قابليت داده‌‌هاي سنجنده OLI ماهواره لندست 8 در برآورد زي‌‌توده روي زميني توده‌‌هاي ممرز (Carpinus betulus) در جنگل خيرود

Investigating the capability of Landsat 8 OLI data for estimation of aboveground woody biomass of common hornbeam (Carpinus betulus L.) stands in Khyroud Forest

در پژوهش پيش‌رو به‌‌بررسي قابليت داده‌‌هاي سنجنده OLI ماهواره لندست 8 به‌‌منظور برآورد زي‌‌توده روي زميني توده‌‌هاي به‌نسبت خالص ممرز در بخشي از جنگل‌‌هاي هيركاني پرداخته شد. براي مدل‌‌سازي و اعتبارسنجي نتايج، 55 قطعه‌‌نمونه به‌‌طور انتخابي تعيين شد و مقدار واقعي زي‌‌توده روي زميني در آن­‌ها اندازه‌‌گيري شد. در هر قطعه‌نمونه، قطر برابر سينه تمام درختان قطورتر از 7/5 سانتي‌‌متر اندازه‌‌گيري شد. سپس با استفاده از جدول حجم محلي و چگالي بحراني، زي‌‌توده روي زميني اين درختان محاسبه شد. پيش‌‌پردازش‌‌ها و پردازش‌‌هاي لازم بر روي داده‌‌هاي ماهواره‌‌اي انجام شد. مدل‌‌سازي ‌‌به‌روش‌هاي پارامتريك رگرسيون گام‌‌به‌‌گام، رگرسيون پس‌رو و روش‌‌هاي ناپارامتريك شبكه عصبي مصنوعي، k نزديك‌‌ترين همسايه و جنگل‌‌تصادفي انجام شد. بررسي ضريب همبستگي پيرسون بين زي‌‌توده روي زميني در قطعه‌نمونه­‌ها و ارزش‌‌هاي طيفي متناظر آن­‌ها در باندهاي اصلي و محاسباتي نشان داد كه باند مادون قرمز نزديك، بيشترين مقدار همبستگي را با زي‌‌توده روي زميني داشت (0/52-). از ميان روش‌‌هاي پارامتريك، رگرسيون پس‌‌رو با ضريب تعيين تعديل‌شده 0/295 و درصد مجذور ميانگين مربع خطا 28/63 درصد و از ميان روش‌‌هاي ناپارامتريك، شبكه عصبي مصنوعي با كمترين درصد مجذور ميانگين مربع خطا (23/45 درصد) مناسب‌‌ترين عملكرد را براي برآورد زي‌‌توده روي ‌‌زميني داشتند. نتايج اين پژوهش را مي‌‌توان ضعيف دانست. از اين­‌رو، داده‌‌هاي سنجنده OLI ماهواره لندست 8 را فقط مي‌‌توان در سطوح وسيع و به‌‌صورت كوچك‌مقياس براي برآورد زي‌‌توده روي زميني توده‌‌هاي ممرز به‌كار برد. البته براي كسب اطمينان از اين نتيجه‌‌گيري كلي و تعميم آن به جنگل‌‌هاي هيركاني لازم است كه مطالعات تكميلي انجام شود.

In this research, capability of Landsat 8 OLI was studied for estimation of aboveground biomass in pure stands of the common hornbeam (Carpinus betulus L.) in Hyrcanian forests of Iran. In order to obtain in situ aboveground biomass, diameters at breast height (DBH) of all trees greater than 7.5 cm were measured in 55 sample plots. Then, in situ aboveground biomass was calculated using local volume table and specific gravity in each plot. About 70 percentages of in situ measurements (40 sample plots) were used for modeling aboveground biomass based on Landsat 8 OLI data using different methods of stepwise regression, backward regression, artificial neural network, k-nearest neighbor and random forest. Validation of the models was done using 30 percentages of in situ measurements (15 sample plots). Based on the Pearson correlation coefficient, near-infrared band showed the highest correlation with aboveground biomass (0.52). Backward regression with adjusted R2 of 0.295 and RMSE% of 28.63%, and artificial neural network with RMSE% of 23.45% showed the best performance among parametric and non-parametric methods, respectively. Based on the results, Landsat 8 OLI data seems suitable for aboveground biomass estimation in pure stands of the common hornbeam only over large areas and small scale. Although more investigations are required to verify and generalize the results to the entire Hyrcanian forests of Iran.