برآورد زي‌تودة روي زميني جنگل‌هاي هيركاني با استفاده از داده‌هاي راداري Alos-Palsar (مطالعة موردي: شصت‌كلاته گرگان)

(Estimation of aboveground biomass using Alos-Palsar data in Hyrcanian forests (Case study: ShastKalateh, Gorgan

كمّي‌سازي مشخصه‌هاي بيوفيزيكي جنگل مانند زي‌توده در مقياس‌هاي محلي، ناحيه‌اي و جهاني در ارزيابي، پايش و مديريت وضعيت انتشار و ترسيب كربن ضروري است. تصاوير راداري پلاريزه‌شده با طول موج بلند با توجه به قدرت نفوذشان به تاج‌پوشش جنگل و اخذ اطلاعات تنه، در برآورد زي‌تودة روي زميني جنگل‌ها استفاده شده‌اند. اين پژوهش با هدف بررسي قابليت داده‌هاي راداري Alos-Palsar در برآورد زي‌تودة روي زميني درختان در بخشي از جنگل‌هاي آميختة پهن‌برگ طرح جنگلداري دكتر بهرام‌نيا انجام گرفت. زي‌تودة روي زميني درختان در 308 قطعه نمونة 10 آري با استفاده از معادلات آلومتريك محلي محاسبه شد. در اين بررسي از داده‌هاي راداري كه پيش‌پردازش راديومتري و هندسي شده بودند استفاده شد و براساس آن ضرايب بازپخش نرمال‌شدة پلاريزاسيون‌هاي HH و HV، نسبت و تفاضل آنها، مؤلفه‌هاي آلفا و اينتروپي حاصل از روش تجزية هدف Cloud-Pottier به‌همراه ويژگي‌هاي بافت محاسبه‌شده از ماتريس سطوح خاكستري هم‌رخداد از تصاوير راداري Alos-Palsar تهيه و مقادير آنها در محل قطعات نمونه استخراج شد. مدلسازي با استفاده از 70 درصد قطعات نمونه با الگوريتم‌هاي ناپارامتريك K-NN، رگرسيون بردارپشتيبان و جنگل‌تصادفي، همچنين رگرسيون چندمتغيرة خطي صورت گرفت و ارزيابي برآوردها با استفاده از 30 درصد قطعات نمونه باقي‌مانده انجام پذيرفت. براساس نتايج، الگوريتم K-NN نسبت به ديگر الگوريتم‌ها عملكرد به‌نسبت بهتري در برآورد زي‌تودة روي زميني درختان داشت. مجذور ميانگين مربعات خطاي 189/57 درصد و ضريب تبيين تعديل‌شدة 032/0 عملكرد ضعيف اين رويكرد را در برآورد زي‌تودة روي زميني درختان نشان مي‌دهد..

Quantifying the forest biophysical variables such as biomass in local, zonal, and regional scales is necessary for evaluation, monitoring, and management of carbon sequestration conditions. Polarized SAR images in L band (like Alos-Palsar) have been used for estimating AGB due to its ability in penetration into canopy and extracting the trunk information. The capability of Alos-Palsar data for above-ground biomass estimation of trees was studied in some part of mixed hardwood forest of Dr. Bahramnia forestry plan. The aboveground biomass of trees was computed in 308 0.1 circular sample plots using local allometric equations. In this study, we used radiometric and geometric processed radar data and according that, normalized backscatter coefficients in HH and HV polarization, ratio and difference of them, alpha and entropy components from Cloud-Pottiers target decomposition approach and GLCM texture features were extracted from Alos-Palsar images on sample plots. Biomass modeling and estimation were done using 70 percent of sample plots by KNN, SVR and Random Forest nonparametric algorithms as well as multiple linear regression algorithms. The validity assessment was done by using the remaining 30 percent samples. According to the results, KNN algorithm had better performance than the other algorithms in estimation of aboveground biomass of trees. RMSE (57.189%) and adjusted R2 (0.032) showed the weak performance of this approach in aboveground biomass estimation of trees.