تخمین میانگین سن و ارتفاع درختان با استفاده از ترکیب تصاویر چندطیفی و پانکروماتیک اسپات-5

نوع مقاله: مقاله پژوهشی

نویسندگان

1 استادیار سنجش‌ازدور، دانشگاه تربیت مدرس، تهران، ایران

2 دانش‌آموختة کارشناسی‌ارشد سنجش‌ازدور و سیستم اطّلاعات جغرافیایی، دانشگاه تربیت مدرس، تهران، ایران

چکیده

تخمین پارامترهای ساختاری جنگل­ها با استفاده از داده­های ماهواره­ای، اهمّیّت فراوانی در مدیریت پایدار و مؤثّر آن­ها دارد. هدف از این پژوهش، استفاده از روش­های ترکیب تصاویر در سطح پیکسل به­منظور بهبود تخمین میانگین سن و ارتفاع درختان (گونةکاج مونتری) است. اطّلاعات سن و ارتفاع درختان در قالب 61 پلات از جنگل دست­کاشت کاج برداشت شد و عملکرد سه روش ترکیب تصاویر در سطح پیکسل، شامل تبدیل مؤلّفه­های اصلی، تبدیل موجکو تبدیل مؤلّفه­های اصلی مبتنی بر تبدیل موجک به­منظور بررسی بهبود تخمین میانگین سن و ارتفاع درختان با استفاده از تصاویر اسپات-5 مورد مقایسه قرار گرفت. از هریک از تصاویر حاصل از ترکیب، اطّلاعات طیفی و بافتی استخراج شد. برای استخراج اطّلاعات طیفی، از شاخص­های گیاهی و باندهای انعکاسی و برای استخراج اطّلاعات بافتی، از ماتریس وقوع توأم گام­های خاکستریدر چهار اندازه پنجره و چهار زاویة مختلف استفاده شد. مقایسة عملکرد مدل­های حاصل از اطّلاعات بافتی مستخرج از تصویر پانکروماتیک اسپات-5 و اطّلاعات بافتی حاصل از سه روش ترکیب تصاویر مورد استفاده در این پژوهش نشان داد: تخمین­های حاصل از اطّلاعات بافتی مستخرج از تصاویر ترکیب­شده دارای دقّت بیشتری هستند؛ همچنین، نتایج مدل­سازی با استفاده از روش رگرسیون چندمتغیّره نشان داد که روش تبدیل مؤلّفه­های اصلی مبتنی بر تبدیل موجک با درصد خطای 16% برای سن درختان و 11% برای ارتفاع درختان، عملکرد بهتری نسبت به دو روش دیگر در تخمین میانگین سن و ارتفاع درختان دارد.

 

کلیدواژه‌ها


شمس­الدّینی، علی (1385) ارزیابی تأثیر اختلاف قدرت تفکیک مکانی تصاویر پانکروماتیک و چندطیفی بر کیفیت تصاویر ترکیب­شده،استاد راهنما: علیمحمدی، عباس، مقطع کارشناسی ارشد، رشتة سنجش‌ازدور و سیستم اطّلاعات جغرافیایی، دانشگاه تربیت مدرّس.

صمدزادگان، فرهاد؛ طبیب محمودی، فاطمه؛ بیگدلی، بهناز (1394) ادغام داده­ها در سنجش‌ازدور مفاهیم و روش­ها، چاپ دوّم، انتشارات دانشگاه تهران، تهران.

علیمحمدی، عباس؛ شمس­الدّینی، علی؛ ضیائیان فیروزآبادی، پرویز (1387) مقایسة عملکرد طیفی و مکانی روش­های ترکیب تصاویر در اختلاف قدرت تفکیک­های مختلف تصاویر چندطیفی و پانکروماتیک: تهران، برنامه­ریزی و آمایش فضا، 12 (57)، صص. 137-119.‎

Amolins, K., Zhang, Y., Dare, P. (2007) Wavelet Based Image Fusion Techniques—an Introduction, Review and Comparison, ISPRS Journal of Photogrammetry and Remote Sensing, 62 (4), pp. 249-263.

Clark, B., Suomalainen, J., Pellikka, P. (2010( A Comparison of Methods for the Retrieval of Surface Reflectance Factor from Multitemporal SPOT HRV, HRVIR, and HRG Multispectral Satellite Imagery, Canadian Journal of Remote Sensing, 36 (4), pp. 397-411.

Dube, T., Mutanga, O., Abdel-Rahman, E. M., Ismail, R., Slotow, R. (2015) Predicting Eucalyptus spp. Stand Volume in Zululand, South Africa: an Analysis Using a Stochastic Gradient Boosting Regression Ensemble with Multi-Source Data Sets, International Journal of Remote Sensing, 36 (14), pp. 3751-3772.

