منوچهر نمیرانیان

گونه بَرودْار[1] (بلوط ایرانی) گونه درختی غالب جنگل های استان لرستان است، مردم این منطقه از دیرباز از این گونه در موارد گوناگون استفاده نموده اند. این استفاده ها درگذر زمان منجر به ایجاد وابستگی و ارتباطی عمیق بین مردمان این منطقه و این گونه جنگلی شده است. ارتباطی که غالباً بر پایه تجربه بوده و تا اندازه زیادی کاربردی است و از گذشته تا به امروز پاسخگوی نیازهای این جوامع در اغلب جنبه های زندگی بوده است. این پژوهش استفاده های ملموس امروزی مردم محلی از گونه بَرودْار را در روستای چشمه علی از توابع دهستان کاکاشرف شهرستان خرم آباد در استان لرستان نشان داده است. روش پژوهش مردم نگاری بوده و از ابزارهای مصاحبه ساختار نیافته، نیمه ساختاریافته و مشاهده مشارکتی استفاده شده است. همچنین برای اندازه گیری مقادیر کمّی در ارتباط با ابعاد برخی دست ساخته های چوبی از متر و نوار قطرسنج بهره گرفته شده است. جامعه تحقیق نیز عشایر و روستاییان ایل پاپی، طایفه مدهنی و تیره عین شاه بوده که معیشت آن ها از طریق دامداری و کشاورزی می گذرد. نتایج به دست آمده از استفاده ها در 7 طبقه: غذایی، ساختمانی، دارویی، صنایع دستی، دامداری، سوخت و کشاورزی دسته بندی شده است. در هر طبقه استفاده های گوناگونی وجود دارد که از بذر، برگ و چوب درختان بلوط به دست می آیند. تنوع و اهمیت محصولات تولیدی از میوه بیشتر از چوب است. در برخی طبقات استفاده های امروزی نسبت به گذشته کاهش یافته است و در برخی طبقات چون دامداری و سوخت وابستگی و ارتباط با این گونه بیشتر است

اندازه گیری موجودی سرپای جنگل یکی از متغیرهای کمّی مهم است که نقش بسیاری در برنامه ریزی و مدیریت جنگل دارد. در این تحقیق، تلاش شد تا این ویژگی در بخشی از جنگل های کوهستانی شمال ایران (نوشهر)، بااستفاده از داده های لیدار فضایی برآورد شود. بدین منظور، طی پیش پردازش های اولیه روی داده های ICESat/GLAS از دو مأموریت متفاوت (L3K و L3I)، ضمن حذف داده های نامطلوب، سنجه های گوناگونی همچون گستره شکل موج (W ext )، گستره لبه پیشتاز (H lead )، گستره لبه پشتی (H trail ) و سنجه های ارتفاع در چارک های انرژی ( 25 H، 50 H، 75 H و 100 H) از شکل موج ها (waveform) استخراج شد. همچنین، با استفاده از روش تحلیل مؤلفه های اصلی (PCA) روی شدت سیگنال های شکل موج، ضمن حذف نویزها و فشرده سازی اطلاعات، مؤلفه های جدیدی تولید و به کار گرفته شد. با توجه به کوهستانی و شیب دار بودن منطقه و تأثیر آن در ویژگی های شکل موج، از مدل رقومی ارتفاع برای استخراج شاخص زمینی (TI) که بیانگر اطلاعات مربوط به توپوگرافی زمین است، استفاده شد. به منظور توسعه مدل های رگرسیونی و اعتبارسنجی آنها، حجم سرپا در 60 قطعه نمونه زمینی به قطر هفتاد متر اندازه گیری شد. سپس مدل های رگرسیون چندگانه و شبکه عصبی مصنوعی براساس دو دسته متغیر شامل سنجه های استخراج شده از شکل موج و مؤلفه های حاصل از PCA برای برآورد حجم سرپا توسعه داده شدند و به روش اعتبارسنجی متقابل پنج گردشی ارزیابی شدند. به طورکلی، هر دو روش رگرسیون چندگانه و شبکه عصبی مصنوعی نتایج تقریباً مشابهی داشتند. در این میان، روش شبکه عصبی مصنوعی براساس مؤلفه های حاصل از PCA قادر بود موجودی سرپای جنگل را با m 3 /ha9/119=RMSE و 73/0= برآورد کند (6/26=RMSE%). یکی از نکات مثبت این مدل درمقایسه با دیگر مدل ها، وابسته نبودن متغیرهای ورودی به کاررفته ( 1 PC، 2 PC، 3 PC و W ext )، به شناسایی صحیح قله زمین است که در مناطق شیب دار مشکل و با خطا همراه است. نیاز نداشتن به داده کمکی (مدل رقومی ارتفاع) و برآورد صحیح تر حجم جنگل در قطعه نمونه های تنک با موجودی سرپای کم از دیگر نکات مثبت این مدل است.

