تعداد نشریات | 13 |
تعداد شمارهها | 147 |
تعداد مقالات | 1,465 |
تعداد مشاهده مقاله | 2,252,431 |
تعداد دریافت فایل اصل مقاله | 1,880,675 |
تلفیق الگوریتم CART و شاخصهای پوشش گیاهی در تهیه نقشه اراضی جنگلی مانگرو با استفاده از تصویر لندست 8 | ||
پژوهش و توسعه جنگل | ||
مقاله 4، دوره 5، شماره 4، دی 1398، صفحه 557-569 اصل مقاله (1.63 M) | ||
نوع مقاله: علمی - پژوهشی | ||
شناسه دیجیتال (DOI): 10.30466/jfrd.2019.120794 | ||
نویسندگان | ||
ندا بی همتا* 1؛ علیرضا سفیانیان2؛ سیما فاخران3؛ سعید پورمنافی4 | ||
1دانشگاه صنعتی اصفهان | ||
2دانشکده منابع طبیعی، دانشگاه صنعتی اصفهان، | ||
3گروه محیط زیست، دانشکده منابع طبیعی، دانشگاه صنعتی اصفهان | ||
4گروه آموزشی محیط ریست، دانشکده منابع طبیعی، دانشگاه صنعتی اصفهان | ||
چکیده | ||
هدف از این پژوهش تلفیق الگوریتم CART و شاخصهای پوشش گیاهی برای ارتقاء صحت نقشهسازی جنگلهای مانگرو با استفاده از تصویر ماهوارهای لندست 8 است. در این پژوهش هفت شاخص پوشش گیاهی DVI، NDVI، NDII، IPVI، MNDWI، SAVI و OSAVI محاسبه شد. سپس با استفاده از الگوریتم CART در نرمافزار R شاخصهای مهم و حد آستانه آنها شناسایی و سرانجام نقشه اراضی مانگرو و اراضی پیرامون آن با روش درخت تصمیمگیری تهیه شد. نتایج ارزیابی صحت انجامشده با استفاده از GPS و تصویر ماهوارهای SPOT 6/7 نشان داد که نقشه حاصل دارای صحت کلی 97/80 درصد و ضریب کاپا 74/0 است. تهیه نقشه اراضی مانگرو با دقت بالا توسط تصاویر ماهوارهای با قدرت تفکیک متوسط بهدلیل اثر بازتابهای زمینه (آبوخاک) و وجود پیکسلهای مخلوط با توجه به شرایط محیط قرارگیری مشکل است. نتایج این پژوهش نشان داد که رویکرد معرفیشده میتواند اطلاعات مناسبی از وضعیت جنگلهای مانگرو را برای انجام برنامههای مدیریتی و حفاظتی اکوسیستمهای مانگرو در اختیار سیاستگذاران و برنامهریزان قرار دهد. | ||
کلیدواژهها | ||
الگوریتم CART؛ جنگلهای مانگرو؛ درخت تصمیمگیری؛ شاخصهای پوشش گیاهی | ||
مراجع | ||
- Ahmadlou, M., M. R. Delavar & A. Tayyebi, 2016. Comparing ANN and CART to model multiple land use changes: A case study of Sari and Ghaem-Shahr cities in Iran, Journal of Geomatics Science and Technology, 6(1): 292-303.
- Alavi pahan, S. K., 2002. Application of Remote Sensing in Earth Sciences, Tehran University Press, Tehran, 240 p. (In Persian)
- Alavi pahan, S. K., 2011. Principles of Remote Sensing and Interpretation of Satellite Images and Aerial Photographs, Second Edition, Tehran University Press, Iran Tehran, 780 p. (In Persian)
- Alimohamadi, A., A. Motekan, P. Zeiaiean & H. Tabatabaei, 2009. Comparison of Basic Classification Pixel Classification, Base Object and Osim tree in Forest Types Maps Using Remote Sensing Data (Case Study: Astara Forest), Journal of Applied Research of Geographic Sciences, 13(10): 26-7. (In Persian)
- Arekhi, S. 2012. Assessment of the Effectiveness of Decision Tree Classification Method for Extracting Landuses Map by Using Sattellite Data in Cham Gardalan Catchment Area, Journal management system, 2(4): 17-26. (In Persian)
- Bagheri, R., Sh. Shataee & S. Y. Erfanifard, 2018. Efficiency of template matching algorithm on GeoEye-1 image for detecting wild pistachio trees and determining their spatial pattern (Case study: The Tag-03291-304. (In Persian)
- Breiman, L., J. Friedman, C. J. Stone & R. A. Olshen, 1984. Classification and regression trees, CRC press.
- Chen, C. F., N. T. Son, N. B. Chang, C. R. Chen, L. Y. Chang, M. Valdez & J. Aceituno, 2013. Multi-Decadal Mangrove Forest Change Detection and Prediction in Honduras, Central America, with Landsat Imagery and a Markov Chain Model, Remote Sensing, 5(12): 6408-6426.
