مدلسازی اندوخته کربن روی‌ زمینی جنگل‌های زاگرس با استفاده از داده‌های زمینی و تصاویر ماهواره لندست 8

Abstract

سابقه و هدف: اهمیت اطلاع از اندخته کربن روی زمینی جنگل برای مدیریت جنگل در سطح محلی، مدیریت اراضی در سطوح منطقه‌ای و گزارش انتشار کربن در سطوح ملی و بین‌المللی مهم است. به همین سبب یافتن رو‌ش‌های کم‌هزینه و سریع برای برآورد اندوخته کربن در محدوده‌های وسیع به یک ضرورت تبدیل شده است. بر این اساس، در سال‌های اخیر ارزیابی قابلیت داده‌های منابع مختلف سنجش‌ازدوری در برآورد اندوخته کربن روی زمینی جنگل‌ها مورد بررسی قرار گرفته است. در این تحقیق قابلیت تصاویر ماهواره لندست 8 برای برآورد اندوخته کربن توده‌های شاخه‌زاد بلوط جنگل های زاگرس بررسی گردید. همچنین کارایی چهار روش مدل‌سازی ناپارامتری شامل جنگل تصادفی، شبکه‌های عصبی مصنوعی، کوبیست و رگرسیون اسپلاین تطبیقی چندگانه بررسی شد. مواد و روش‌ها: منطقه مورد مطالعه در بخشی از جنگلهای زاگرس و در استان کرمانشاه در دو منطقه سرفیروزآباد (جنگل شدیداً دست‌خورده) و گهواره (جنگل با حداقل دست‌خوردگی) انجام گرفت. تعداد 124 قطعه نمونه با ابعاد 30×30 متر در یک شبکۀ آماربرداری 200×200 متر در دو منطقه مورد بررسی با استفاده از روش منظم با شروع تصادفی برداشت، و با استفاده از روابط آلومتریک مختص گونه بلوط، مقدار کربن روی زمینی در این نمونه‌ها محاسبه شد. برای مدل‌سازی اندوخته کربن روی زمینی با استفاده از داده-های سنجش‌ازدوری، از متغیرهای مختلف استخراج‌شده از تصاویر لندست 8 مانند مقدارهای‌ باندهای، نسبت‌گیری‌های باندی، شاخص‌های گیاهی، تجزیه مؤلفه‌های اصلی و تبدیل تسلدکپ به‌عنوان متغیر مستقل و مقدارهای محاسبه‌شده اندوخته کربن روی -زمینی در قطعه نمونه‌های برداشت شده به‌عنوان متغیر وابسته استفاده شد. ارزیابی صحت نتایج چهار روش ناپارامتری مدل‌سازی جنگل تصادفی، شبکه‌های عصبی مصنوعی، کوبیست و رگرسیون اسپلاین تطبیقی چندگانه مورد استفاده در این پژوهش با استفاده از اعتبارسنجی متقابل و به روش Leave-one-out صورت گرفته و از معیارهای ارزیابی ضریب تبیین، ریشه میانگین مربعات خطا و اریبی استفاده شد. یافته‌ها: نتایج نشان داد دقت برآورد اندوخته کربن در منطقه کمتر دستخورده بیشتر از منطقه دست‌خورده است. مقایسه نتایج روش‌های مدل‌سازی مورد استفاده در این مطالعه نشان داد که اختلاف قابل ‌توجهی در بین نتایج روش‌های به‌ کار گرفته شده وجود ندارد و استفاده از روش‌های مختلف تاثیر چندانی در بهبود نتایج نداشت. علاوه‌براین، استفاده از کل نمونه‌های در یک مدل بدون تفکیک نمونه‌ها براساس منطقه مورد مطالعه سبب افزایش صحت برآوردها در منطقه دست‌خورده شد. نتیجه‌گیری کلی: نتایج برآوردها با ضریب تبیین بیشتر از 7/0 و درصد ریشه میانگین مربعات خطا نزدیک به 32% در مجموع هر دو منطقه مورد بررسی، بیانگر توانایی نسبتا مناسب تصاویر لندست 8 و روش‌های ناپارامتری در کمی کردن اندوخته کربن در جنگل‌های زاگرس با صرفه‌جویی در وقت و هزینه است.

Keywords

• جنگل تصادفی
• رگرسیون اسپلاین تطبیقی چندمتغیره
• سنجش‌ازدور
• شبکه‌های عصبی مصنوعی
• کوبیست