كليدواژه :
تصاوير راداري , پارامترهاي ساختاري , رگرسيون چندمتغيره , جنگل كاج
چكيده فارسي :
در اين تحقيق، جهت برآورد پارامترهاي ساختاري جنگل كاج، از داده‌هاي چندزمانه تصاوير رادار با روزنه مصنوعي[1] به‌دست‌‌آمده از ماهواره ALOS[2]-PALSAR[3]، پس از انجام تصحيحات هندسي و كاهش لكه (اسپكل[4])، خصوصيات مربوط به ضرايب بازپخش[5] و نيز اطلاعات بافتي، در پنجره‌هايي با اندازه‌ها و جهات مختلف، با استفاده از روش GLCM[6] استخراج شد. سپس با استفاده از رگرسيون خطي چند متغيره گام به گام[7]، مدل‌هاي تخمين براي نمونه‌هاي جمع‌آوري‌شده در طي عمليات زميني به‌دست آمد. نتايج حاصل نمايانگر بهبود عملكرد مدل‌هايي بود كه از داده‌هاي چندزمانه استفاده كرده بودند، همچنين اين تحقيق نشان داد در حالي‌كه ارتفاع متوسط درختان با خطاي 7/20 درصد قابل تخمين است. خطاي حاصل براي ساير پارامترهاي ساختاري بيش از 30 درصد است. در اين تحقيق تأثير سن درخت و شيب اراضي بر عملكرد مدل‌ها نيز به‌صورت آماري بررسي شده است.
چكيده لاتين :
Structural parameter estimation of the forests including deciduous and coniferous is required for understanding environmental cycles including Carbone cycle, hydrological cycle and etc., in a global scale, and sustainable management of the forests, in local scale. Although, the feasibility of different remotely sensed data including optical, radar and Lidar as reliable alternatives for conventional inventory methods have been frequently used for estimating forest structural parameters, the use of multi-temporal radar data have been studied less than the other options for this purpose. In this study the radar images acquired in different dates, were utilized to estimate the structural parameters of a pine plantation. For this purpose, geometric correction and speckle noise reduction methods were applied on multi-polarized Advanced Land Observing Satellite (ALOS)-Phased Array type L-band Synthetic Aperture Radar (PALSAR) data. Afterwards, different backscatter derivatives along with their corresponding textural information were extracted using grey level co-occurrence matrix (GLCM) for different window sizes and orientations. Afterwards, a stepwise multiple-linear regression was applied to model the relationship between structural parameters and synthetic aperture radar (SAR) attributes. The results indicated that the models based on multi-date SAR data performed better than those derived from single-date SAR data. Moreover, it was shown while the estimation error of mean height is 20.7%, the other parameters were estimated with error of more than 30%. Finally, the effects of slope and tree age on the estimation accuracy of structural parameters were investigated.
