ارزيابي مدل FCD براي برآورد تراكم جنگل با استفاده از داده‌هاي لندست 7(مطالعه موردي: جنگلهاي چالوس)

هدف از اين تحقيق، ارزيابي مدل FCD‌ (تراكم پوشش جنگلي) براي برآورد تراكم جنگلهاي شمال با استفاده از داده‌هاي ماهواره‌اي لندست 7 است. اين مدل كه براي جنگلهاي حاره‌اي آسياي جنوب ‌شرقي توسعه يافته‌است مي‌توان يك مدل semi expert دانست كه براي برآورد تراكم پوشش‌جنگلي به نمونه‌هاي تعليمي نياز ندارد. در اين بررسي، تصاوير سنجنده ETM+ مربوط به تاريخ 27 تيرماه 1379 از منطقه جنگلي جنوب شهرستان چالوس واقع در استان مازندران، مورد تجزيه و تحليل قرار گرفت. براي اجراي مدل، پس از انجام پردازشهاي اوليه مورد نياز بر روي تصوير ماهواره‌اي، چهار شاخص اوليه مورد نياز در روند اجراي مدل FCD‌ (شاخص گياهي، شاخص خاك بدون پوشش، شاخص سايه و شاخص حرارتي)، محاسبه شد. سپس شاخص تراكم گياهي و شاخص سايه پيشرفته محاسبه گرديد و در نهايت نقشه تراكم جنگل براساس مدل FCD‌ به‌دست آمد. نقشه تراكم جنگل حاصل، براساس طبقات ارايه شده از سوي شوراي عالي جنگل، مرتع و خاك سازمان جنگلها، مراتع و آبخيزداري كشور (7 طبقه) و نيز يك طبقه‌بندي ديگر (5 طبقه)، طبقه‌بندي گرديد. به‌منظور برآورد صحت نقشه‌ تراكم جنگل طبقه‌بندي شده، يك نقشه واقعيت زميني به‌صورت صددرصد از روي عكس‌هوايي منطقه با مقياس 1:10000 مربوط به تاريخ مردادماه 1378، تهيه شد. به اين منظور ابتدا عكسهاي هوايي، رقومي و تصحيح هندسي شدند و موزاييكي از آنها تهيه شد. سپس واقعيت زميني به‌روش تلفيقي و ضمن استفاده از استريوسكوپ تهيه و طبقه‌بندي شد. بيشترين ميزان صحت كلي و ضريب كاپا در مطالعه حاضر، مربوط به طبقه‌بندي در پنج طبقه و به‌ترتيب معادل 61% و 38% محاسبه گرديد. ميزان صحت كلي و ضريب كاپا در طبقه‌بندي در7 طبقه، به‌دليل تداخل طيفي ميان طبقات تراكمي پايين‌تر، كمتر بوده‌است. بيشترين ميزان صحت كاربر و صحت توليدكننده در طبقه‌بندي در 7 طبقه، مربوط به طبقه جنگل بسيار انبوه (تاج‌پوشش بيش از 75 درصد) مي‌باشد و به‌ترتيب برابر با 90% و76% است. پايين‌ترين ميزان صحت كاربر و توليدكننده نيز به طبقه اراضي جنگلي (تاج پوشش بين 1 تا 5 درصد) مربوط مي‌شود و به‌ترتيب برابر با 11 و 8 درصد مي‌باشد. از اين رو مي‌توان نتيجه گرفت كه در چنين جنگلهايي، كارايي مدل در تفكيك جنگل بسيار انبوه، نسبتاً مناسب است، درحالي‌كه مدل در تفكيك طبقات با تراكم پايين‌تر، دقيق عمل نمي‌كند.

The present study is focused on the evaluation of FCD (Forest Canopy Density model) for the estimation of forest density in northern forests of Iran using Landsat 7 satellite data. The model was developed as a semi-expert system in Asia-Pacific region that estimates forest canopy density without any training areas. In this study, an ETM+ image dated July 18th, 2000 was analyzed. After preprocessing the satellite image, four basic indices of FCD model (Vegetation Index, Bare Soil Index, Shadow Index and Thermal Index), were calculated. Vegetation Density Index and Advanced Shadow Index were then calculated and forest density map (derived from FCD model) was finally extracted. The forest density map was classified according to the form presented by Forest, Range & Watershed Management Organization of Iran (7 classes), and another form (5 classes). In order to assess the accuracy of classified forest density map, a ground truth map of the entire study area was generated using aerial photos - at the scale of 1:10000 dated August, 1999. In this way, at first, the geometric correction of digital photos was implemented and the mosaic of photos was generated. Then, the Ground truth map was produced using on-screen digitizing method based on visual interpretation and applying stereoscope and printed photos. In this study, the highest overall accuracy and kappa coefficient - were obtained in classification in five classes - equal to 61% and 0.38, respectively. The overall accuracy and kappa coefficient in case of classification in 7 classes were less than those calculated in case of classification in 5 classes. This is because of the spectral similarity among the lower density classes. Hence, it could be concluded that in such forests, the potential of the model in separating high density forests, was relatively acceptable whereas the model could not correctly separate the lower density classes.