائه می دهد ( ^R2= 0.859) که منجر به اجرای تکنیک های مختلف در تحقیقات زیست توده می شود.

منابع

[ 1 ]	Carreiras، JMB، Vasconcelos، MJ و Lucas، RM (2012) درک رابطه بین زیست توده بالای زمین و داده های ALOS PALSAR در جنگل های گینه بیسائو (غرب آفریقا). سنجش از دور محیط زیست، 121، 426-442. https://dx.doi.org/10.1016/j.rse.2012.02.012
[ 2 ]	Rosenqvist, A., Milne, A., Lucas, R., Imhoff, M. and Dobs, C. (2003) مروری بر فناوری سنجش از دور در حمایت از پروتکل کیوتو. علوم و سیاست محیطی، 6، 441-455. https://dx.doi.org/10.1016/S1462-9011(03)00070-4
[ 3 ]	Ji, L., Wylie, BK, Nossov, DR, Peterson, B., Waldrop, MP, McFarland, JW, Rover, J. and Hollingsworth, TN (2012) تخمین زیست توده بالای زمین در آلاسکا داخلی با داده های Landsat و اندازه گیری های میدانی. مجله بین المللی مشاهده کاربردی زمین و اطلاعات جغرافیایی، 18، 451-461. https://dx.doi.org/10.1016/j.jag.2012.03.019
[ 4 ]	Wang, XQ, Pangb, Y., Zhang, ZJ and Yuan, Y. (2014) تخمین زیست توده فرازمینی جنگل با استفاده از شاخص های طیفی SPOT-5 و مشتقات بافتی. IEEE Transactions on Geoscience and Remote Sensing, 2830-2832.
[ 5 ]	Yin, GD, Zhang, Y., Sun, Y., Wang, T., Zeng, ZZ and Piao, SL (2015) برآورد MODIS بر اساس زیست توده جنگلی روی زمین در چین. سنجش از دور، 7، 5534-5564.
[ 6 ]	Thenkabail, PS, Stucky, N., Griscom, BW, Ashton, MS, Diels, J., Van der Meer, B. and Enclona, ​​E. Savannas با استفاده از داده های IKONOS. مجله بین المللی سنجش از دور، 25، 1-27. https://dx.doi.org/10.1080/01431160412331291279
[ 7 ]	Eckert, S. (2012) تخمین های زیست توده و کربن جنگل را با استفاده از اندازه گیری های بافت از داده های ماهواره ای WorldView-2 بهبود بخشید. سنجش از راه دور، 4، 810-829. https://dx.doi.org/10.3390/rs4040810
[ 8 ]	Baghdadi, N., le Maire, G., Bailly, J.-S., Osé, K., Nouvellon, Y., Zribi, M., Lemos, C. and Hakamada, R. (2014) Evaluation of ALOS PALSAR -L باند برای تخمین زیست توده زیرزمینی کاشت اکالیپتوس در برزیل. IEEE Transactions on Geoscience and Remote Sensing، 721-724.
[ 9 ]	Zhang، Y. و جینگ، Z.-X. (2001) تخمین بیومس برنج شالیزاری با استفاده از داده های Radarasat-2 بر اساس شبکه خنثی مصنوعی. کنفرانس بین المللی سنجش از دور، محیط زیست و مهندسی حمل و نقل (RSETE 2013)، 423-426.
[ 10 ]	Pierce, L., Liang, P., Dobson, MC, Kellndorfer, J., Barros, O., dos Santos, JR and Soares, JV (2003) تخمین زیست توده رشد مجدد در آمازون با استفاده از کامپوزیت های JERS-1/RADARSAT SAR. IEEE Transactions on Geoscience and Remote Sensing، 3، 2075-2077. https://dx.doi.org/10.1109/igarss.2003.1294297
[ 11 ]	Englhart، S.، Keuck، V. و Siegert، F. (2011) بازیابی زیست توده در جنگل های استوایی. پتانسیل استفاده ترکیبی از داده های SAR باند X و L. سنجش از دور محیط زیست، 115، 1260-1271. https://dx.doi.org/10.1016/j.rse.2011.01.008
[ 12 ]	Kumar, S., Pandey, U., Kushwaha, SPS, Chatterjee, RS and Bijiker, W. (2012) جنگل گرمسیری از Envisat ASAR با استفاده از رویکرد مدلسازی. مجله سنجش از دور کاربردی، 6.
