مهتاب پیرباوقار

برآورد دقیق ویژگی‌های ساختاری جنگل، از جمله تعداد درختان و سطح مقطع در هکتار، نقش مهمی در برنامه‌ریزی، مدیریت و پایش بوم سازگان‌های جنگلی دارد. هدف این پژوهش، ارزیابی کارایی روش‌های سنجش از دور و زمین‌آمار در برآورد نمایه‌های ساختاری جنگل آرمرده شهرستان بانه است. بدین منظور، تعداد 76 قطعه نمونه مربعی 900 متر مربعی (با ابعاد 30 متر در 30 متر) به روش تصادفی سیستماتیک در منطقه‌ای به مساحت 1864 هکتار برداشت شد و در هر قطعه نمونه، قطر برابر سینه تمامی درختان با قطر مساوی و بیش از 5 سانتی‌متر اندازه‌گیری گردید. سپس نمایه‌های تعداد درخت و سطح مقطع در هکتار محاسبه شد. به‌منظور برآورد این نمایه‌ها، از تصاویر ماهواره‌ای Landsat 9 و شاخص‌های طیفی مختلف شامل NDVI، EVI، SAVI، ARVI، GARI، NDWI و سایر شاخص‌های پوشش گیاهی استفاده شد. همچنین، تحلیل ساختار مکانی داده‌ها با استفاده از مدل‌سازی واریوگرام و روش زمین‌آماری کریجینگ معمولی انجام گرفت. نتایج نشان داد که شاخص‌های طیفی ترکیبی نسبت به باندهای منفرد، ارتباط قوی‌تری با نمایه‌های ساختاری بررسی‌شده دارند. در میان شاخص‌های مورد بررسی، شاخص EVI بیشترین همبستگی را با تعداد درختان در هکتار (622/0) و شاخص ARVI بیشترین همبستگی را با سطح مقطع در هکتار (768/0) نشان دادند. مدل رگرسیونی مبتنی بر EVI توانست 39 درصد از تغییرات تعداد درختان را تبیین کند، در حالی که مدل مبتنی بر ARVI حدود 59 درصد از تغییرات سطح مقطع را توضیح داد. نتایج اعتبارسنجی نیز نشان داد که دقت مدل‌های سنجش از دور در محدوده متوسط تا قابل‌قبول قرار دارد و این مدل‌ها می‌توانند در پایش‌های منطقه‌ای و برنامه‌ریزی‌های کلان جنگل‌داری مورد استفاده قرار گیرند. در تحلیل زمین‌آماری، وجود ساختار مکانی متوسط و همسانگرد برای هر دو نمایه تأیید و مدل گوسین به‌عنوان مناسب‌ترین مدل سمی‌واریوگرام انتخاب شد. با این حال، نتایج اعتبارسنجی روش کریجینگ معمولی نشان داد که دقت پهنه‌بندی مکانی پایین بوده و خطای نسبی برآوردها حدود 55 درصد است. به‌طور کلی، نتایج این پژوهش نشان داد که استفاده از سنجش‌از دور و شاخص‌های طیفی اصلاح‌شده، به‌ویژه EVI و ARVI به‌عنوان متغیرهای پیش‌بینی‌کننده توانایی مناسبتری در مقایسه با روش زمین‌آماری کریجینگ معمولی در برآورد نمایه‌های تراکم درختان و سطح مقطع جنگل‌های شاخه‌زاد بررسی شده دارند. به‌منظور افزایش دقت برآوردها، استفاده از داده‌های سنجش از دور با قدرت تفکیک بالاتر و روش‌های پیشرفته مدل‌سازی پیشنهاد می‌شود.