عنوان پایان‌نامه
برآورد ارتفاع تاج پوشش جنگل با استفاده از داده های ICESat GLAS (مطالعه موردی: جنگل های کجور)
- رشته تحصیلی
- مهندسی منابع طبیعی - جنگلداری
- مقطع تحصیلی
- دکتری تخصصی PhD
- محل دفاع
- کتابخانه مرکزی پردیس کشاورزی و منابع طبیعی شماره ثبت: 6644;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 71813
- تاریخ دفاع
- ۱۹ آبان ۱۳۹۴
- دانشجو
- منیژه رجب پوررحمتی
- استاد راهنما
- علی اصغر درویش صفت
- چکیده
- ارتفاع درخت یکی از متغیرهای کمی مهم در زیست¬¬سنجی جنگل است و از آن برای تعیین حجم، زی¬توده، تهی? جدول محصول و تعیین حاصلخیزی رویشگاه یا قدرت تولید یک گونه استفاده می¬شود. اندازه¬گیری این مشخصه در جنگل مستلزم صرف زمان و هزین? زیاد است. در مقابل داده¬های دورسنجی لیدار، امکان اندازه¬گیری ارتفاع را از طریق اندازه¬گیری فاصل? سنجنده تا پدیده یا سطح مورد دید فراهم می¬آورد. از این¬رو در این پژوهش، قابلیت داده¬های لیدار فضایی ICESat GLAS برای برآورد حداکثر ارتفاع تاج¬پوشش و ارتفاع لوری در 60 تود? 4/0 هکتاری در دو پروفیل ارتفاعی از جلگه تا حد بالایی جنگل در محل لکه¬های زمینی لیدار در جنگل¬های کجور شمال ایران بررسی شد. به این منظور، ابتدا طی پیش¬پردازش¬های اولیه روی داده¬های لیدار از دو مأموریت مختلف (L3K و L3I)، داده¬های نامطلوب (مانند شکل¬موج¬های اشباع¬شده یا متأثر از ابر) حذف و شکل¬موج¬هایی که حاوی اطلاعات صحیح و قابل استفاده بودند، حفظ شد. علاوه بر این، پردازش¬هایی مانند تحلیل مؤلفه¬های اصلی (PCA) و تبدیل موجک (WT) به¬منظور حذف نویزها و استخراج هرچه بهتر اطلاعات از شکل¬موج¬ها صورت گرفت. همچنین سنجه¬های مختلفی نظیر گستر? شکل¬موج (Wext)، گستر? لبه پیشتاز (Hlead)، گستر? لبه پشتی (Htrail) و سنجه¬های ارتفاع در چارک¬های انرژی (25H، 50H، 75H و 100H) از شکل¬موج¬ها استخراج شد. با توجه به کوهستانی و شیب¬دار بودن منطقه و تأثیر آن بر ویژگی¬های شکل¬موج، از مدل رقومی زمین (DEM) برای استخراج شاخص زمینی (TI) که بیانگر اطلاعات مربوط به توپوگرافی زمین است، استفاده شد. از روش مستقیم (اختلاف بین سیگنال آغازین و قله زمین) و مدل¬های رگرسیونی پارامتری (رگرسیون چندگانه) و غیرپارامتری (رندوم¬فارست و شبک? عصبی مصنوعی) براساس سه دسته متغیر شامل سنجه¬های استخراج¬شده از شکل¬موج، مؤلفه¬های حاصل از PCA و مؤلفه¬های حاصل از WT، برای برآورد حداکثر ارتفاع تاج¬پوشش و ارتفاع لوری استفاده شد. به¬منظور توسع? مدل¬های رگرسیونی و اعتبارسنجی آنها، 60 قطعه¬نمونه به قطر هفتاد متر روی زمین در محل لکه¬های زمینی لیدار اندازه¬گیری شد. در هر قطعه¬نمونه، قطر برابر سین? تمام درختان (cm 5/7 DBH >) و ارتفاع 10 درخت از بلندترین درختان اندازه¬گیری شد. براساس روابط ارتفاع-قطر توسعه داده شده، ارتفاع هم? درختان و سپس ارتفاع لوری
- Abstract
- Abstract Forest canopy height is one of the most fundamental measurements in forest inventory and it is a critical variable for quantitative assessment of forest volume, biomass, site productivity, providing forest yield tables etc. Measuring this quantity of forest is time consuming and costly. LiDar technology is able to measure third dimension of objects by measuring the distance from spacecraft to the object and earth's surface. In this research, the capability of ICESat GLAS spaceborne LiDar was investigated to estimate maximum canopy height and Lorey’s height in 60 stands (0.4ha) of Kojour forests in the North of Iran. To reach this aim, two missions of GLAS (L3K and L3I) located in the study area were preprocessed to remove inappropriate and useless waveforms. Two transformations including principal component analysis (PCA) and wavelet transform (WT) were also employed to eliminate noises and extract optimal information from waveforms. Furthermore, some waveform metrics such as waveform extent (Wext), lead edge extent (Hlead), trail edge extent (Htrail) and quartile heights (H25, H50, H75 and H100) were extracted. Since the study area is mountainous and waveform characteristics is affected by slope, terrain index (TI) describing information about topography was extracted from digital elevation model (DEM). Maximum canopy height and Lorey’s height were estimated using direct method (vertical difference between waveform signal start and ground peak), and also parametric (multiple regression) and non-parametric (random forest “RF” and artificial neural network “ANN”) methods based on waveform metrics, principal components produced by PCA and wavelet coefficients generated from WT. To develop and validate regression models, 6o circle plots (70m diameter) were collected on the ground in the location of LiDar footprints. DBH of all trees (DBH > 7.5cm) and 10 dominant heights were measured within each plot. To calculate the height of all trees and consequently Lorey’s height, DBH-height relationship was built using in situ data. Model performance was validated using a five-fold cross validation. Maximum height estimated from direct method produced Ra 2 and RMSE of 0.48 and 9.9m, respectively (RMSE%= 27.5). Among all regression models, multiple regressions and ANNs based on waveform metrics represented best results. A multiple linear regression combined of Wext(1.5), Wext(2.5), TI10 and H50 estimated maximum canopy height with Ra 2 and RMSE of 0.85 and 5m, respectively (RMSE%= 13.8). An ANN using three metrics including Wext, TI10 and H50 estimated maximum height with an accuracy of 5.4m (RMSE%= 15). In terms of Lorey’s height, in general, multiple regressions and ANNs based on waveform metrics had better performance. But best result was obtained using an ANN based on three first components of PCA and Wext with Ra 2 and RMSE of 0.87 and 3.4m, respectively (RMSE%= 12.4). Conclusively, ICESat GLAS is able to estimate maximum canopy height and Lorey’s height over sloped terrain with a desirable accuracy especially in small scales. Key Words: Maximum canopy height, Lorey’s height, Spaceborne LiDar, ICESat GLAS, Parametric and nonparametric analysis, Kojour forest.
