Downloaded from ijae.iut.ac.ir at 16:33 IRST on Saturday October 28th 2017 [ DOI: 10.18869/acadpub.ijae.5.16.55 ]

مقدمه
مدیریت منابع جنگلی نیاز به داشتن اطلاعات کمی و کیفـ ی در مورد پارامترهایی مانند شاخص سطح برگ، نیتروژن، کلروفیـ ل ،رطوبت و غیره دارد (19 و 41). امروزه استفاده از شاخصهایاکولوژیک برای شناخت وضعیت کمی و کیفی تـاج درخـت وپایش و ارزیابی تغییرات ایجاد شده در طی زمان امری ضروریاس ت. از جمل ه ش اخصه ای اکولوژی ک ک ه در آن ض عف اطلاعات بهخوبی مشهود است، آگاهی از توان تولید زیستتوده
و شـاخص سـطح بـرگ( Leaf Area Index :LAI) اسـت ( 7). ش اخص س طح ب رگ ک اربرد مهم ی در تعی ین می زان تغیی ر فرآیندهای متنوع اکوسیستمی مانند میـ زان عبـور نـور و بـاران،تعرق، فتوسنتز، تـنفس گ یـ اه و تـنفس هتروت روپیـ ک خـاک (ازطریق لاشبرگ) دارد( 31). بررسی شاخص سطح برگ همچنین در تعیین حاصلخیزی رویشگاههای جنگلی کـاربرد دارد (1، 2، 4، 7 و 13). در س اله ای اخیــر تغیی ر ش رایط اکولوژیــک و پیامــدهای ناشــی از آن، در کنــار ســایر چــالشهــای موجــود اکوسیستمهای جنگلی زاگرس را تحت تاثیر قرار داده است. در همین ارتباط پدیده خشکیدگی جنگلهـا ی بلـوط بـه سـرعتگسترش یافته و منجربه آسیب دیدن بخش قابل توجهی از ایـ ن جنگلها شده است. همه این عوامل در جنگلهای بلوط و بنـهکه چهره اصلی جنگلهای زاگرس را نشان میدهند به ضرورت مطالعه متغیر کیفی تاج درختان نظیر شاخص سـطح بـرگ ایـ ن منطقه میافزاید.
ه ر چن د مبن ای تعری ف ش اخص س طح ب رگ را روش
اندازهگیری آن تعیین میکند( 24)، اما بهطور کلی طبق تعریـفبسیار ساده، شاخص سطح برگ، نسبت مجموع مسـاحت یـکط رف ب رگ گی اه ب ر س طح ت اج پوش ش اس ت( 21 و 28). روشهای برآورد LAI به دو دسته عمده مستقیم و غیرمسـتق یم تقسیم میشوند که هرکدام از آنها مزیتها و محـدود یتهـا ییدارنــد .روشهــای مســتقیم شــامل نمونــه بــرداری تخریبــی(Destructive sampling)، تلـه جمـع آوری لاشـبرگ ( Littertrap) و روابط آلومتریک هسـتند. ایـ ن روشهـا اگرچـه دق یـ ق هستند اما بهدلیل پیچیـ دگی، طـولان ی بـودن زمـان بـرآورد، پـرزحمت بودن، نیاز به نیـ روی انسـان ی بیشـتر، هز ینـه هـا ی زیـ اد نمونهبرداری تخریبی در صورت جمـع آوری بـرگ قطـع شـدهدرختان( 7)، عـدم تکرارپـذیری بـه طـور فصـلی و سـال یانه بـهمطالعات محدود به تک درخـت و یـ ا قطعـات نمونـه محـدودمیشوند و اجرای آنها در سطح وسیع غیرممکن است( 13، 19و 21). از جمله روشهای غیرمستقیم، ابزارهای اپتیکی هسـتند.منطق این روشها که از تنوع زیادی نیز برخوردارنـد، بـه طـور عمده بر پایه اندازهگیری م یـزان نـور عبـور یافتـه از م یـ ان تـاج
پوش ش درخت ان ب ا اس تفاده از اب زاره ای پیش رفتهای مانن د عکسبرداری یا لنز چشـم مـاهی (30 و 39) ,2000-LAI (14، 35 و 40) اس ت. تکنی که ای س نجش از دوری ش اخهای از روشهای اپتیکی محسوب میشوند که با بـه کـار بـردن طیـ ف سنجی زمینی، هوابرد ابرطیفی، ماهوارهها و دادههای مـاهواره ای
126873867918

