[صفحه اصلی ]   [Archive] [ English ]  
:: صفحه اصلي :: درباره نشريه :: آخرين شماره :: تمام شماره‌ها :: جستجو :: ثبت نام :: ارسال مقاله :: تماس با ما ::
بخش‌های اصلی
صفحه اصلی::
اطلاعات نشریه::
آرشیو مجله و مقالات::
برای نویسندگان::
داوران::
ثبت نام و اشتراک::
تماس با ما::
تسهیلات پایگاه::
بایگانی مقالات زیر چاپ::
آمار نشریه::
::
جستجو در پایگاه

جستجوی پیشرفته
..
دریافت اطلاعات پایگاه
نشانی پست الکترونیک خود را برای دریافت اطلاعات و اخبار پایگاه، در کادر زیر وارد کنید.
..
آمار سایت
مقالات منتشر شده: 326
نرخ پذیرش: 63.2
نرخ رد: 36.8
میانگین داوری: 208 روز
میانگین انتشار: 344 روز
..
:: دوره 7، شماره 4 - ( 12-1398 ) ::
جلد 7 شماره 4 صفحات 20-1 برگشت به فهرست نسخه ها
بهبود تخمین زیست توده مناطق جنگلی به کمک بهینه‌سازی پارامترهای پلاریمتری داده‌های سنجنده هوایی SETHI به روش هوش جمعی ذرات
سمیرا حسینی* ، حمید عبادی ، یاسر مقصودی
دانشگاه صنعتی خواجه نصیرالدین طوسی
چکیده:   (3221 مشاهده)
در سال‌های اخیر تخمین زیست توده مورد توجه زیادی قرار گرفته است. سیستم‌های هوابرد و فضابرد راداری به دلیل قابلیت بالای نفوذ، توانایی زیادی در تعیین زیست توده دارند. پارامتر قطبش به دلیل حساسیت به مکانیزم‌های بازپراکنش، پارامتر مهمی در سیستم راداری بوده که می‌تواند در تخمین زیست توده مفید واقع شود. در این تحقیق از داده­های تمام پلاریمتری سنجنده هوایی SETHI استفاده شده است. منطقه مورد بررسی از نوع جنگل­های شمالی واقع در منطقه رمینگ استرپ در جنوب کشور سوئد می­باشد. در این مقاله بهبود تخمین زیست توده در مناطق جنگل­های شمالی با در نظر گرفتن تمامی حالات قطبش ممکن جهت استخراج پارامترهای پلاریمتری توسط ماتریس انتقال، در باندهای L و P مورد ارزیابی قرار گرفته است. همچنین وابستگی زیست توده به پارامتر­های استخراجی قبل و بعد از تغییر پایه قطبش در ماتریس­های کووریانس و همدوسی مورد بررسی قرار گرفته و یک مجموعه از پارامترهای بهینه توسط هوش جمعی ذرات در حالت باینری انتخاب و جهت تخمین زیست توده مورد استفاده قرار گرفته است. نتایج بیانگر آن است که بازپراکنش‌هایی که شامل قطبش HV یا HH-VV هستند؛ بیشترین وابستگی را با زیست توده دارند و با تغییر پایه قطبش، امکان بررسی حالت­های قطبش مختلف پارامترهای استخراجی از بازپراکنش­ها فراهم می­شود و میزان همبستگی پارامترها با زیست توده افزایش می­یابد. بعد از انتخاب بهینه پارامترها توسط روش هوش جمعی ذرات در حالت باینری و استفاده از رگرسیون خطی به منظور تخمین زیست توده، نتایج به میزان 6 درصد در باند L و 2 درصد در باند P بهبود داشته است.
 
واژه‌های کلیدی: تخمین زیست توده، هوش جمعی ذرات، بازپراکنش، پلاریمتری، ماتریس انتقال.