- Dadrasisabzevar, A., A. M. Akhondali, F. Radmanesh & A. A. Noruzi, 2015. Modeling of Different Levels of Surface Soil Moisture in the Sphere of Thermal and Reflective Data, Quantitative geomorphological researches, 3(4): 31-49. (In Persian)
- Danehkar, A. & H. Majnonian, 2004. Proposed criteria for assessing coastal and maritime areas to determine areas under coastal protection Marine Iran (Case Study: Assessment of Protected Areas of the Caspian Sea), Journal of Environmental Studies, Journal of environmental studies, 35(3): 9-24. (In Persian)
- Danehkar, A. & S. GH. A. Jalali, 2005. Avicennia marina forest structure using line plot method, Pajouhesh va sazandegi, 18(2): 18-24. (In Persian)
- Dehghani, M., 2008, Potential of Mangrove forests of Qeshm Island Using GIS, Master Thesis, Forestry, Kurdistan University, Yasuj, 150 p. (In Persian)
- Fei, S. X., C. H. Shan & G. Z. Hua, 2011. Remote sensing of mangrove wetlands identification, Procedia Environmental Sciences, 10(1): 2287-2293.
- Giril, C., E. Ochieng, L. L. Tieszen, Z. Zhu, A. Singh, T. Loveland, J. Masek & N. Duke, 2011. Status and distribution of mangrove forests of the world using earth observation satellite, Global Ecology Biogeography, 20(1): 154-159.
- Hamidi, S. K., M. Namiranian, J. Feghhi & M. Shabani. 2015. Comparison of land inventory and using of Ikonos image in Google Earth database to estimate quantity characteristics of urban forest (Case study: Iran; Sari city), Journal of Forest Research and Development, 1(1): 85-94. (In Persian)
- Hardisky, M., V. Klemas & R. Smart, 1983. The influence of soil salinity, growth form and leaf moisture on the spectral radiance of Spartina alterniflora canopies, Spartina alterniflora, 49: 77-84.
- Hoa, N. H. & T. D. Binh, 2016. Using Landsat Imagery and Vegetation Indices Differencing To Detect Mangrove Change: a Case in Thai Thuy District, Thai Binh Province, Management of Forest Resource and Environment, 5: 59-66.
- Huete, A. R., 1988. A soil-Adjusted Vegetation Index (SAVI), Remote Sensing of Environment, 25(3): 295-309.
- Jafarnia, S., J. Oladi, S. Hoojati & K. Mir Akhor Loo, 2016. Status and change detection of Mangrove forest in Qeshm Island using satellite imagery from 1988 to 2008, Journal of Environmental Science and Technology, 18(1): 180-191. (In Persian)
- Kanniah, K. D., A. Sheikhi, A. Cracknell, H.C. Goh, K.P. Tan, C.S. Ho, & F.N. Rasli, 2015. Satellite images for monitoring mangrove cover changes in a fast growing economic region in southern Peninsular Malaysia. Remote Sensing, 7(11), 14360–14385.
- Lawrence, R. L. & A. Wright, 2001. Rule-based classification systems using classification and regression tree (CART) analysis, Photogrammetric engineering and remote sensing, 67(10): 1137-1142.
- Lohrabi, Y., M. Abbasi, A. Soltani & H. R. Riyahi Bakhtyari, 2018. Determination of the most suitable method for forest type mapping in central Zagros using landsat-8 satellite Images, Journal of Forest Research and Development, 4(2): 191-205. (In Persian)
- Monsef, H. A. E. & S. E. Smith, 2017. A new approach for estimating mangrove canopy cover using Landsat 8 imagery, Computers and Electronics in Agriculture, 135(1): 183-194. - Pham, T.D., K. Yoshino, N.N. Le & D.T. Bui, 2018. Estimating aboveground biomass of a mangrove plantation on the Northern coast of Vietnam using machine learning techniques with an integration of ALOS-2 PALSAR-2 and Sentinel-2A data. International Journal of Remote Sensing, 39(22), 7761–7788. - Rahdari, V., A. Soffianian, S. J. Khajedin & S. Maleki, 2015. Investigating the Capability of Satellite Data in Mapping the Canopy Coverage of Arid and Semi-arid Regions (Case Study: Muteh Wildlife Refuge), Journal of Environmental Science and Technology, 15(4): 42-54. (In Persian)
- Safiari, S., 2005. Mangrove forests in Iran, Forestry and Rangeland Research Institute, Tehran, 540 p. (In Persian) - Saleh, M. A., 2007. Assessment of mangrove vegetation on Abu Minqar Island of the RedSea, Journal of Arid Environments, 68(2): 331-336. (In Persian) - Sari, S. P. & D. Rosalina, 2016. Mapping and Monitoring of Mangrove Density Changes on tin Mining Area, Procedia Environmental Sciences, 33: 436-442. - Shi, T., J. Liu, Z. Hu, H. Liu, J. Wang & G. Wu, 2016. New spectral metrics for mangrove forest identification, Remote Sensing Letters, 7(9): 885-894.
- Temkin, N. R., R. Holubkov, J. E. Machamer, H. R. Winn & S. S. Dikmen, 1995. Classification and regression trees (CART) for prediction of the function at 1 year following head trauma, Journal of neurosurgery, 82(5): 764-771.
- Wang, L., W. P. Sousa, P. Gong & G. S. Biging, 2004. Comparison of IKONOS and Quick Bird images for mapping mangrove species on the Caribbean coast of Panama, RemoteSensing of Environment, 91(3-4): 432-440.
- Zhai, K., X. Wu, Y. Qin & P. Du, 2015. Comparison of surface water extraction performances of different classic water indices using OLI and TM imageries in different situations, Geo-spatial Information Science, 18(1): 32-42. | ||
آمار تعداد مشاهده مقاله: 1,633 تعداد دریافت فایل اصل مقاله: 1,406 |