Downloaded from ijae.iut.ac.ir at 16:33 IRST on Saturday October 28th 2017 [ DOI: 10.18869/acadpub.ijae.5.16.55 ]

Downloaded from ijae.iut.ac.ir at 16:33 IRST on Saturday October 28th 2017 [ DOI: 10.18869/acadpub.ijae.5.16.55 ]

چن د طیف ی از مقی اس محل ی ت ا ق ارهای مش کلات تخم ین متغیرهای بیوفیزیکی و بیوشیمیایی را حل کـرده انـد ( 19، 29 و40). مزیت مهم این روشها غیرمخرب، سـاده، سـریع و ارزان بودن آنها و از همه مهمتر تکرارپذیری بهطور فصلی و سالیانه و هزینه کمتر است( 13 و 36). بهعلاوه، طیف سـنج ی زمینـ ی بـاافزایش تعداد باندهای طیفی امکان مطالعه پدیدهها در محـدودهطول موج طیفی از مرئی تا مادون قرمز دور را فراهم کرده است (6 و 19). در مطالعات بسیاری از طیـ فسـنج ی بـرا ی تخمـ ین متغیرهایی مانند شاخص سطح برگ( 16)، میزان فتوسنتز( 37)، رطوبـت ( 41 و 43)، کلروفی ل و نیت روژن( 26) اس تفاده ش ده است .اشنباخ و کاپن( 18) برای یک توده 50 ساله بـا سـاختارتاج همگن و افقی توسکا (Alnus glutinosa) در شمال آلمـان،سه روش برآورد LAI را که شامل استفاده از ابـزار 2000-LAI، تله جمع آوری لاشبرگ و نمونهبرداری از نمونهها (جعبـه هـا یcm30×50×50) بوده را بررسی کردند. نتایج نشان داد که روش جمــعآوری لاشــبرگ و نمونــهبــرداری غیرمخــرب در محــل ،بیشترین مقادیر LAI را برآورد کرده و روش 2000-LAI برآورد کمتری داشته است. لی و همکاران( 25)، مطالعهای برای تخمین LAI جنگلهای پهنبرگ و سوزنیبرگ Peninsula کره، انجـامدادند. در این مطالعـه رابطـه LAI انـدازه گیـ ری شـده در تـودهجنگلی با تاج بسته با انعکاس طیفی ناشی شده از طیفسـنج یدر دو محیط مختلف یکی اندازهگیریهـا ی طیفـ ی زمینـ ی رویچند لایه از نمونه برگها و دیگری انعکاس دادههـا ی سـنجنده+ETM بررسی شد. درویـ شزاده و همکـاران ( 16)، بـه منظـورتخمین شاخص سـطح بـرگ، م یـ زان کلروفیـ ل بـرگ و م یـ زان کلروفیل تاج انعکاس طیفی تاج چند گونه علفی مدیترانهای بـاساختار ناهمگن را با طیفسنج زمینی اندازهگیری کردند و برایبررسی رابطه این متغیـ رهـا بـا انعکـاس طیفـ ی از آزمـون هـا یتکمتغیره شامل شاخصهای باند باریک و انحنای لبـه قرمـز و رگرسیون خطی چند متغیره، رگرسیون خطی چندگانـه گـام بـهگام و حداقل مربعات بخشی استفاده کردند. نتایج نشان داد کـهروش رگرسیون خطی چندگانه گامبهگـام 2R بیشـتر وRMSE کمتری نسبت به شاخصهای باند نزدیک و انحنـا ی لبـه قرمـزداشته و روش حداقل مربعات بخشی تخمین مناسبتری ارائـهداده است. نوی روبرسون و همکـاران ( 34) نیـ ز بـا اسـتفاده ازدادههــای طیفــی حاصــل از طیــفســنجی زمینــی و محاســبه شاخصها، دو شاخص کلروفیل و شاخص بهبود یافتـهNDVI تحـت عن وان WDRVI، را در تخم ین ش اخص س طح ب رگ مناس بت ر دیدن د( 27). ماهی ت دادهه ای طیف ی حاص ل از طیفسنجی زمینی بهگونـه ای اسـت کـه مسـتلزم بـه کـارگیریروشهای خاص برای بررسی تفاوت طیفی پدیدهها مـی باشـد.
