تعداد نشریات | 13 |
تعداد شمارهها | 150 |
تعداد مقالات | 1,491 |
تعداد مشاهده مقاله | 2,264,027 |
تعداد دریافت فایل اصل مقاله | 1,896,051 |
تهیۀ نقشه تراکم تاج پوشش جنگلهای زاگرس با استفاده از تصاویر لندست 9 و عکسبرداری نیمکره ای | ||
پژوهش و توسعه جنگل | ||
دوره 9، شماره 1، خرداد 1402، صفحه 47-65 اصل مقاله (1.37 M) | ||
نوع مقاله: علمی - پژوهشی | ||
شناسه دیجیتال (DOI): 10.30466/jfrd.2023.54591.1661 | ||
نویسندگان | ||
هادی بیگی حیدرلو* 1؛ اسما کرامت میرشکارلو2؛ سمیرا ساسانی فر3؛ بختیار خضریان4 | ||
1دکتری جنگلداری، گروه مهندسی جنگل، برنامهریزی مدیریت جنگل و اندازهگیریهای زمینی، دانشکده جنگلشناسی و مهندسی جنگل، دانشگاه براشوف، براشوف، رومانی | ||
2کارشناسی ارشد جنگلداری، دانشکدۀ منابع طبیعی، دانشگاه ارومیه، ارومیه، ایران. | ||
3دکتری جنگلداری، دانشکدۀ منابع طبیعی، دانشگاه ارومیه، ارومیه، ایران | ||
4دانشجوی دکتری جنگلداری، دانشکده منابع طبیعی دانشگاه ارومیه، ارومیه، ایران. | ||
چکیده | ||
هدف از این پژوهش ارزیابی مدل تراکم تاج پوشش جنگل (FCD) و نرمافزار تلفن همراه GLAMA در تخمین تراکم تاج پوشش جنگلهای زاگرس در شهرستان سردشت است. بدین منظور دادههای ماهوارهای لندست 9 مربوط به سال 1401 مورد استفاده قرار گرفت. برای اجرای مدل، چهار شاخص شامل: 1) شاخص پوشش گیاهی پیشرفته، 2) شاخص خاک لخت، 3) شاخص سایه، و 4) شاخص حرارتی محاسبه شدند. سپس با ترکیب و سنتز این شاخصها، شاخصهای سایه پیشرفته و تراکم گیاهی محاسبه و در نهایت با ادغام این دو شاخص، نقشه مدل FCD تهیه شد. برای اعتبارسنجی مدل تهیهشده از عکسبرداری نیمکرهای تحت نرمافزار GLAMA استفاده شد. بدین منظور تعداد 100 قطعهنمونه مربعی شکل در سطح شهرستان سردشت با تاج پوششهای مختلف انتخاب و عکسبرداری از تاج پوشش در پنج نقطه از هر قطعهنمونه انجام شد. ارزیابی قابلیت طبقههای مختلف مدل FCD تهیه شده برای شهرستان سردشت، نشاندهندۀ صحت کل 76 درصد و مقدار ضریب کاپای 697/0 بود. همچنین نتایج همبستگی بین میانگین مقادیر شاخص تاج پوشش محاسبه شده توسط عکسبرداری نیمکرهای و مقادیر بهدستآمده توسط مدل FCD همبستگی بالا (985/0=R2) و معنیداری (0001/0 >= p-value) را نشان داد. از اینرو، میتوان بیان داشت که مدل FCD تهیه شده با استفاده از دادههای ماهوارهای لندست 9 و نرمافزار تلفن همراه GLAMA دارای کارایی بسیار مناسبی در جنگلهای زاگرس در تخمین درصد تراکم تاج پوشش اراضی جنگلی هستند. | ||
کلیدواژهها | ||
تاج پوشش؛ زاگرس؛ عکسبرداری نیمکره ای؛ لندست 9؛ نرم افزار موبایل GLAMA | ||
مراجع | ||
Aguswan, Y.; Gumiri, S.; Sukarna, R. M.; Permana, I., Mapping Degraded Area for Tropical Peatland Revegetation Using Forest Canopy Density Model Landsat 8 OLI-TIRS in Central Kalimantan, Indonesia: 10.32526/ennrj/20/202200008. Environment and Natural Resources Journal 2022, 20 (4), 426-437. Amini, S.; Seyedi, N.; Fatehi, P.; Pir Bavaghar, M., Assessment of elevation and geographical aspect variability on leaf characteristics of trees in the North Zagros forests. Forest Research and Development 2022 8 (4), 355-369. (In Persian) Amiri, T.; Banj Shafiei, A.; Erfanian, M.; Hosseinzadeh, O.; Beygi Heidarlou, H., Determining of effective criteria in locating firefighting station in forest. Forest Research and Development 2017 2 (4), 379-393. (In Persian) Anand, A.; Singh, S.K.; Kanga, S., Estimating the change in forest cover density and predicting NDVI for west Singhbhum using linear regression. International Journal for Environmental Rehabilitation and Conservation 2018 9, 193-203. Bera, B.; Saha, S.; Bhattacharjee, S., Estimation of forest canopy cover and forest fragmentation mapping using landsat satellite data of Silabati River Basin (India). Journal of Cartography and Geographic Information 2020 70 (4), 181-197. Beygi Heidarlou, H.; Banj Shafiei, A.; Erfanian, M.; Tayyebi, A.; Alijanpour, A., Underlying driving forces of forest cover changes due to the implementation of preservation policies in Iranian northern Zagros forests. International Forestry Review 2020 22 (2), 241-256. Beygi Heidarlou, H.; Banj Shafiei, A.; Erfanian, M.; Tayyebi, A.; Alijanpour, A., Forecasting deforestation and forest recovery using Land Transformation Model (LTM) in Iranian Zagros forests. Forest Research and Development 2021 7 (4), 527-544. (In Persian) Beygi Heidarlou, H.; Banj Shafiei, A.; Nasiri, V.; Niţă, M.D.; Borz, S.A.; Lopez-Carr, D., Impact of Iran’s Forest