برآورد زيست توده درختي توده هاي راش جنگل هاي شمال ايران با داده هاي ماهواره لندست 5 (مطالعه موردي: جنگل خيرود)

Estimating aboveground woody biomass of Fagus orientalis stands in Hyrcanian forest of Iran using Landsat 5 satellite data (case study: Khyroud forest

در دهه هاي اخير برآورد و محاسبه ميزان زيتوده چوبي در توده هاي جنگلي با روش هاي سنجش از دوري از اهميت زيادي برخوردار شده است. در اين تحقيق با استفاده از داده هاي سنجنده TM ماهواره لندست 5 به برآورد زيتوده روي زميني (AGB) درختان راش جنگل هاي شمال ايران پرداخته شده است. پيش پردازش و پردازش هاي مورد نياز بر روي تصاوير منطقه مورد مطالعه صورت گرفت. براي محاسبه زميني مقدار زيتوده تعداد 65 قطعه نمونه با ابعاد 45×45 متر در راشستان هاي خالص سري هاي گرازبن و نم خانه جنگل خيرود برداشت شد. در قطعات نمونه، قطر برابر سينه درختان قطورتر از 7/5 سانتي متر برداشت و در نهايت ميزان زيتوده در هر قطعه نمونه محاسبه شد. تعداد 45 قطعه نمونه براي مدل سازي، 20 قطعه نمونه براي اعتبارسنجي و از روش آماري پارامتريك رگرسيون خطي چندمتغيره براي مدل سازي استفاده شد. بررسي همبستگي پيرسون بين زيتوده روي زميني در قطعات نمونه زميني و ارزش هاي طيفي متناظر در باندهاي اصلي و مصنوعي نشان داد كه باند مادون قرمز نزديك (باند4)، بيشترين ميزان همبستگي را با زيتوده روي زميني دارد و ضريب همبستگي آن 0/427 در سطح 99 درصد اطمينان است. اجراي رگرسيون خطي چند متغيره به روش گام به گام بين زيتوده روي زميني و تمام متغيرهاي دورسنجي اعم از باندهاي اصلي و مصنوعي، نشان داد كه مدل AGB= 6/682b4 – 206/693 (همانند رگرسيون خطي ساده بين زيتوده و باند مادون قرمز نزديك) با مقدار ضريب تعيين تعديل شده 0/164 و درصد مجذور ميانگين مربعات خطا برابر با 15/4 درصد، مناسب ترين مدل براي برآورد زيتوده روي زميني توده هاي راش جنگل هاي منطقه مورد مطالعه اين تحقيق است. بر پايه خطاي برآورد به نسبت كم مدل، مي توان نتيجه گيري كرد كه با استفاده از چنين داده هايي، زيتوده را در توده هاي راش خالص مي توان به نسبت خوب برآورد كرد.

In recent decades remote sensing-based forest stands biomass estimation techniques have a great importance. In this study، the Above-Ground Biomass (AGB) of Iranian northern beech forests was estimated by TM sensor of Landsat 5 satellite. Required Pre-processing and processing tasks was carried out on the images. For estimation of above-ground biomass، 65 sample plots with dimensions of 45m × 45m were laid out in the field. In each sample plot، diameter at the breast height (DBH) of trees higher than 7.5cm was measured and consequently، the above-ground biomass was calculated for each sample plot. 45 and 20 sample plots were considered for modelling and validation processes، respectively. Parametric multivariate linear regression was used for modelling. Pearson correlation between above-ground biomass in sample plots and correspond spectral values in calculated and original bands showed that the near infra-red band (band 4) was most correlated with above-ground biomass at 99% confidence level and correlation coefficient of 0.427. Implementing of stepwise multivariate linear regression method between above-ground biomass and all other remotely sensed variables revealed that the AGB= 6/682b4 – 206/693 model with adjusted R square=0.164 and RMSE=15/4 % is the best model (similar to simple linear regression between AGB and NIR band) for estimation of Iranian northern beech forests above-ground biomass in studied area. Conclusively، this approach is able to estimate woody biomass in pure beech stands relatively good especially in small scales.