امکان سنجی خودکارسازی تعیین تغییرات مناطق جنگلی با استفاده از تصاویر ماهواره ای (مطالعه موردی: منطقه حفاظت شده البرز مرکزی)
آرشیو
چکیده
سابقه و هدفجنگل زدایی یکی از بزرگ ترین چالش های جهانی محیط زیست است، زیرا جنگل ها یکی از مهم ترین اجزای بوم سازگان های جهان هستند و نقش کلیدی در تعدیل اقلیم و تنظیم چرخه های مختلف بیوشیمیایی دارند. جنگل های شمال ایران یکی از باارزش ترین اکوسیستم های جنگلی ایران به شمار می روند و ازنظر تنوع گونه های گیاهی جزو جنگل های غنی محسوب می شوند. بنابراین، تشخیص تغییرات سطوح در جنگل ها با کمک داده های چندزمانی به ما این امکان را می دهد که با شناسایی خودکار این تغییرات از تخریب بیشتر جلوگیری نماییم. هدف اصلی این تحقیق شناسایی آستانه ها و اعمال آن ها بر روی تصاویر شاخص تفاوت گیاهی نرمال شده (NDVI) در سنجنده مودیس و پایش خودکار مناطق جنگلی است.مواد و روش هااین تحقیق در منطقه حفاظت شده البرز مرکزی با وسعت بیش از ۳۹۸ هزار هکتار و پوشش گیاهی بسیار غنی با بیش از ۱۱۰۰ گونه گیاهی انجام شد. در این تحقیق محصول MOD13Q1 سنجنده مودیس و شاخص NDVI با وضوح مکانی ۲۵۰ متر و وضوح زمانی ۱۶ روز و همچنین تصاویر محصول MCD12C1 سنجنده مودیس با تفکیک مکانی 5600 متر و تفکیک زمانی یک ساله در سه لایه با طرح های طبقه بندی برنامه بین المللی ژئوسفر – بیوسفر (IGBP)، دانشگاه مریلند (UMD) و طرح مشتق شده مودیس (LAI) استفاده شد. تصاویر NDVI ۱۶ روزه با الگوریتم حداکثر مقدار به تصاویر ماهانه تبدیل شدند و الگوریتم PCA با ۲۵ مؤلفه برای حذف خطا ها بر روی آن ها اعمال شد. با استفاده از سامانه گوگل ارث، ۵ چندضلعی تصادفی در مناطق جنگلی بکر انتخاب شد تا مقدار پیکسل ها تخمین زده شده و درنهایت آستانه تعیین شود. همگنی پوشش گیاهی با استفاده از MCD12C1 موردبررسی قرار گرفت. آستانه جنگل با محاسبه میانگین و انحراف معیار مناطق نمونه، طی یک دوره ۱۶ ساله تعیین شد. درنهایت، تغییرات با اعمال آستانه بر روی تصاویر سال های ۲۰۰۱ و ۲۰۱۶ و اعمال عملیات بولین با عملگرهای and و or روی آن ها شناسایی شد. سپس با استفاده از سامانه گوگل ارث اعتبار سنجی این نقاط انجام شد.نتایج و یافته هابا اعمال PCA روی تصاویر به همراه حفظ اطلاعات اصلی، میزان خطا تا حد مطلوب کاهش یافت. نتایج بررسی همگنی پوشش گیاهی در ۵ منطقه نمونه نشان داد که در سه لایه طبقه بندی، همگن بوده و از طبقه جنگل های پهن برگ خزان کننده هستند. نتایج محاسبات انحراف معیار و میانگین ماهانه ارزش جنگل حاکی از آن است که ماه های جون، جولای و اوت (۱۱ خرداد الی ۹ شهریور) برای بررسی تغییرات پوشش جنگلی منطقه مورد مطالعه مناسب هستند. آستانه برای این ماه ها به ترتیب برابر با 55/8596، ۸۰۰۰ و 51/8497 به دست آمد. با اعمال آستانه ها بر روی تصاویر در این سه ماه در سال های ۲۰۰۱ و ۲۰۱۶ و کسر این تصاویر از یکدیگر، پیکسل هایی که ارزش جنگلی خود را ازدست داده بودند، مشخص شدند. درنهایت، پس از انجام عملیات بولین ، ۲۰۰ پیکسل با مساحت تقریبی ۲۳/۱۷۲۸ هکتار به عنوان نقاط تغییریافته با کاهش پوشش جنگلی شناسایی شد. پس از بررسی، دقت کلی برای نقاط تعیین شده برابر با 5/88 درصد بود. بنابراین با اعمال آستانه های تعیین شده، امکان تشخیص خودکار تغییرات در عرصه های پوشش جنگلی به صورت به روز و مستمر فراهم است.نتیجه گیریبه طورکلی منطقه حفاظت شده البرز مرکزی یکی از مراکز مهم جنگلی کشور است و بر اساس نتایج به دست آمده طی 16 سال به دلایل مختلف، مقدار قابل توجهی از جنگل ها دچار تخریب شده یا ازدست رفته است. همچنین نتایج این تحقیق حاکی از اهمیت استفاده از روش های خودکار در شناسایی تغییرات پوشش جنگلی با اعمال آستانه های معین بر روی تصاویر شاخص NDVI سنجنده مودیس در سنجش ازدور است.Feasibility of automating the determination of changes in forest areas using satellite images (Case Study: Central Alborz protected area)
