مشخصات پژوهش

عنوان	برآورد محتوای آبی تاج پوشش درختان جنگلی با استفاده از داده های ماهواره ای Sentinel-2 (منطقه مورد مطالعه: جنگلهای بانه)
نوع پژوهش	پایان نامه
کلیدواژه‌ها	محتوی آب تاج پوشش درختی، جنگل‌های زاگرس، شاخص‌های گیاهی، مدل‌سازی ناپارامتری، نرم‌افزار R
چکیده	جنگل های زاگرس با مساحتی حدود پنج میلیون هکتار، وسیع‌ترین و اصلی‌ترین رویشگاه گونه‌های بلوط در ایران هستند. تغیرات اقلیمی و سیاست های مدیریتی ضعیف باعث شده است که تخریب در این جنگل‌ها طی چند دهه اخیر روند افزایشی به خود بگیرید. مشخصه محتوی رطوبتی تاج پوشش (CWC) می‌تواند به عنوان یک عامل موثر، اطلاعات مهمی از رویشگاه ارائه دهد و به مدیران جنگل در اتخاذ تصمیمات بهتر کمک کند. اگرچه روش اندازه گیری مستقیم CWC در سطح تک درخت یا در مساحت های کوچک دقیق ترین روش است، اما در اندازه گیری هایی که نیاز به تکرار در زمان های متفاوت دارند، به ویژه مطالعاتی که در سطح وسیعی از جنگل ها انجام می شوند امکان استفاده از اندازه گیری مستقیم غیرعملی خواهد بود. سنجش از دور می تواند امکان مطالعه و ارزیابی پوشش گیاهی در طیف گسترده ای از مقیاس های مکانی و زمانی را ارائه دهد، به ویژه اینکه در سال های اخیر نیز با پیشرفت های قابل ملاحظه ای از لحاظ تکنولوژیکی همراه بوده است، بنابراین سنجش از دور می تواند پتانسیل بالایی در برآورد محتوی رطوبتی توده های جنگلی داشته باشد. این پژوهش با هدف بررسی کارایی داده های سنتینل 2 در برآورد میزان رطوبت توده های جنگلی در بخشی از جنگل های زاگرس شمالی شهرستان بانه انجام گرفته است. بدین منظور127 قطعه نمونه مربع شکل با ابعاد 30 متر در 30 متر برداشت شد. برگ های تاج درختان در سطح پلات جمع آوری شد. وزن تر و خشک برگ ها (بعد از قرار دادن در آون حرارتی و ازدست دادن رطوبت) محاسبه شد. در هرپلات با استفاده از دوربین چشم ماهی 13 عکس درجهات مختلف و مرکز پلات به منظور برآورد LAI برداشت شد. از اختلاف وزن خشک و تر درختان و برآورد سطح برگ تاج درختان به کمک شاخص LAI میزان CWC برآورد گردید. در این پژوهش، در کنار استفاده از باندهای اصلی از شاخص های گیاهی، تجزیه مولفه اصلی و تبدیل تسلدکپ با هدف برجسته‌سازی اطلاعات طیفی باندها استفاده شد. از رگرسیون خطی چند متغیره و روش های ناپارامتری KNN، SVM و Random Forest به منظور مدل سازی CWC استفاده شد. ارزیابی کارایی مدل هایبرآورد CWC درختان جنگل با استفاده از روش اعتبار سنجی متقابل leave one out انجام شد. نتایج نشان داد که روش Random Forest با R2 برابر 72/0، خطای RMSE برابر 92/8 و RMSE% برابر % 53/9 نسبت به 3 روش دیگر کارایی بالاتری داشته است. باتوجه به نتایج این پژوهش می‌توان نتیجه گرفت که استفاده از داده های سنجنده Sentinel-2 و استفاده از روش Random Forest در برآورد مشخصه CWC قابل توصیه است.
پژوهشگران	مهتاب پیرباوقار (استاد مشاور)، پرویز فاتحی (استاد راهنما)، نسرین سیدی (استاد راهنما)، سوران امینی بانه (دانشجو)