Nationalization Law on forest cover changes over six decades: A case study of a Zagros sparse coppice oak forest. Sensors 2023 23 (2), 871. Bogdanchikov, A.; Zhaparov, M.; Suliyev, R., Python to learn programming. In Journal of Physics: Conference Series (Vol. 423, No. 1, p. 012027). IOP Publishing, 2013, p. 6. Bolibok, L., The use of hemispherical photographs for canopy description and light condition modeling in tree stands. Lesne Prace Badawcze 2010 71 (2), 175-188. Chandrashekhar, M.B.; Saran, S.; Raju, P.L.N.; Roy, P.S., Forest canopy density stratification: How relevant is biophysical spectral response modelling approach? Geocarto International 2005 20 (1), 15-21. Danoedoro, P.; Gupita, D.D., Combining Pan-Sharpening and Forest Cover Density Transformation Methods for Vegetation Mapping using Landsat-8 Satellite Imagery. International Journal on Advanced Science, Engineering, and Information Technology 2022 12 (3), 881-891. Deljouei, A.; Sadeghi, S. M. M.; Abdi, E., Comparing leaf area index at different distances from constructed forest roads edge in Hyrcanian forest (Case study: a hornbeam-beech forest in Kheyrud, Mazandaran). Forest Research and Development 2016 2 (2), 167-178. (In Persian) FCD-mapper, Forest canopy density mapper Version 2. International Tropical Timber Organization (ITTO)/the Japan Overseas Forestry Consultants Association (JOFCA) 2003. Fortin, J.A.; Cardille, J.A.; Perez, E., Multi-sensor detection of forest-cover change across 45 years in Mato Grosso, Brazil. Remote Sensing of Environment 2020 238, 111266. Gill, S.J.; Biging, G.S.; Murphy, E.C., Modeling conifer tree crown radius and estimating canopy cover. Forest Ecology and Management 2000 126, 405–416. Goodarzi, M.; Pourhashemi, M.; Azizi, Z., Investigation on Zagros forests cover changes under the recent droughts using satellite imagery. Journal of Forest Science 2019 65 (1), 9-17. Guo, J.; Gong, P.; Dronova, I.; Zhu, Z., Forest cover change in China from 2000 to 2016. International Journal of Remote Sensing 2022 43 (2), 593-606. Heiskanen, J.; Korhonen, L.; Hietanen, J.; Pellikka, P. K., Use of airborne lidar for estimating canopy gap fraction and leaf area index of tropical montane forests. International Journal of Remote Sensing 2015 36 (10), 2569-2583. Joshi, C.; De Leeuw, J.; Skidmore, A. K.; Van Duren, I.C.; Van Oosten, H., Remotely sensed estimation of forest canopy density: A comparison of the performance of four methods. International Journal of Applied Earth Observation and Geoinformation 2006 8 (2), 84-95. Mirakhorlou, K.; Amani, M., Estimating forest canopy cover using Landsat7 ETM+ data. Iranian Journal of Forest and Poplar Research 2005 13 (3), 342-313. (In Persian) Moeinazad Tehrani, S. M.; Darvishsefat, A. A.; Namiraniyan, M., Evaluation of FCD Model for estimation of forest density using Landsat 7 imagery (Case study: Chalus Forest). Iranian Journal of Forest and Poplar Research 2008, 16 (1), 138-124. Moeinazad Tehrani, S.M.; Darvishsefat, A.A.; Namiraniyan, M., Evaluation of FCD Model for estimation of forest density using Landsat 7 imagery (Case study: Chalus Forest). Iranian Journal of Forest and Poplar Research 2008 16 (1), 124-138. (In Persian) Mohamed, M.A., An Assessment of Forest Cover Change and Its Driving Forces in the Syrian Coastal Region during a Period of Conflict, 2010 to 2020. Land 2021 10 (2), 191. Mondal, I.; Thakur, S.; Juliev, M.; Kumar De, T., Comparative analysis of forest canopy mapping methods for the Sundarban biosphere reserve, West Bengal, India. Environment, Development and Sustainability 2021, 1-26. Montero, M. J.; Moreno, G.; Bertomeu, M., Light distribution in scattered-trees open woodlands in Western Spain. Agroforestry Systems 2008 73, 233-244. Naghavi, H.; Fallah, A.; Jalilvand, H.; Soosani, S., Determination of the most appropriate transect length for estimation of quantitative characteristics in Zagros forests. Iranian Journal of Forest 2009 1 (3), 238-229. (In Persian) Nandy, S.; Joshi, P.K.; Das, K.K., Forest canopy density stratification using biophysical modeling. Journal of the Indian Society of