نوع مقاله : مقالة‌ تحقیقی‌ (پژوهشی‌)

نویسندگان

• مسعود طایفی فیجانی ¹
• عباس علیمحمدی سراب ²
• محمد جواد ولدان زوج ²

¹ گروه پژوهشی سیستم‌های فضایی، پژوهشکده فضانوردی، پژوهشگاه هوافضا، تهران، ایران

² دانشکده ژئوماتیک، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران، ایران

چکیده

هدف از این پژوهش دستیابی به مدلی کارآ، ساده و با دقت مناسب برای پایش روند تغییرات تراکمی جنگل‌های هیرکانی است. مبنای نگارگر تاج پوشش جنگل تلفیق شاخص‌های طیفی است. در این پژوهش، به منظور بهبود نتایج، از تلفیق داده‌ها استفاده می‌شود. بدین منظور، با حفظ مشخصههای طیفی و رادیومتریکی، از دو الگوریتم پاسخ طیفی و smoothing filter based intensity modulation به اختصار SFIM استفاده شد. حوزه آبخیز هراز به منظور پیاده‌سازی، و ارزیابی نتایج انتخاب گردید. نقشه مرجع به تفکیک کلاسهای تراکمی تنک، نیمه انبوه، انبوه و فاقد پوشش جنگل، مورد استفاده قرار گرفت. مدل در برآورد تاجپوشش‌های میانی تنک و نیمهانبوه ضعیف بوده و در تشخیصپوشش‌های متراکم و مناطق فاقد تاجپوشش دقت مطلوبی دارد. این نتیجه از تصاویر حاصل از هم‌افزایی باندها نیز احصاء شد. از این‌روی مدل مناسبی برای پایش جنگل‌های هیرکانی است. استفاده از تصاویر با قدرت تفکیک مکانی بالاتر منجر به افزایش دقت مکان‌یابی مدل و بالطبع دقت طبقه‌بندی خواهد شد.

کلیدواژه‌ها

• پاسخ طیفی
• تلفیق داده‌ها
• دقت طبقهبندی
• طبقات تراکمی جنگل
• نگارگر تراکم تاج پوشش جنگل

عنوان مقاله [English]

Improvement of Forest Canopy Density Model Using Remote Sensing Data Integration

نویسندگان [English]

• Masoud Taefi Feijani ¹
• Abbas Alimohammadi Sarab ²
• Mohammad Javad Valadan Zoej ²

¹ Space System Research group, Astronautic Dep. , Aerospace Research Institute, Tehran, Iran

² Faculty of Geodesy and Geomatics, K. N. Toosi University of Technology, Tehran, Iran

چکیده [English]

Forest Canopy Density Mapper is a method based on spectral indexes integration in forest canopy density classification. In this paper, a data integration procedure is used to improve the result. In this respect, SFIM method and spectral response algorithm is utilized without a bad effect on the spectral and radiometric properties of bands. In the following, Landsat images of Hyrcanian forests in the north of Iran were used to implement the conventional and improved methods. Also, the ground measurements including grass-land, thin forest, semi-dense forest and forest is utilized for evaluation. The result shows that the forest canopy density model is inefficient in the thin and semi-dense forests. Alternatively, the results in the dense forest and grass land is reliable. Additionally, the improvement of the proposed method in these two areas is clearly seen. It seems that a high resolution image should be used to improve the accuracy of the forest density classification in the semi-dense and thin forests.

کلیدواژه‌ها [English]

• Spectral response
• Data integration
• classification accuracy
• forest density classes
• forest canopy density mapper