یکی از کارآمدترین روشها در این زمینه، رگرسیون چند متغیره
حـداقل مربعـات بخشـی (Partial Least Square Regression) میباشد که نتایج قابل قبولی را ارائه داده است .
از آنجا که پایه اکثر روشهای اپتیکی و روشهای سـنجشاز دوری در برآورد LAI، مبتنی بـر انعکـاس طیفـ ی تـاج و بـادرنظر گرفتن ساختار تاج درختان است و در حجم تـاج، بـرگبــه نســبت عناصــر د یگــر ســهم بیشــتری دارد، در مطالعــات طیفسنجی، انعکاس طیفی برگ درنظر گرفته میشود (40). دراین مطالعه نیز رابطه انعکاس طیفی برگ به وسیله طیـ ف سـنجزمینی با میزان LAI از طریق روش معمول برآورد LAI یعنی در سطح تاج پوشش( LAI2D) یا در فضای دو بعدی و برآورد آندر فضای سه بعدی (LAI3D) برای دو گونه اصلی جنگلهـا یزاگرس( Quercus brantii و Pistacia atlantica) بررسی شد .
مواد و روشها
مناطق مورد مطالعه
این مطالعه در دو منطقه از جنگلهای استان چهارمحال و بختیاری که بخشی از جنگلهای زاگرس مرکزی هستند انجام شد.
الف- ذخیـره گـاه جنگلـی چهارطـاق: ایـن ذخیـره گـاه در
100 کیلومتری جنوب شرقی شهرکرد و 40 کیلومتری شهرستان اردل با مساحتی معـادل 400 هکتـار قـرار گرفتـه اسـت. ایـ ن ذخیــرهگــاه از ســال 1362 تــاکنون تحــت قــرق کامــل بــوده است. ارتفاع از سطح دریا در این رویشگاه از حداقل 2100 تـا3100 متر متغیر است. متوسط میزان بارنـدگی سـالیانه 400 تـا
600 میلـ یمتـ ر و براسـ اس روش دومـ ارتن جـ زء اقلـ یم نیمهمرطوب محسوب میشود. در این جنگل گونههای درختـیبلوط، بادام، بنه، زبـان گنجشـک و ارس را مـیتـوان مشـاهدهک رد. در ارتفاع ات ای ن منطق ه درخ ت ارس ی ا س رو ک وه (Juniperus polycarpos) بهصورت گونه غالب ظاهر گشـته وتودههای کم و بیش تنک را بهوجود میآورد. گونه مورد مطالعه در این منطقه بلوط (Quercus brantii) است( 3).
ب- منطق ه جنگل ی ف لارد: ای ن منطق ه جنگل ی در 150کیل ومتری شهرسـتان ش هرکرد و در بخ ش ف لارد شهرســتانلردگان واقع شده و دارای 20 هزار هکتار جنگـل خـالص بنـهبهنام جنگل کوت سیاه است که در 10 کیلـومتر ی مـال خل یفـهق رار دارد. میــانگین بارن دگی در ایــن منطق ه 560 میلــیمتــردر س ال اس ت (5). گون ه م ورد مطالع ه در ای ن منطق ه بن ه
.است (Pistacia atlantica)
اندازهگیری زمینی
126873867918

