برآورد تراكم تاج پوشش جنگل با استفاده از مدل fcd

Estimation of Forest Canopy Density using FCD

به منظور تهيه نقشه تراكم تاج پوشش در جنگل هاي بيوره استان ايلام از داده هاي ماهواره اي لندست 8 مربوط به تاريخ 31 تيرماه 1393 و مدل fcd استفاده شد. در روش fcd از چهار شاخص پوشش گياهي، خاك، سايه و شاخص حرارتي با اعمال حد آستانه مناسب استفاده شد و سپس شاخص سايه پيشرفته و شاخص سايه هم قياس شده، محاسبه گرديد و درنهايت شاخص تراكم پوشش گياهي و نقشه تراكم تاج پوشش جنگل بر مبناي مدل fcd برحسب درصد بدست آمد. نقشه تراكم جنگل بدست آمده، بر اساس طبقات ارائه شده از سوي شوراي عالي جنگل، مرتع و خاك سازمان جنگل ها و مراتع و آبخيزداري كشور (7 طبقه) و نيز يك طبقه بندي ديگر (5 طبقه)، طبقه بندي گرديد. به منظور برآورد صحت نقشه تراكم جنگل طبقه بندي شده، يك نقشه واقعيت زميني از تصاوير ارائه شده در وب سايت مركز منطقه اي زيرساخت اطلاعات مكاني كشور كه به روز و داراي قدرت تفكيك مكاني مناسب هستند، تهيه شد. بيشترين ميزان صحت كلي و ضريب كاپا در مطالعه حاضر، مربوط به طبقه بندي در پنج طبقه و به ترتيب معادل 61/34 درصد و 0/42 محاسبه شد كه در طبقه بندي 7 طبقه، ميزان صحت كلي و ضريب كاپا كمتر برآورد گرديد. ازاين رو مي توان نتيجه گرفت كه در جنگل هاي زاگرس، كارايي مدل در تفكيك جنگل نيمه انبوه تا انبوه نسبتاً مناسب است درحالي كه مدل در تفكيك طبقات با تراكم پايين تر، دقيق عمل نمي كند.

In order to map the forest canopy density Bivareh Ilam Landsat 8 satellite data of 22 July 2014 and FCD model was used. The FCD of four indicators of vegetation, soil, shade and the heat index by applying a suitable threshold was and the density of vegetation and forest canopy density map based on FCD in percent respectively. Forest density map obtained, according to the classes provided by the Supreme Council of Forest, Range and Soil of Forest and Rangeland and Watershed Management (7 classes) and a classification (5 classes), were defined. To determine the accuracy of the classified forest density map, a map of the ground reality of the images presented on the website of the Regional Centre spatial data infrastructure updates and spatial resolution are prepared. The highest overall accuracy and Kappa coefficient in the present study, the classification in five classes of 61/34% and 0/42, respectively, were calculated. The classification of 7 classes, the overall accuracy and kappa coefficient was estimated. Therefore we can conclude that in the Zagros forests, semi-massive to massive forest separation efficiency model is appropriate when the separation of the classes with lower density, is not accurate.