fa برآورد زیست توده جنگل با استفاده از تصاویرماهواره‌ای SAR و اپتیک پژوهشي Research <p dir="RTL">زیست توده جنگل‌ها و تخمین مقدار آن نقش بسزایی در تغییرات آب و هوا دارد. بدلیل محدودیت و زمانبر بودن روش‌های زمینی در تخمین زیست توده، روش‌های سنجش از دور جایگزین موثری برای روش‌های زمینی می باشد. در این تحقیق به منظور بهبود دقت برآورد میزان زیست توده جنگل نسبت به پژوهش‌های پیشین، از تصویر اپتیک <span dir="LTR">AVNIR-2</span> و تصویر راداری <span dir="LTR">PALSAR</span> ماهواره‌ی <span dir="LTR">ALOS</span> و همچنین از داده‌های زمینی دانشکده کشاورزی دانشگاه تهران مربوط به منطقه‌ی شمالی خیرودکنار استفاده شده است. مراحل انجام این پژوهش را می‌توان در سه مرحله بیان کرد:ا 1- استخراج ویژگی‌ها از تصاویر، 2 &ndash; انتخاب ویژگی به کمک الگوریتم ژنتیک، 3 - برآورد زیست توده با شبکه عصبی و آنالیز رگرسیون از ویژگی های انتخابی می باشد. ارزیابی نتایج حاصل از اعمال شبکه عصبی و آنالیز رگرسیون بر روی متغیرهای انتخاب شده توسط الگوریتم ژنتیک، بیانگر دقت بالای ۷۰ درصد توسط شبکه عصبی و دقت حدود 15 درصد توسط آنالیز رگرسیون در تخمین مقدار زیست توده است. به همین خاطر استفاده از شبکه عصبی به نحوی که در این تحقیق استفاده شده، برای جنگل‌های شمالی و با ساختار پیچیده پیشنهاد می‌گردد.</p> <p>Forest biomass and estimate its value has a significant role in climate change. Because of land constraints and time-consuming methods to estimate biomass, using remote sensing is an effective alternative to terrestrial methods. In this study, in order to improve the accuracy of estimates of forest biomass to earlier research, optical image AVNIR-2 and PALSAR radar satellite ALOS images used with data from ground-based College of Agriculture, Tehran University of North region Kheiroudkenar. This stude procedure respectively 1 - features extraction from images, 2 - select features using genetic algorithms, 3 - Biomass estimated with features selected by regression analysis and neural networks. Evaluating the results of the application of neural networks and regression analysis on the features selected by genetic algorithms, neural networks represent the accuracy over 70 percent and regression analysis represent the accuracy to about 15 percent. For this reason, the use of neural networks in a way that has been used in this study for the northern forests and the complex structures is recommended.</p> برآورد زیست توده, سنجش از دور, تصاویر SAR و اپتیک, الگوریتم ژنتیک, شبکه عصبی. estimation of biomass, remote sensing, SAR and optical images, genetic algorithms, neural networks. 15 26 http://jgit.kntu.ac.ir/browse.php?a_code=A-11-128-47&slc_lang=fa&sid=1 Mohamad Reza Ramezani محمدرضا رمضانی 10031947532846004629 10031947532846004629 No K.N.Toosi University of Technology دانشگاه صنعتی خواجه نصیرالدین طوسی Mahmood Reza Sahebi محمودرضا صاحبی sahebi@kntu.ac.ir 10031947532846004630 10031947532846004630 Yes K.N.Toosi University of Technology دانشگاه صنعتی خواجه نصیرالدین طوسی