Gates, D. M.) 1990) Climate Change and the Response of Forests, International Journal of Remote Sensing, 11 (7), pp. 1095-1107.

González-Audícana, M., Saleta, J. L., Catalán, R. G., García, R. (2004) Fusion of Multispectral and Panchromatic Images Using Improved IHS and PCA Mergers Based on Wavelet Decomposition, IEEETransactions on Geoscience and Remote sensing, 42 (6), pp. 1291-1299.

Holmgren, P., Thuresson, T. (1998) Satellite Remote Sensing for Forestry Planning-a Review, Scandinavian Journal of Forest Research, 13 (1-4), pp. 90-110.

Hyyppä, J., Hyyppä, H., Inkinen, M., Engdahl, M., Linko, S., Zhu, Y. H. (2000) Accuracy Comparison of Various Remote Sensing Data Sources in the Retrieval of Forest Stand Attributes, Forest Ecology and Management, 128 (1), pp. 109-120.

Kayitakire, F., Hamel, C., Defourny, P. (2006) Retrieving Forest Structure Variables Based on Image Texture Analysis and IKONOS-2 Imagery, Remote Sensing of Environment, 102 (3), pp. 390-401.

Liu, W. Y., He, G. J. (2008) Comparison of Fusion Algorithms for ALOS Panchromatic and Multi-Spectral Images, IEEE Fifth International Conference on Fuzzy Systems and Knowledge Discovery,4, pp. 503-509.

Metwalli, M. R., Nasr, A. H., Allah, O. S. F., El-Rabaie, S. (2009) Image Fusion Based on Principal Component Analysis and High-Pass Filter, IEEE International Conference on Computer Engineering & Systems, pp. 63-70.

Ozdemir, I. )2008( Estimating Stem Volume by Tree Crown Area and Tree Shadow Area Extracted from Pan‐Sharpened Quickbird Imagery in Open Crimean Juniper Forests, International Journal of Remote Sensing, 29 (19), pp. 5643-5655.

Pohl, C., Van Genderen, J. L. (1998) Review Article Multisensor Image Fusion in Remote Sensing: Concepts, Methods and Applications, International journal of remote sensing, 19 (5), pp. 823-854.

Schowengerdt, R. A. (2006) Remote Sensing: Models and Methods for Image Processing, Academic press, Sandiego.

Shamsoddini, A., Trinder, J. C., Turner, R. (2013 A) Pine Plantation Structure Mapping Using WorldView-2 Multispectral Image, International Journal of Remote Sensing, 34 (11), pp. 3986-4007.

Shamsoddini, A., Trinder, J. C., Turner, R. (2013 B) Non-Linear Methods for Inferring Lidar Metrics Using SPOT-5 Textural Data, ISPRSAnnals of Photogrammetry, Remote Sensing and Spatial Information Sciences, II-5/w2, pp. 259-264.

Tseng, D. C., Chen, Y. L., Liu, M. S. C. (2001) Wavelet-Based Multispectral Image Fusion, IEEE International Geoscience and Remote Sensing Symposium, 4, pp. 1956-1958.

Vermote, E. F., Tanre, D., Deuze, J. L., Herman, M., Morcette, J. J. (1997) Second Simulation of the Satellite Signal in the Solar Spectrum, 6S: an overview, IEEETransactions on Geoscience and Remote Sensing, 35 (3), pp. 675-686.

Wulder, M. (1998) Optical Remote-Sensing Techniques for the Assessment of Forest Inventory and Biophysical Parameters, Progress in Physical Geography, 22 (4), pp. 449-476.

Wunderle, A. L., Franklin, S. E., Guo, X. (2009) Age Class Estimation of Western Red Cedar Using SPOT-5 Pan-Sharpened Imagery in British Columbia, Canada, Geocarto International, 24 (1), pp. 47-63.

Yang, S., Wang, M., Jiao, L. (2012) Fusion of Multispectral and Panchromatic Images Based on Support Value Transform and Adaptive Principal Component Analysis, Information Fusion, 13 (3), pp. 177-184.

Yuhendra, Alimuddin, I., Sumantyo, J. T. S., Kuze, H. (2012) Assessment of Pan-Sharpening Methods Applied to Image Fusion of Remotely Sensed Multi-Band Data, International Journal of Applied Earth Observation and Geoinformation, 18, pp. 165-175.

Zhang, B. (2010) Study on Image Fusion Based on Different Fusion Rules of Wavelet Transform, IEEE 3rd International Conference on Advanced Computer Theory and Engineering, 3, pp. 649-653.