Downloaded from ijae.iut.ac.ir at 16:33 IRST on Saturday October 28th 2017 [ DOI: 10.18869/acadpub.ijae.5.16.55 ]

Downloaded from ijae.iut.ac.ir at 16:33 IRST on Saturday October 28th 2017 [ DOI: 10.18869/acadpub.ijae.5.16.55 ]

در این مطالعه تعداد 40 درخت بلوط و 35 درخت بنه بـه طـور انتخابی در دامنـه هـا ی جنـوب ی و غربـ ی منـاطق مـورد مطالعـه(دامنههای غالب مناطق) انتخاب شد. موقعیت مکانی هـر پا یـ ه توسط GPS ثبت شد. برای برآورد LAI در سطح سه بعدی تاج درخ ت( LAI3D) جعب های ب ه ابع اد 50×50×50 س انتیمت رمکعب در هر چهار جهت اصلی تاج درختـان (شـمال، شـرق،غرب و جنوب) قرار داده شد (شکل 1) و تمامی شـاخه هـا دراین فضا قطع شد و برگهای آنها مورد شمارش قرار گرفت. در واقع در این مطالعه جعبه بهعنوان یک پایه درختی درنظر گرفته شد. برای تعیین سطح برگها، از تکتـک بـرگ هـا بـا دوربـین دیجیتال عکسبرداری شد و سطح آنها بـا نـرم افـزارImage J محاسبه شد. سپس با استفاده از رابطههای 1 و 2 شاخص سطح برگ دو بعدی (LAI2D) و شـاخص سـطح بـرگ سـه بعـدی
(LAI3D) برآورد شدند:
533090-83544

LAI2D  ana[1]
A
LAI3D  a n v[2]
V

در این روابط a: متوسط سطح برگ ،na: تعداد برگ در واحد سطح ،nv: تعداد برگ در واحد حجـم،A : سـطح جعبـه وV :
حجم جعبه است.
اندازهگیری طیفی
بهمنظور انجام بهتر تحقیق و تهیه منحنی طیفی گونههـای مـورد نظر، درختانی که دارای تاج بهتر و شادابتر و تنههایی که فاقد بیماری هستند انتخاب و متغیرهای کمی از جمله، ارتفاع، قطـردرخت و همچنین شرایط رویشگاه از جمله شیب، جهت منطقه یادداشت شد. ساختار درختان بلوط در مطالعه اخیر شاخهزاد و درختان بنه دانهزاد است.
اندازهگیری طیفی با استفاده از طیـ فسـنج یزمینـ ی بـه نـام
266522-5755548

