Abstract
Characterization of forest attributes at fine scales is necessary to manage terrestrial resources in a manner that replicates, as closely as possible, natural ecological conditions. In forested ecosystems, management decisions are driven by variables such as forest composition, forest structure (both vertical and horizontal), and other ancillary data (i.e., topography, soils, slope, aspect, and disturbance regime dynamics). Vertical forest structure is difficult to quantify and yet is an important component in the decision-making process. This study investigated the use of light detection and ranging (LiDAR) data for classifying this attribute at landscape scales for inclusion into decisionsupport systems. Analysis of field-derived tree height variance demonstrated that this metric could distinguish between two classes of vertical forest structure. Analysis of LiDAR-derived tree height variance demonstrated that differences between single-story and multistory vertical structural classes could be detected. Landscape-scale classification of the two structure classes was 97% accurate. This study suggested that within forest types of the Intermountain West region of the United States, LiDAR-derived tree heights could be useful in the detection of differences in the continuous, nonthematic nature of vertical forest structure with acceptable accuracies
چکیده
مشخص کردن ویژگی های جنگل در مقیاس های خوب برای مدیریت منابع زمینی در یک سیکل تکراری که محدود به شرایط زیست محیطی طبیعی می باشد ، لازم وضروری است. در اکوسیستم های جنگلی تصمیمات مدیریتی با تکیه برمتغیرهایی نظیر ترکیب جنگل ، ساختارجنگل( افقی وقائم) و داده های اضافی دیگر( ازجمله توپوگرافی ،خاک ها ، شیب ،جهت ،اختلالات دینامیکی ) صورت می گیرد .
تعیین کمیت در ساختار قائم جنگل سخت ومشکل است وهنوز یک مولفه مهم درفرایند تصمیم گیری می باشد. دراین مطالعه استفاده از تشخیص نور وفاصله داده لیدار برای طبقه بندی این خصوصیت در مقیاس های دورنما برای ورود به سیستم های پشتیبانی ازتصمیم گیری ، مورد بررسی قرارگرفت .
آنالیز واریانس ارتفاع درختان برداشت شده جنگل نشان می دهد که این متریک می تواند یک وجه تمایزی برای دو کلاس ازساختار قائم جنگل باشد. آنالیز واریانس ارتفاع درختان برداشت شده جنگل نشان می دهد که اختلاف های بین کلاس های ساختار قائم تک طبقه ای و چند طبقه ای می تواند تشخیص داده شود. طبقه بندی دو کلاس های ساختار قائم درمقیاس دورنما دارای صحت 97درصد بود. این مطالعه پیشنهاد می دهد که با انواع جنگل های کوهستانهای داخلی غرب منطقه ایالت متحده امریکا ،ارتفاع های برداشت شده توسط لیدار می تواند در تشخیص اختلاف ها در پیوستگی بودن و غیرموضوعی بودن طبیعت ساختار قائم جنگل با دقت های قابل قبول مورد استفاده قرار گیرد.
1-مقدمه
ارزیابی ودست یابی با ترکیب بندی وساختار جنگل های بزرگ درمناطق دور افتاده دشوار است اما ارائه اطلاعات مهم نیاز به راهنمایی چند منظوره مدیریت جنگل دارد. سنجش از دور و GPS و GIS ابزار مدرنی برای جمع آوری و بکارگیری اطلاعات بدست آمده می باشد.
تشخیص نور وفاصله (لیدار ، فوت پرینت کوتاه ، چند بازگشتی) یک ابزار سنجش از دوری است که اثبات می شود که به طور خاصی برای جمع آوری داده های اندازه گیری جهت ارزیابی منابع طبیعی ، بسیار مفید می باشد ...