برآورد میزان زیست توده در توده های جنگلی با روش های سنجش از دوری اهمیت بسیاری دارد. هم زمان نبودن دریافت داده های ماهواره ای و اطلاعات میدانی و کاربرد معادلات آلومتریک جهانی، برای محاسبه وزن زیست توده درختان جنگلی داخل کشور، از مهم ترین دلایل عدم قطعیت در نتایج و تحلیل های حاصل از مطالعات مشابه قبلی به شمار می روند. به حداقل رساندن این مشکلات و بررسی قابلیت و عملکرد داده ها در توسعه مدل مناسب برآورد زیست توده جنگل، در منطقه بانکول بخش کارزان شهرستان سیروان، استان ایلام، با استفاده از داده های راداری ماهواره سنتینل 1، اخذشده در تاریخ 6 تیرماه 1396، هدف این تحقیق بود. اندازه قطر میانگین تاج پوشش درختان در 53 قطعه نمونه زمینی مربعی، مربوط به فرم رویشی شاخه زاد، به ابعاد 30×30 متر که در بازه زمانی 2 تا 20 خرداد 1396، به کمک دستگاه موقعیت یاب جهانی تفاضلی و به روش تعیین موقعیت کینماتیک آنی روی زمین اجرا و برداشت شدند، وارد روند برآورد زیست توده شد. میانگین زیست توده برداشت شده میدانی 10.63 تن درهکتار بود. پس از استخراج ویژگی های راداری، آن دسته از ویژگی ها که بیشترین میزان همبستگی را با مقادیر زیست توده داشتند انتخاب و از بین آنها، با به کارگیری الگوریتم ژنتیک و با استفاده از دو مدل رگرسیون K نزدیک ترین همسایه و رگرسیون بردار پشتیبان، مناسب ترین ترکیب ویژگی ها شناسایی و سپس، مقادیر زیست توده مدل سازی شد. اعتبارسنجی مدل ها با استفاده از 26 قطعه نمونه تست، انجام گرفت. همبستگی بین ویژگی های حاصل از داده های راداری و مقادیر زیست توده نشان داد که ویژگی های VH، Mean VV، Mean VV GLCM (Correlation) و Mean VH GLCM (Dissimilarity) بیشترین حساسیت را به مقادیر زیست توده داشتند. استفاده از مدل های رگرسیون نشان داد که روش رگرسیون بردار پشتیبان، با RMSE نسبی 0.08، از روش رگرسیون K نزدیک ترین همسایه، با RMSE نسبی 0.10، دقیق تر عمل کرده است. از بین ترکیب های ویژگی مورد بررسی نیز، بهترین ترکیب در حالت استفاده از رگرسیون K نزدیک ترین همسایه، دارای RMSE به میزان تقریبی 0.99 تن درهکتار (معادل10%) و ضریب تعیین 0.23 و در حالت استفاده از رگرسیون بردار پشتیبان، دارای RMSE به میزان 0.87 تن درهکتار (معادل 8%) و ضریب تعیین 0.14 بود. مدل های نهایی حاصل از ترکیب ویژگی های بهینه استخراج شده از داده راداری در طول موج باند C و روش های رگرسیونی پارامتری و غیرپارامتری مورد بررسی در این تحقیق به تنهایی قادر به بهبود اثر اشباع شدگی در داده، برای برآورد زیست توده در جنگل های مورد مطالعه، نبودند و منجر به پیشنهاد مدل برآوردکننده ای با صحت قابل قبول نشد.