متن کامل [PDF 1824 kb]   (835 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: سنجش از دور
دریافت: 1395/12/7 | پذیرش: 1396/7/4 | انتشار: 1398/12/29
فهرست منابع
1. [1] C. O. Stockle, J. R. Williams, N. J. Rosenberg, and C. A. Jones, "A method for estimating the direct and climatic effects of rising atmospheric carbon dioxide on growth and yield of crops: Part I-Modification of the EPIC model for climate change analysis," Agricultural Systems, vol. 38, pp. 225-238, 1992. [DOI:10.1016/0308-521X(92)90067-X]
2. [2] R. Houghton, F. Hall, and S. J. Goetz, "Importance of biomass in the global carbon cycle," Journal of Geophysical Research: Biogeosciences, vol. 114, 2009. [DOI:10.1029/2009JG000935]
3. [3] H. Klinge, W. Rodrigues, E. Brunig, and E. Fittkau, "Biomass and structure in a central Amazonian rain forest," in Tropical ecological systems, ed: Springer, 1975, pp. 115-122. [DOI:10.1007/978-3-642-88533-4_9]
4. [4] G. Foody, "Remote sensing of tropical forest environments: towards the monitoring of environmental resources for sustainable development," International journal of remote sensing, vol. 24, pp. 4035-4046, 2003. [DOI:10.1080/0143116031000103853]
5. [5] D. Lu, "Aboveground biomass estimation using Landsat TM data in the Brazilian Amazon," International Journal of Remote Sensing, vol. 26, pp. 2509-2525, 2005. [DOI:10.1080/01431160500142145]
6. [6] R. Nelson, W. Krabill, and J. Tonelli, "Estimating forest biomass and volume using airborne laser data," Remote sensing of environment, vol. 24, pp. 247-267, 1988. [DOI:10.1016/0034-4257(88)90028-4]
7. [7] S. A. Sader, R. B. Waide, W. T. Lawrence, and A. T. Joyce, "Tropical forest biomass and successional age class relationships to a vegetation index derived from Landsat TM data," Remote Sensing of Environment, vol. 28, pp. 143IN1159-156IN2198, 1989. [DOI:10.1016/0034-4257(89)90112-0]
8. [8] J. R. Santos, C. C. Freitas, L. S. Araujo, L. V. Dutra, J. C. Mura, F. F. Gama, et al., "Airborne P-band SAR applied to the aboveground biomass studies in the Brazilian tropical rainforest," Remote Sensing of Environment, vol. 87, pp. 482-493, 2003. [DOI:10.1016/j.rse.2002.12.001]
9. [9] M. Steininger, "Satellite estimation of tropical secondary forest above-ground biomass: data from Brazil and Bolivia," International Journal of Remote Sensing, vol. 21, pp. 1139-1157, 2000. [DOI:10.1080/014311600210119]
10. [10] D. Zheng, J. Rademacher, J. Chen, T. Crow, M. Bresee, J. Le Moine. "Estimating aboveground biomass using Landsat 7 ETM+ data across a managed landscape in northern Wisconsin, USA," Remote sensing of environment, vol. 93, pp. 402-411, 2004. [DOI:10.1016/j.rse.2004.08.008]
11. [11] M. Rahman, E. Csaplovics, and B. Koch, "Satellite estimation of forest carbon using regression models," International Journal of Remote Sensing, vol. 29, pp. 6917-6936, 2008. [DOI:10.1080/01431160802144187]
12. [12] M. Schlerf, "Determination of structural and chemical forest attributes using hyperspectral remote sensing data-case studies in Norway spruce forests," Geography/Geosciences. sl: University of Trier, 2006.
13. [13] H. Balzter, C. S. Rowland, and P. Saich, "Forest canopy height and carbon estimation at Monks Wood National Nature Reserve, UK, using dual-wavelength SAR interferometry," Remote Sensing of Environment, vol. 108, pp. 224-239, 2007. [DOI:10.1016/j.rse.2006.11.014]
14. [14] M. C. Dobson, F. T. Ulaby, T. LeToan, A. Beaudoin, E. S. Kasischke, and N. Christensen, "Dependence of radar backscatter on coniferous forest biomass," IEEE Transactions on Geoscience and remote Sensing, vol. 30, pp. 412-415, 1992. [DOI:10.1109/36.134090]
15. [15] K. Ranson and G. Sun, "Mapping biomass of a northern forest using multifrequency SAR data," IEEE Transactions on Geoscience and Remote Sensing, vol. 32, pp. 388-396, 1994. [DOI:10.1109/36.295053]
16. [16] M. Santoro, J. Askne, G. Smith, and J. E. Fransson, "Stem volume retrieval in boreal forests from ERS-1/2 interferometry," Remote Sensing of Environment, vol. 81, pp. 19-35, 2002. [DOI:10.1016/S0034-4257(01)00329-7]
17. [17] M. Santoro, C. C. Schmullius, L. Eriksson, and S. Hese, "The SIBERIA and SIBERIA-II projects: an overview," in International Symposium on Remote Sensing, 2003, pp. 247-256. [DOI:10.1117/12.462357]
18. [18] C. Thiel, P. Drezet, C. Weise, S. Quegan, and C. Schmullius, "Radar remote sensing for the delineation of forest cover maps and the detection of deforestation," Forestry, vol. 79, pp. 589-597, 2006. [DOI:10.1093/forestry/cpl036]
19. [19] A. Beaudoin, T. Le Toan, S. Goze, E. Nezry, A. Lopes, E. Mougin, et al., "Retrieval of forest biomass from SAR data," International Journal of Remote Sensing, vol. 15, pp. 2777-2796, 1994. [DOI:10.1080/01431169408954284]
20. [20] P. S. Bharadwaj, S. Kumar, S. Kushwaha, and W. Bijker, "Polarimetric scattering model for estimation of above ground biomass of multilayer vegetation using ALOS-PALSAR quad-pol data," Physics and Chemistry of the Earth, Parts A/B/C, vol. 83, pp. 187-195, 2015. [DOI:10.1016/j.pce.2015.09.003]
21. [21] D. Lu, Q. Chen, G. