برآورد تاج‌پوشش جنگل بلوط با استفاده از داده‌های ماهوارۀ لندست 9 در جنگل‌های زاگرس شمالی

مقدمه: تاج‌پوشش جنگل (FCC) از مشخصه‌های ساختاری مهم در پایش سلامت و کیفیت توده‌های جنگلی است. اندازه‌گیری این مشخصه براساس روش‌های زمینی به هزینه و زمان زیاد نیاز دارد و اجرا در سطح‌های وسیع، بسیار سخت است. امروزه استفاده از تکنیک‌های سنجش از دور می‌تواند محدودیت روش‌های زمینی را جبران کند. پژوهش پیش ‌رو با هدف بررسی کارایی ماهوارۀ لندست 9 در مدل‌سازی و برآورد تاج‌پوشش در بخشی از جنگل‌های بلوط زاگرس شمالی انجام گرفته است.مواد و روش‌ها: به‌منظور جمع‌آوری داده‌های زمینی مشخصۀ تاج‌پوشش جنگل، 79 قطعه نمونۀ مربع‌شکل با ابعاد 45×45 متر براساس روش نمونه‌برداری تصادفی- منظم با ابعاد شبکۀ آماربرداری 200×200 متر در تابستان سال 1402 در بخشی از جنگل‌های بانه در استان کردستان پیاده شد. در هر قطعه نمونه، قطر بزرگ و عمود بر آن تاج درختان با استفاده از متر نواری اندازه‌گیری و در نهایت برای هر قطعه نمونه براساس مساحت تاج هر درخت، مشخصۀ تاج‌پوشش جنگل محاسبه شد. یک فریم از داده‌های سنجندۀ OLI-2 ماهوارۀ لندست 9 در سطح تصحیح Collection 2 Level 1 مربوط به تاریخ 23 تیر 1402 دریافت شد. پس از بررسی کیفیت هندسی تصویر و تصحیح اتمسفری به روش FLAASH، شاخص‌های پوشش گیاهی، تجزیۀ مؤلفه‌های اصلی (PCA) و تبدیل تسلدکپ روی تصویر انجام گرفت. در مجموع 7 باند اصلی و 35 باند محاسباتی استفاده و ارزش‌های طیفی این 42 متغیر طیفی به‌دست‌آمده از داده‌های لندست 9 با استفاده از نقشۀ قطعه نمونه‌های زمینی برداشت‌شده استخراج شد. در ادامه، مشخصۀ تاج‌پوشش جنگل با استفاده از مدل‌های آماری پارامتری رگرسیون به روش گام‌به‌گام (MLR) و ناپارامتری جنگل تصادفی (RF) و ماشین بردار پشتیبان (SVM) براساس سه مجموعه از متغیرهای طیفی (باندهای اصلی، باندهای محاسباتی و ترکیب باندهای اصلی و محاسباتی) و 70 درصد داده‌ها مدل‌سازی شد. ارزیابی و برازش مدل‌های رگرسیونی با استفاده از آماره‌های ضریب تبیین (R2)، جذر میانگین مربعات خطا (RMSE) و جذر میانگین مربعات خطا نسبی (rRMSE) به روش اعتبارسنجی متقابل براساس 30 درصد داده‌ها انجام گرفت.یافته‌ها: بررسی داده‌های تاج‌پوشش جنگل اندازه‌گیری شدۀ زمینی براساس آماره‌های توصیفی نشان داد که جنگل تحت پژوهش در وضعیت نیمه‌انبوه قرار دارد. تحلیل همبستگی پیرسون انجام‌گرفته برای بررسی ارتباط مشخصۀ تاج‌پوشش جنگل با متغیرهای طیفی نشان داد که شاخص‌های پوشش گیاهی نسبت به تغییرات تاج‌پوشش جنگل حساسیت بیشتری دارند. نتایج مدل‌سازی با استفاده از 70 درصد قطعه نمونه‌ها نشان داد که مدل حاصل از RF براساس ترکیب باندهای اصلی و محاسباتی با 88/0= R2 و 95/16= rRMSE مدل بهینه در برآورد مقدار تاج‌پوشش است. ارزیابی اهمیت نسبی متغیرهای طیفی استفاده‌شده در مدل به‌دست‌آمده نشان داد که شاخص گیاهی NDNIR.SWIR2 دارای بیشترین تأثیر در فرایند مدل‌سازی RF و تجزیۀ مؤلفۀ اصلی حاصل از باند 7 (PCA.B7) دارای کمترین اهمیت است. اعتبارسنجی مدل‌های به‌دست‌آمده با استفاده از اعتبارسنجی متقابل نشان داد که مدل RF حاصل از باندهای اصلی تصویر ماهوارۀ لندست 9 با مقادیر 85/0 = R2 و 65/15 = rRMSE به‌عنوان بهترین مدل برآورد و نقشه‌برداری تاج‌پوشش جنگل تحت پژوهش انتخاب شد.نتیجه‌گیری: به‌طور کلی این پژوهش نشان داد که با استفاده از باندهای اصلی داده‌های ماهوارۀ لندست 9 به‌همراه به‌کارگیری الگوریتم یادگیری ماشین RF می‌توان با دقت مناسبی مشخصۀ تاج‌پوشش جنگل را در جنگل‌های با مدیریت سنتی زاگرس شمالی برآورد کرد.