1کارشناس ارشد جنگلداری، دانشکده منابعطبیعی، دانشگاه تهران
2دانشیار، دانشکده منابعطبیعی، دانشگاه تهران
چکیده
هدف از این تحقیق، ارزیابی مدل FCD (تراکم پوشش جنگلی) برای برآورد تراکم جنگلهای شمال با استفاده از دادههای ماهوارهای لندست 7 است. این مدل که برای جنگلهای حارهای آسیای جنوب شرقی توسعه یافتهاست میتوان یک مدل semi expert دانست که برای برآورد تراکم پوششجنگلی به نمونههای تعلیمی نیاز ندارد. در این بررسی، تصاویر سنجنده ETM+ مربوط به تاریخ 27 تیرماه 1379 از منطقه جنگلی جنوب شهرستان چالوس واقع در استان مازندران، مورد تجزیه و تحلیل قرار گرفت. برای اجرای مدل، پس از انجام پردازشهای اولیه مورد نیاز بر روی تصویر ماهوارهای، چهار شاخص اولیه مورد نیاز در روند اجرای مدل FCD (شاخص گیاهی، شاخص خاک بدون پوشش، شاخص سایه و شاخص حرارتی)، محاسبه شد. سپس شاخص تراکم گیاهی و شاخص سایه پیشرفته محاسبه گردید و در نهایت نقشه تراکم جنگل براساس مدل FCD بهدست آمد. نقشه تراکم جنگل حاصل، براساس طبقات ارائه شده از سوی شورای عالی جنگل، مرتع و خاک سازمان جنگلها، مراتع و آبخیزداری کشور (7 طبقه) و نیز یک طبقهبندی دیگر (5 طبقه)، طبقهبندی گردید. بهمنظور برآورد صحت نقشه تراکم جنگل طبقهبندی شده، یک نقشه واقعیت زمینی بهصورت صددرصد از روی عکسهوایی منطقه با مقیاس 1:10000 مربوط به تاریخ مردادماه 1378، تهیه شد. به این منظور ابتدا عکسهای هوایی، رقومی و تصحیح هندسی شدند و موزاییکی از آنها تهیه شد. سپس واقعیت زمینی بهروش تلفیقی و ضمن استفاده از استریوسکوپ تهیه و طبقهبندی شد. بیشترین میزان صحت کلی و ضریب کاپا در مطالعه حاضر، مربوط به طبقهبندی در پنج طبقه و بهترتیب معادل 61% و 38% محاسبه گردید. میزان صحت کلی و ضریب کاپا در طبقهبندی در7 طبقه، بهدلیل تداخل طیفی میان طبقات تراکمی پایینتر، کمتر بودهاست. بیشترین میزان صحت کاربر و صحت تولیدکننده در طبقهبندی در 7 طبقه، مربوط به طبقه جنگل بسیار انبوه (تاجپوشش بیش از 75 درصد) میباشد و بهترتیب برابر با 90% و76% است. پایینترین میزان صحت کاربر و تولیدکننده نیز به طبقه اراضی جنگلی (تاج پوشش بین 1 تا 5 درصد) مربوط میشود و بهترتیب برابر با 11 و 8 درصد میباشد. از این رو میتوان نتیجه گرفت که در چنین جنگلهایی، کارایی مدل در تفکیک جنگل بسیار انبوه، نسبتاً مناسب است، درحالیکه مدل در تفکیک طبقات با تراکم پایینتر، دقیق عمل نمیکند.
Evaluation of FCD Model for estimation of forest density using Landsat 7 imagery (Case study: Chalus Forest)
نویسندگان [English]
Sayyed Maram Moeinazad Tehrani1؛ Ali Asghar Darvishsefat2؛ Manoochehr Namiraniyan2
1Ms.c. Forest Management. Faculty of Natural Resource, University of Tehran
2Assoc. Prof., Faculty of Natural Resources, University of Tehran
چکیده [English]
. 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.