تخمين ميزان زيست‌توده جنگل‌ها با استفاده از تصاوير رادار با روزنه مجازي مطالعه موردي: جنگل خيرودكنار نوشهر

Estimation of Forest Biomass Using SAR DataCase Study: Kheyroud Kenar forest, Noshahr

تجمع گازهاي گلخانه‌اي در اتمسفر، مهم‌ترين عامل افزايش دماي كره زمين از نيمه دوم قرن بيستم به بعد، شناخته شده است. به‌دام‌انداختن كربن در جنگل‌ها و ميان درختان راه‌حلي عملي، كارآمد و ارزان براي كاهش سطح دي‌اكسيد‌كربن در اتمسفر است. بنابراين اندازه‌گيري زيست‌توده در بررسي تغييرات آب‌وهوايي و چرخه كربن جهاني اهميت ويژه‌اي دارد. در پژوهش حاضر روشي بر پايه تبديلات موجك به‌منظور تخمين زيست‌توده در منطقه‌اي جنگلي با درختان پهن‌برگ در شمال ايران ارايه شده است. تبديلات مختلف موجك (تبديلات دوبعدي گسسته) روي تصوير رادار با روزنه مجازي سنجنده ALOS PALSAR اعمال شدند و ضرايب به‌دست‌آمده به‌عنوان داده‌هاي جداگانه ذخيره شدند. ميزان همبستگي هريك از پارامترهاي محاسبه‌شده با مقدار زيست‌توده به‌وسيله آناليز رگرسيون چندگانه بررسي شد. نتايج نشان دادند كه ضرايب به‌دست‌آمده از تبديل موجك Db2 در مقايسه با ساير تبديلات، همبستگي بيشتري با مقدار زيست‌توده دارند. در تجزيه يك‌مرحله‌اي، مقدار همبستگي با زيست‌توده تقريباً 5/0 و در تجزيه دومرحله‌اي تصاوير، مقدار همبستگي به‌دست‌آمده براي تصوير مايكروويو به بيش از 75/0 ارتقا پيدا كرد. پژوهش حاضر نشان داد كه استفاده از تبديلات موجك مي‌تواند روش مناسبي براي تخمين زيست‌توده ـ به‌ويژه در مناطقي با ساختار پوشش گياهي پيچيده ـ باشد.

The increasing concentration of greenhouse gases has been identified as a main cause of increase of global mean temperatures since the mid-20th century. The effect of human-induced climate change could be unprecedented and far-reaching. Carbon sequestration into trees and forests is an effective and inexpensive way for mitigating the CO2 level in the atmosphere. Hence, accurate measurement of biomass will be of great importance to global carbon cycle and climate change. This study performed a wavelet-based forest aboveground biomass estimation approach in a temperate deciduous forest, Kheyroud Kenar forest in north part of Iran. Wavelet analysis, specifically two-dimensional discrete wavelet transform (DWT) was applied to ALOS PALSAR images to obtain wavelet coefficients (WCs), which were correlated with forest inventory data using multiple linear regression analysis to investigate the relationship. The results indicate that Db wavelet coefficients correlate better with field biomass data than other parameters. For the first level of the decomposition, the correlation coefficient is 0.5 while for second level, the overall R value increased up to 0.75. This study demonstrates that wavelet-based biomass estimation could be a very promising approach for providing better biomass estimation; however, further research is needed for identifying robust wavelet coefficients and optimizing procedures.