Remote Sensing 2003 31, 291-297. Pakkhesal, E.; Bonyad, A. E., Classification and delineating natural forest canopy density using FCD model (Case study: Shafarud area of Guilan). Iranian Journal of Forest and Poplar Research 2013, 21 (1), 99-114. Pal, S. C.; Chakrabortty, R.; Malik, S.; Das, B., Application of forest canopy density model for forest cover mapping using LISS-IV satellite data: a case study of Sali watershed, West Bengal. Modeling Earth Systems and Environment 2018 4, 853-865. Panta, M.; Kim, K.; Joshi, C., Temporal mapping of deforestation and forest degradation in Nepal: applications to forest conservation. Forest Ecology and Management 2008 256, 1587–1595. Phan, T.N.; Kuch, V.; Lehnert, L.W., Land Cover Classification using Google Earth Engine and Random Forest Classifier—The Role of Image Composition. Remote Sensing 2020 12 (15), 2411. Prasad, P.R.C.; Nagabhatla, N.; Reddy, C.S.; Gupta, S.; Rajan, K.S.; Raza, S. H.; Dutt, C.B.S., Assessing forest canopy closure in a geospatial medium to address management concerns for tropical islands—Southeast Asia. Environmental Monitoring and Assessment 2010 160, 541-553. Rautiainen, M.; Stenberg, P.; Nilson, T., Estimating canopy cover in Scots pine stands. Silva Fennica 2005 39, 137–142. Ray, R.; Paul, A.K.; Basu, B., Application of supervised enhancement technique in monitoring the mangrove forest cover dynamics-a study on Ajmalmari reserve forest, Sundarban, West Bengal. International Journal of Geoscience and Remote Sensing 2013 2 (1), 16-21. Rich, P. M., Characterizing plant canopies with hemispherical photographs. Remote Sensing Reviews 1990 5 (1), 13-29. Rikimaru, A., LAMDSAT TM data processing guide for forest canopy density mapping and monitoring model. In ITTO workshop on Utilization of Remote Sensing in Site Assessment and Planning for Rehabilitation of Logged-over Forest. July 30-August 1, Bangkok, Thailand, 1996, p. 1-8. Rikimaru, A.; Roy, P.S.; Miyatake, S., Tropical forest cover density mapping. Tropical ecology 2002 43 (1), 39-47. Sahana, M.; Sajjad, H.; Ahmed, R., Assessing spatio-temporal health of forest cover using forest canopy density model and forest fragmentation approach in Sundarban reserve forest, India. Modeling Earth Systems and Environment 2015 1 (4), 1-10. Shahvali Kouhshour, A.; Pir Bavaghar, M.; Fatehi, P., Forest cover density mapping in sparse and semi dense forests using forest canopy density model (Case study: Marivan forests). Journal of RS and GIS for Natural Resources 2014 5 (2), 49-59. (In Persian) Shukri, W. A. H.; Osman, R.; Haqeem, A.; Ibrahim, I.; Sood, A. M. In Assessing success of forest selective management system using geospatial technology, IOP Conference Series: Earth and Environmental Science, IOP Publishing: 2018; p 012008. Slabejová, D.; Bacigál, T.; Hegedüšová, K.; Májeková, J.; Medvecká, J.; Mikulová, K.; Šibíková, M.; Škodová, I.; Zaliberová, M.; Jarolímek, I., Comparison of the understory vegetation of native forests and adjacent Robinia pseudoacacia plantations in the Carpathian-Pannonian region. Forest Ecology and Management 2019 439, 28-40. Taefi, M., Evaluation and optimization of FCD model in order to estimate forest canopy density using Merger data method and image index. Faculty of survey engineering, Nasir al-din Tusi University 2006. Tichý, L., Field test of canopy cover estimation by hemispherical photographs taken with a smartphone. Journal of Vegetation Science 2016 27 (2), 427-435. Tichý, L., GLAMA-Gap Light Analysis Mobile Application. 2014. Tichý, L., GLAMA–Gap Light Analysis Mobile App-User Manual. Dept. of Botany and Zology-Masaryk University. Brno, Czech Republic 2015. Witharana, C.; Lynch, H.J., An object-based image analysis approach for detecting penguin guano in very high spatial resolution satellite images. Remote Sensing 2016 8 (5), 375. Yun, T.; Li, W.; Sun, Y.; Xue, L., Study of subtropical forestry index retrieval using terrestrial laser scanning and hemispherical photography. Mathematical Problems in Engineering 2015 2015, 206108. | ||
آمار تعداد مشاهده مقاله: 1,144 تعداد دریافت فایل اصل مقاله: 858 |