3®ASD Fieldspec زیــر نــور خورشــید در شــرایط مناســب اتمسفری و آسمان صاف و آفتابی بین ساعت 10 تا 14 که تشعشع خورشیدی تقریباً ثابت بود، صورت گرفت( 6، 16 و 19). بهمنظور جلوگیری از تداخل بازتاب زمینه با بازتاب نمونه مورد نظر، تـودهبرگی به ضخامت چند لایه برگ در دایرهای به قطر 25 سـانتی متـر روی صفحهای سیاه رنگ (پارچه) جمعآوری شـد و انـدازهگیـ ریطیفی از ارتفاع 10 سانتیمتری و عمود بر سطح بـرگ هـا صـورتگرفت. سطح میدان دید براساس رابطه 3 محاسبه شد.[3]tan 2 r h
 25: زاویه دید سـنجنده ، h: ارتفـاع د یـ د و r:شـعاع دا یـ ره مورد نظر که معادل 15 سانتیمترمربع است (42). بهمنظور کـاهشاثر عوامل جوی مانند رطوبت، دما و باد در محـ یط طبیعـ ی، از هـرنمونه 100 اسکن (منحنـ ی طیفـ ی) پ یـاپی در کمتـر از یـ ک دقیقـهانجام شد که بلافاصله بهطور خودکار توسط نرمافزار 3RS موجـودبرروی رایانه میانگینگیری شده و بهصـورت یـ ک منحنـ ی طیفـ یبرروی صفحه نمایش نوت بـوک نشـان داده مـیشـود. بـا وجـودشرایط ثابت جوی دستگاه با استفاده از صـفحه سـفید مخصـوصبعد از انـدازه گیـ ری هـر پـنج نمونـه، کـالیبره شـد ( 6، 16 و 42).
اندازهگیریها در اواخر مرداد ماه سال 1390 انجام گردید.
رگرسیون حداقل مربعات بخشی (PLSR) رگرســیون حــداقل مربعــات بخشــی، از تعمــیم و ترکیــب ویژگیهای آنالیز مؤلفههـا ی اصـل ی و تحلیـ ل رگرسـ یون چنـدمتغیره ایجاد میشود( 8). این روش از اطلاعات هـر دو متغ یـ ر پیشبینی و متغیر پاسخ تا حد ممکن استفاده میکند و زمانی که تعداد متغیرهای پـ یشبینـ ی بیشـتر از نمونـههـا ی انـدازه گیـ ریبوده و یا تعداد زیادی متغیر با اطلاعات مشـترک باشـد (طـولموج طیفی پدیدهها از 350 تـا 2500 نـانومتر) بـهکـار مـیرودکه سبب فشردهسازی اطلاعات در چند مؤلفه اصلی غیـ ر همبسـتهمیشود( 20). این مؤلفهها تغییرپذیری بـا هـم متغیر(هـا ی) مـوردبررســی را بــه حــداکثر مــیرســانند( 16) و بــر مشــکلاتهمخطی(collinearity) و بـ یشبـرازش ( overfitting) ناشـ ی از نمونههای زیاد غلبه میکند( 33). PLS مجموعهای از متغیرهایوابسته را از مجموعه بزرگـ ی از متغیرهـا ی مسـتقل پـیشبینـ یمیکند که روشهای رگرسیون چندگانه معمول قادر به حل آن نمیباشند. مزیت این روش نسبت به تحلیل مؤلفههـا ی اصـل یاین است که نه تنها در محور Yها بلکه در محور Xهـا نیـ ز بـهفشردهسازی اطلاعات میپردازد و از اطلاعات متغیر Y نیـ ز در طول فرایند تحلیل مؤلفهها استفاده مـ یشـود. بنـابراین یکـ ی از مزایای رگرسیون PLS تعیین مؤثرترین و یا حساسترین طـولموجها بهعنوان متغیر X نسبت بـه تغ ییـ رات متغیـ ر Y براسـاستعیین مؤلفههای اصلی انتخاب شده از متغیر X میباشد( 6).
هدف از رگرسـ یون PLS سـاخت مـدل پـیشبینـ ی خطـ یبراساس رابطه Y=Xb+α است که در آن Y متغیر پاسخ ،X متغیر پیشگویی کننده ،b ضریب رگرسیون و α خطای بـاقی مانـده هـااست. انتخاب تعداد بهینه از مؤلفهها در PLS یک گام مهم برایبهدست آوردن مدلی با قدرت پیشبینی است. به این منظـور ازروش اعتبار متقابل با یک نمونه خارج شـده ( Leave-one-out) استفاده میشود( 6 و 16). در این روش اعتبارسنجی، یک نمونه از مجموعه نمونهها خارج میشود و مدل PLS برای 1-n نمونه برازش میشود. این روش تا زمانی که تمام نمونهها خارج شده و n مدل برازش شود، تکرار میشود. بهعبـارت د یگـر از تمـامنمونهها در اعتبارسنجی مدل استفاده میشـود. سـپس مجمـوعمربعات خطای باقیمانده (PRESS) از رابطه 3 و برای بـرآوردریشه میانگین مربعـات خطـای اعتبـار متقابـل (RMSECV) از رابطه 4 استفاده میشود. تعداد بهینه فاکتورها از نمودار PRESSدر مقابل تعداد فاکتورهایPLS بررسی میشـود. تعـداد بهینـهفاکتوره ایPLS ب رای کمت رین می زان RMSECV م یباش د .

