ارزیابی حساسیت شاخص‌های طیفی گیاهی با استفاده از تابع حساسیت در برآورد حجم سرپای توده‌های جنگلی

Abstract

یکی از مشکلات مهم بوم‌شناسان شناسایی بهترین شاخص‌ها جهت استفاده در تجزیه و تحلیل‌های کمی جنگل و پوشش‌های گیاهی می‌باشد. هدف از این تحقیق ارزیابی حساسیت شاخص‌های طیفی گیاهی نسبت به مشخصه حجم سرپا، جهت انتخاب بهترین شاخص طیفی گیاهی برای تهیه مدل حجم سرپا و مقایسه آن با مدل حاصل شده از روش رگرسیون بهترین زیر‌مجموعه می‌باشد. همچنین حساسیت این شاخص‌ها نسبت به یکدیگر با استفاده از تابع حساسیت نسبی ارزیابی شد. در این مطالعه 99 قطعه نمونه 36/0 هکتاری به ابعاد 60×60 متر به روش خوشه‌ای پیاده و اطلاعات قطر، نوع گونه و ارتفاع درختان شاهد و موقعیت مراکز قطعات نمونه برداشت شد. شاخص‌های طیفی گیاهی مورد تحقیق نیز از داده‌های سنجنده ETM+ ایجاد گردیدند. به‌منظور بررسی همبستگی بین مشخصه‌های طیفی و حجم، میانگین ارزش‌های رقومی (DN) قطعات نمونه برداشت شده زمینی، از 5 شاخص استخراج و در فرآیند مدل‌سازی به‌کار گرفته شدند. همچنین، جهت ارزیابی حساسیت شاخص‌ها از تابع حساسیت استفاده شد. نتایج حاصل از تحلیل حساسیت نشان داد که مجموعه شاخص‌های ‌NDWI و Greenness در کل محدوده حجم سرپا، به‌ترتیب دارای حساسیت بیشتری در مقایسه با شاخص‌های DVI، RAI و GEMI نسبت به حجم سرپا در منطقه مورد مطالعه می‌باشند. در نتیجه این دو شاخص جهت تهیه برآورد مدل حجم سرپا با استفاده داده‌های ماهواره‌ای مورد استفاده قرار گرفتند. با استفاده از روش بهترین زیر مجموعه دو شاخص‌ DVI و NDWI به‌عنوان بهترین مجموعه شاخص‌ها در برآورد حجم سرپا معرفی شدند. نتایج حاصل از تحلیل رگرسیون نشان داد که که مجموعه شاخص‌های ‌NDWI و Greenness با ضریب تبیین اصلاح‌شده 4/55 درصد نسبت به دو شاخص DVI و NDWI با ضریب تبیین اصلاح شده 5/43 درصد بهتر توانسته‌اند حجم سرپا را برآورد نمایند. این نکته بیان‌گر این مطلب است که شاخص‌های طیفی گیاهی انتخاب شده با استفاده از تابع حساسیت نسبت به روش رگرسیونی بهترین زیرمجموعه، بهتر توانسته‌اند حجم سرپا را برآورد نمایند که افزایش 12 درصدی ضریب تبیین اصلاح‌شده بیانگر همین مطلب می‌باشد. به‌طورکلی تابع حساسیت به‌دلیل بیان تغییرات در کل دامنه مشخصه‌های کمی، وابسته نبودن به واحد و شدت شاخص‌های طیفی گیاهی و انجام آزمون معنی‌دار بودن از تابع‌های مناسب برای ارزیابی حساسیت شاخص‌ها و انتخاب بهترین شاخص‌ها در تجزیه و تحلیل‌های کمی جنگل و پوشش‌های گیاهی بسیار مفید می‌باشد.