[ 13 ]	Cartus, O., Santoro, M. and Kellndorfer, J. (2012) نقشه برداری جنگل روی زمین در شمال شرقی ایالات متحده با باند L دو قطبی ALOS PALSAR. سنجش از دور محیط زیست، 124، 466-478. https://dx.doi.org/10.1016/j.rse.2012.05.029
[ 14 ]	Ranson، KJ و Sun، GQ (1994) نقشه برداری زیست توده جنگل شمالی با استفاده از داده های SAR چند فرکانس. IEEE Transcationson Geoscience and Remote Sensing، 32، 388-396. https://dx.doi.org/10.1109/36.295053
[ 15 ]	Hamdan, O., Aziz, HK and Rahman, A. (2011) داده های SAR باند L سنجش از دور برای تخمین زیست توده جنگل های گرمسیری. مجله علوم جنگل های استوایی، 23، 318-324.
[ 16 ]	Tanase، MA، Panciera، R.، Lowell، K.، Tian، S.، Hacker، JM and Walker، JP (2014) داده های SAR قطبی L-باند هوابرد چند زمانی برای تخمین زیست توده در جنگل های نیمه خشک. سنجش از دور محیط زیست، 145، 93-104. https://dx.doi.org/10.1016/j.rse.2014.01.024
[ 17 ]	Goh, JY, Miettinen, J., Chia, AS, Chew, PT and Liew, SC (2013) تخمین زیست توده در مناطق گرمسیری مرطوب با استفاده از ترکیب تصویر ماهواره ای ALOS PALSAR و SPOT 5. مجله آسیایی ژئوانفورماتیک، 13، 1-10.
[ 18 ]	Asari, N., Suratman, MN, Jaafar, J. and Khalid, MM (2013) برآورد بیومس بالای زمین برای مزارع نفت با استفاده از معادلات الگومتری. چهارمین کنفرانس بین المللی زیست شناسی، محیط زیست و شیمی، 58، 110-114.
[ 19 ]	Hairiah, K., Dewi, S., Agus, F., Velarde, S., Ekadinata, A., Rahayu, S. and van Noordwijk, M. (2010) اندازه گیری ذخایر کربن در سیستم های کاربری زمین: یک کتابچه راهنمای. مرکز جهانی آگروفارستری (ICRAF)، دفتر منطقه ای دریا، بوگور، 154 ص.
[ 20 ]	Chavan, B. and Rasal, G. (2012) کل ذخایر کربن جدا شده Mangifera indica. مجله محیط زیست و علوم زمین، 2، 37-49.
[ 21 ]	Bwalya, JM (2012) برآورد پتانسیل خالص ترسیب کربن مرکبات تحت سیستم های مدیریت مختلف با استفاده از رویکرد چرخه زندگی.
[ 22 ]	چاو، جی.، آندالو، سی، براون، اس.، کایرنز، MA، چمبرز، جی کیو، ایموس، دی.، فولستر، اچ.، فرومارد، اف.، هیگوچی، ان.، کیرا، تی.، لسکر، JP, Nelson, BW, Ogawa, H., Puig, H., Riera, B. and Yamakura, T. (2005) آلومتری درخت و تخمین بهبود یافته ذخایر کربن و تعادل در جنگل های استوایی. Oecologia, 145, 87-99. https://dx.doi.org/10.1007/s00442-005-0100-x