Objective and BackgroundDeforestation is one of the biggest global environmental challenges because forests are one of the most important components of the world's ecosystem and play a key role in adjusting the climate and regulating various biochemical cycles. The forests of northern Iran are considered one of the most valuable forest ecosystems in Iran, and they are among the rich forests in terms of the diversity of plant species. Therefore, detecting changes with the help of multi-temporal data in forest levels allows us to prevent further destruction by automatically identifying these changes. The main goal of this research is to identify the thresholds and apply them to the NDVI vegetation index images in MODIS sensors and automatic monitoring of forest areas.Materials and MethodsThis research was conducted in the Central Alborz protected area with an area of more than 398 thousand hectares and very rich vegetation with more than 1100 plant species. In this research, the MOD13Q1 product of the MODIS sensor and the normalized vegetation difference index (NDVI) with a spatial resolution of 250 meters and a temporal resolution of 16 days, as well as The MCD12C1 product images of the MODIS sensor with a spatial resolution of 5600 m and a temporal resolution of one year were used in three layers with the classification schemes of the International Geosphere-Biosphere Program (IGBP), University of Maryland (UMD) and the Modis Derived Scheme (LAI). The 16-day NDVI images were converted to monthly images with the maximum value algorithm and the PCA algorithm with 25 components was applied to them to eliminate errors and noise. Using the Google Earth system, 5 random polygons were selected on virgin forest areas, in order to estimate the value of the pixels and finally determine the thresholds. Vegetation homogeneity was checked using MCD12C1 images. Forest thresholds were determined by calculating the mean and standard deviation of the sample areas during 16 years. Finally, the changes were detected by applying a threshold on the images of 2001 and 2016 and applying Boolean operations with the bolean operators on them. Then, using the Google Earth system, these points were validated.Results By applying PCA to the images, the amount of noise was reduced to the optimal level while maintaining the original information of the images. The results of investigating the homogeneity of the vegetation in 5 sample areas showed that they are homogeneous in three levels and are deciduous broadleaf forests The results obtained from calculating the standard deviation and monthly average of forest values indicate that the months of June, July, and August are most suitable for assessing changes in the forest cover within the study area. The threshold for these months was obtained as 8596.55, 8000 and 8497.51 respectively. By applying these thresholds to the images captured in these three months in 2001 and 2016, and then subtracting the images from each other, the pixels that experienced a decrease in forest value were identified. Finally, after performing the Boolean operation, 200 pixels with an approximate area of 1728.23 hectares were identified as changed points with a decrease in forest cover. Upon cheching, the overall accuracy for the determined points was found to be 88.5%. Hence, the application of these thresholds enables the automatic detection of changes in forest cover areas in an up-to-date and continuous manner.ConclusionsIn general, the Central Alborz protected area is one of the important forest centers of the country, and according to the results, we have lost a significant number of forests during the 16 years due to various reasons. Also, the results of this research indicate the importance of using automation methods in identifying forest cover changes by applying certain thresholds on the NDVI index images of the Modis sensor in remote sensing.
تبلیغات