شکل 1. برداشت زمینی شاخص سطح برگ
بهعبارت دیگر جایی که کمتـر ین میـ زانRMSECV باشـد اثـربیش برازش حداقل و مدل PLS قویتر است. انتخاب بهتـر ین مدل برازش شده براساس آماره RMSECV یـ ا ریشـه م یـ انگین مربعات خطای اعتبار متقابل صورت میگیرد( 32).
PRESSi 1N (yi y )i 2[4]
639458-64706

 PRESSk[5]
RMSECV
N
yi : مقدار پیشبینی شده برای متغیر i ام ،yi : مقدار نمونه i ام،N: تعداد مشاهدات و k:تعداد مؤلفههای استفاده شده در مـدل
PLS هستند .
نتایج
126873867918

Downloaded from ijae.iut.ac.ir at 16:33 IRST on Saturday October 28th 2017 [ DOI: 10.18869/acadpub.ijae.5.16.55 ]

Downloaded from ijae.iut.ac.ir at 16:33 IRST on Saturday October 28th 2017 [ DOI: 10.18869/acadpub.ijae.5.16.55 ]

رابطه انعکاس طیفی و متغیر LAI3D با استفاده از مدل PLSRبرای رسیدن به این هدف که کـدام یـ ک از LAI2D یـ ا LAI3Dرابطه قابل قبولتری با انعکاس طیفـ ی دارد، هـر یـ ک بـه طـور جداگانه وارد مدل PLS شدند. براساس نتـا یج بـ هدسـت آمـدهبرای برازش بهترین مـدل در بـرآوردLAI3D درگونـه بلـوط،فاکتور چهارم و برای بنه فاکتور دوم کمترین میـ زان RMSECVرا داشت. براساس نتایج بهدست آمده (شکل 2) از مدل PLSR، طول موجهـا ی 555، 699، 764، 1074 تـا 1086، 1367 بـرا یLAI3D در بلوط و طول موجهای 726 و 752 تا 1000 نانومتر در بنه بیشترین ضـرا یب و بنـابرا ین سـهم بیشـتر ی در بـرآوردLAI3D را داشــتند. ضــریب تبیــین حاصــل از نتــایج تجزیــه واریانس رگرسیون مقادیر تخمین زده شده و اندازهگیری شـده

6
4
2
0
2

4

6

8

10

12

4

10
×
2500
2350
2150
1950
1750
1550
1350
1150
950
750
550
350
nm
ضریب
رگرسیون

بلوط
موج

)
طول
nm
(
2500
2350
2150
1950
1750
1550
1350
1150
950
750
550
350
2
1
0
1

2

3

4

4

10
×
بنه
)
موج

طول
nm
(

ضریب
رگرسیون

ضریب
رگرسیون
ب
نه
ب
لوط

6

در این سایت فقط تکه هایی از این مطلب با شماره بندی انتهای صفحه درج می شود که ممکن است هنگام انتقال از فایل ورد به داخل سایت کلمات به هم بریزد یا شکل ها درج نشود

شما می توانید تکه های دیگری از این مطلب را با جستجو در همین سایت بخوانید

ولی برای دانلود فایل اصلی با فرمت ورد حاوی تمامی قسمت ها با منابع کامل

اینجا کلیک کنید

4

  • 1

پاسخ دهید