عنوان پایان‌نامه
برآورد شاخص سطح برگ در جنگل های زاگرس با داده های ماهواره لندست ۸ (مطالعه موردی: جنگل های منطقه مریوان)
- رشته تحصیلی
- مهندسی منابع طبیعی - جنگلداری
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی پردیس کشاورزی و منابع طبیعی شماره ثبت: 6472;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 69847
- تاریخ دفاع
- ۲۱ تیر ۱۳۹۴
- دانشجو
- ناصح میری
- استاد راهنما
- علی اصغر درویش صفت, نصرت اله ضرغام
- چکیده
- شاخص سطح برگ، مشخصه¬ای بسیار مهم در کنترل بسیاری از فرایندهای زیستی جنگل نظیر تبادلات گازی بین جو و جنگل، فتوسنتز، تبخیر و تعرق و چرخه کربن و آب است.آگاهی از میزان این مشخصه و پایش آن در جنگل¬های زاگرس یکی از ملزومات مدیریت صحیح این جنگل¬ها است. برای برآورد شاخص سطح برگ روش¬های زمینی مختلفی وجود دارد که اجرای آن¬ها مشکل، زمان¬بر، پرهزینه و بعضاً مخرب است. از این¬رو استفاده از داده¬های سنجش از دور می¬تواند به¬عنوان راه¬حلی کم¬هزینه و سریع مطرح شوند. هدف اصلی تحقیق حاضر، بررسی قابلیت داده¬های سنجنده OLIماهواره لندست 8 جهت برآورد شاخص سطح برگ جنگل¬ در جنگل¬های زاگرس می¬باشد. بدین منظور، داده¬های سنجنده OLIماهواره لندست 8 مربوط به تاریخ 8 شهریور ماه سال 1393 از منطقه مورد مطالعه به وسعت 464 هکتار در شهرستان مریوان مورد تجزیه و تحلیل قرار گرفت. در این تحقیق برای بررسی روابط بین شاخص سطح برگ و باندهای اصلی و مصنوعی داده¬های OLI، 60 قطعه¬نمونه زمینی به روش نمونه¬برداری انتخابی با ابعاد 45×45 متر پیاده و برای تعیین مقادیر شاخص سطح برگ در هر قطعه¬نمونه، عکس-برداری نیم¬کروی (جمعا 540 عکس) با استفاده از دوربین مجهز به عدسی چشم¬ماهی (Fish-eye) در شهریور 1393 اجرا شد. عکس¬های نیم¬کروی با استفاده از نرم¬افزار Gap Light Analyzer (GLA) پردازش شدند.براساس مختصات قطعات نمونه، نقشه پلی¬گونی قطعات نمونه تهیه و رستری شد. بر پایه این نقشه، ارزش¬های طیفی در محل قطعات نمونه از تصاویر استخراج شدند. بررسی کیفت تصاویر نشان داد که آن¬ها فاقد هر گونه خطای رادیومتری و هندسی بودند. پردازش-های تصویر مناسب شامل شاخص¬های پوشش گیاهی، تجزیه مولفه¬های اصلی (PCA)، تبدیل تسلدکپ و ادغام انجام شد و تصاویر ایجاد شده همراه با مجموعه باندهای اصلی مورد تجزیه و تحلیل قرار گرفتند. پس از اطمینان از نرمال بودن داده¬ها، همبستگی بین مشخصه¬ شاخص سطح برگ در 45 قطعه¬نمونه زمینی و ارزش¬های طیفی متناظر به روش تحلیل همبستگی پیرسون بررسی شد. همچنین تحلیل رگرسیون ساده با مدل¬های خطی، لگاریتمی، درجه دوم و نمایی و رگرسیون چند متغیره انجام و مدل¬های برتر براساس 15 قطعه¬نمونه شاهد مورد اعتبارسنجی قرار گرفتند. نتایج حاصل از تحلیل پیرسون نشان داد که همه باندهای اصلی و مصنوعی به¬جز باند 5 (مادون قرمز نزدیک)، باند 5 ادغام شده و شاخص¬های پوشش گیاهی PVI3 و WDVI دارای همبستگی بالاتر از 7/0 و در سطح 99 درصد معنی¬دار می¬باشند. نتایج تحلیل رگرسیون نیز نشان داد که در رگرسیون ساده، روابط خطی حاصل از مشخصه شاخص سطح برگ و شاخص¬های پوشش گیاهی SRو NDVIبه¬ترتیب با میزان ضریب تبیین (R2) 682/0 و 678/0،جذر میانگین مربعات خطانسبی (RMSE%)به¬ترتیب 6/22 و 9/22 درصد واریبی (Bias) به¬ترتیب 019/0- و 014/0- و رگرسیون چند متغیره (حاصل از شاخص¬های پوشش گیاهی SR، NDVI و SAVI) با 722/0=R2،%20=RMSE(%)و 0005/0-=Biasبه¬عنوان بهترین روابط جهت برآورد شاخص سطح برگ از تصاویر ماهواره¬ای انتخاب شدند. نتایج این امیدواری را ایجاد می¬کند که با مطالعات تکمیلی بتوان شاخص سطح برگ را در این چنین مناطقی براساس تصاویر ماهواره¬ای و با صرف هزینه و زمان بسیار کم برآورد کرد
- Abstract
- Leaf area index (LAI) is an important feature controlling many forest ecological processes like gaseous exchanges between the atmosphere and forests, photosynthesis, evapotranspiration, water and carbon cycles. Knowledge of the value of this feature and its monitoring in Zagros forests is one of the most prerequisites of correct management of forests. There are many different field methods to estimate LAI that are time and cost consuming and in some cases destructive. The main aim of this study wasto valuating Landsat-8 OLI data to estimate forest LAI in Zagros forests. For this purpose, OLI data of to 30 August 2014 with an area of 464 ha in Marivan forests (West Iran) were analysed. In this investigation, a number of 60 selected ground sample plots with a dimention of 45 × 45 m were taken to find the relationship between LAI and OLI data. Then, for determining LAI value in each sample plot, hemispherical photography (totally 540 photos) using camera equipped with fish-eye lens was performed in September 2014.Thesephotographs were processed using Gap Light Analyzer (GLA) software. According to coordinate of sample plots, sample plot polygon maps ware prepared and rasterized. Based on this map, spectral values sample plots at locations were extracted. By examining the quality of images, it's revealed that there was not any radiometric and geometric distortions. Suitable image processing techniques such as Vegetation Indices, Principle Component Analysis (PCA), Tasseled Cap transformation and fusion were conducted and resulted images together with original bands were analysed. After normality testing data, correlation between LAI values extracted in each sample plot and corresponded spectral values were assessed using Pearson correlation analysis. Also, simple regression analysis with linear, logarithmic, quadratic and exponential models and multi regression were developed and based on 15 control sample plots, the validation process were conducted for selecting the best model. Results from Pearson analysis revealed that all artificial/original bands are highly correlated, (R>0.7) and significant at 99% level of confidence, except band 5 (near infra-red), band 5 fusion and PVI3, WDVI vegetation indices. Results of regression analysis showed that the linear relations obtained from LAI and SR, NDVI vegetation indiceswith R2 values were0.682 and 0.678 respectively correspondedRMSE(%) were 22.6 and 22.9 and bias -0.019 and -0.014 respectively.Multi regression (SR, NDVI and SAVI vegetation index) with R2=0.722, RMSE(%)=0.22 and Bias=-0.0005. were selected as best estimators for LAI retrieval from satellite images. The results provide a hopeful insights to accomplish complementary studies achieve timely and costly reduced estimation ofLAI in such area based on satellite images.
