قابليت‌سنجي كارايي داده‌هاي ليدار و اپتيك به منظور استخراج پارامترهاي ساختاري جنگل

LiDAR and optical data capability assessment for plantation structural parameter estimation Assessment of LiDAR and optical data capability in the estimation of structural parameters of plantations

در سال‌هاي اخير پيشرفت تكنولوژي‌هاي سنجش از دور و افزايش تنوع داده‌هاي قابل استفاده موجب شده تا ارزيابي و قابليت‌سنجي داده‌هاي مختلف از اهميت زيادي برخوردار بوده و به همين دليل به عنوان مسأله‌اي كه كمتر در تحقيقات گذشته بدان پرداخته شده است، هدف اصلي اين تحقيق قرار گيرد. در اين تحقيق داده‌هاي مستخرج از تصاوير وردويو-2 و اسپات-5 شامل اطلاعات بافتي اين تصاوير و نيز خصوصيات آماري مستخرج از داده‌هاي ليدار به صورت مستقل براي تخمين پارامترهاي ساختاري جنگل كاج تك‌گونه[1] استفاده گرديد و نتايج حاصل از هر داده با نتايج حاصل از داده‌هاي ديگر مورد مقايسه قرار گرفت. نتايج حاصل از اين تحقيق نشان داد در حالي كه داده‌هاي وردويو-2 براي برآورد تراكم و قطر درختان داراي بهترين عملكرد است، داده‌هاي ليدار براي تخمين ارتفاع ميانگين و حجم درختان مناسب است. در ضمن تفاوت آماري معني‌داري بين داده‌هاي مختلف سنجش ازدور براي برآورد رويه سطح درختان وجود ندارد، همچنين در ميان پارامترهاي ساختاري، در حالي كه ارتفاع ميانگين و قطر درختان با خطايي قابل قبول برآورد شدند، تخمين تراكم، حجم و رويه سطح درختان با دقت كمتري انجام شد.

Remotely sensed data are used to estimate structural parameters in order to reduce the cost and time required for forest inventory. Nowadays, due to the launch of numerous remote sensing systems, a variety of remotely sensed datasets including LiDAR, radar, and optical images are available in different spatial and spectral resolutions. Therefore, it is important to evaluate and compare the performance of these datasets in retrieving structural parameters. Such comparison, however, has rarely been conducted in previous studies. Consequently, this study aims to compare different remotely sensed datasets used for structural parameter estimation. For this purpose, textural information extracted from Worldview-2 (WV-2) and SPOT-5 images and statistical attributes calculated for LiDAR-derived data were individually utilized to model the structural parameters of a Pinus radiata plantation. Comparing the results, while the WV-2 data are suitable to estimate stocking and mean diameter at breast height (DBH), mean height and stand volume were estimated more accurately by LiDAR-derived data. Meanwhile, there was no significant difference among remotely sensed datasets for basal area estimation. Finally, it was shown that the mean height and mean DBH were estimated more accurately than density-related structural parameters comprising of basal area, stand volume and stocking with more than 20% estimation error.