پهنه بندي تراكم درختي جنگل هاي بلوط زاگرس به روش كريجينگ با استفاده از تصاوير ماهواره اي Worldview-2 برگرفته از پايگاه اطلاعاتي گوگل ارث

Mapping tree density of Zagros oak forests using Kriging and Worldview-2 satellite images from Google Earth database

سابقه و هدف: ﺗﻌﺪاد درﻫﮑﺘﺎر در ﯾﮏ ﺟﺎﻣﻌﻪ ﺟﻨﮕﻠﯽ ﺑﯿﺎﻧﮕﺮ وﺿﻌﯿﺖ ﻣﻮﺟﻮد ﺑﻮده و ﭘﺎﯾﺶ آن در ارزﯾﺎﺑﯽ ﺗﻐﯿﯿﺮات ﺗﻮده ﻫﺎي ﺟﻨﮕﻠﯽ ﺑﺴﯿﺎر اﻫﻤﯿﺖ دارد. به طور كلي آگاهي از وضعيت تراكم درختي در توده هاي جنگلي يكي از نخستين اقدامات در مديريت جنگل مي باشد. در اين تحقيق به منظور بررسي ساختار مكاني و پهنه بندي متغير تراكم درختي در جنگل هاي بلوط زاگرس به روش زمين آمار و همچنين امكان استفاده از تصاوير ماهواره اي Worldview-2 برگرفته از پايگاه داده گوگل ارث براي كاهش عمليات ميداني، منطقه اي به مساحت 450 هكتار از پارك جنگلي چغاسبز واقع در شهرستان ايلام انتخاب شد. مواد و روش ها: بدين منظور ابتدا تصوير يكپارچه اي از داده هاي ماهواره اي سنجنده Worldview-2 موجود در پايگاه داده گوگل ارث با قدرت تفكيك مكاني 0/46 متر از كل منطقه تهيه و زمين مرجع شدند. نمونه برداري با استفاده از روش منظم تصادفي با شدت 10 درصد و قطعات نمونه 25 آري مربعي شكل بر روي شبكه اي به ابعاد 100×250 متر بر روي تصوير انجام گرفت. در مجموع 180 قطعه نمونه بر روي تصوير پياده و تعداد پايه هاي درختي در هر يك از آن ها شمارش شد. به منظور ارزيابي صحت اندازه گيري تراكم درختي بر روي تصوير، تعداد 30 قطعه نمونه به صورت تصادفي از بين قطعات نمونه انتخاب و در عرصه پياده شد. پس از انجام تجزيه و تحليل هاي زمين آماري واريوگرام تجربي متغير تراكم محاسبه و مدل نظري مناسب بر آن برازش داده شد. در نهايت نقشه تراكم پايه هاي درختي با استفاده از روش كريجينگ تهيه شد و نقشه حاصله مورد ارزيابي قرار گرفت. يافته ها: نتايج ارزيابي اندازه گيري تراكم درختي بر روي تصوير و عرصه نشان داد كه اختلاف معني داري آماري بين درختان شمارش شده در روي تصوير و عرصه وجود ندارد. تجزيه وتحليل مكاني داده ها نشان داد كه متغير تراكم درختي داراي ساختاري قوي و ناهمسانگرد است. در نهايت، واريوگرام تجربي ناهمسانگرد براي متغير تراكم جنگل محاسبه و مدل نمايي ناهمسانگرد در جهت هاي مختلف بر واريوگرام تجربي برازش داده شد. سپس برآوردها به روش كريجينگ معمولي و بلوكي با ابعاد 50×50 متر انجام گرفت. نتايج ارزيابي صحت كريجينگ به روش ارزيابي متقابل نشان داد كه براساس معيارهاي تعيين صحت برآوردها نااريب بودند (0/42 -درصد = MEr و 21/07درصد= RMSEr). بنابراين، مي توان نقشه تراكم جنگل را با دقت مناسبي توليد نمود. همچنين هزينه بسيار اندك نمونه برداري از روي تصاوير مذكور و عدم وجود اختلاف معني دار با نمونه برداري زميني كه از نتايج تحقيق حاضر بود، يكي از نقاط قوت اين روش بوده كه مي تواند برخي از محدوديت هاي كار در عرصه و هزينه هاي اجرايي تحقيق را به حداقل برساند . نتيجه گيري: براساس نتايج حاصله مي توان اظهار داشت كه استفاده از چنين نقشه هايي مي تواند امكان تجزيه و تحليل مكاني را به سرعت افزايش دهد. همچنين براي مشخصه هاي خاص استفاده از اين گونه تصاوير به منظور كمك به نمونه برداري زميني مي تواند سرعت و هزينه انجام پژوهش ها را كاهش داده و در نتيجه زمينه را براي تحقيقات وسيع تر فراهم نمايد. در نهايت مي توان استفاده از روش كريجينگ را به منظور پهنه بندي متغير تراكم در جنگل هاي زاگرس با استفاده از نمونه هاي برداشت شده از تصاوير ماهواره اي Worldview-2 موجود در پايگاه اطلاعاتي گوگل ارث مناسب ارزيابي نمود.

Background and objectives: Density (i.e. number of trees per hectare) in a forest stand shows status of the stand and its monitoring is important to assess the stand’s changes. In addition, understanding about density trees of forest stands is one of the primary proceedings in forest management. In this study for estimation and mapping density trees of Oak Forest used Geostatistics (Variogram modeling and Kriging interpolation) and Worldview-2 satellite images in Google's earth database. Study area was a 450 hectares forest area in Ilam province, southwest of Iran. Materials and Methods: Field's sampling was performed based on a 100´250meter systematic network inventory using 2500 m2 square samples on the Google Earth image. The image used in this study, was received from Google's earth server to high spatial resolution from the Worldview-2 sensors (0.46 meter). The image was geo-referenced using the ground control point (collected with GPS) in the Universal Transverse Mercator (UTM) system. Overall, 180 sample plots were established and measured on the geo-referenced image received from Google's earth server. For validation of density measuring on Google's earth image, 30 sample plots were randomly selected and measured in the field, which result of t-test showed that no significant differences. Experimental variograms for forest stem density was calculated and plotted using the geo-referenced inventory plots. Then deferent theoretical variogram model (Circular, Spherical, Exponential and Gaussian Models) fitted to Experimental variograms for forest stem density and selected best theoretical variogram model for estimation stem density based on good of fitness. Results: The calculated variogram of stem density showed strong and anisotropic spatial autocorrelation, which best fitted by exponential theoretical model. Estimations were made by ordinary block kriging method (block size 50´50 meter). Cross-validation results showed that all the estimations are unbiased. Thus, kriging and Worldview-2 images from Google's earth database together have the potential to estimate and map the density trees of this kind of oak forests, accurately. The results of this study show that the Google earth images sampling absence of significant differences with ground sampling, so that the results of this study can decrease the cost sampling and resolve many restrictions of fieldwork. Conclusion: Consequently, Mapping Density tree using Kriging and Google Earth Images was more efficient for the oak density estimate in the study area. Also according to the results, we suggested that in the other area of Zagro's forest is used from Mapping Density tree using Kriging and Google Earth Images to be more results that are reliable.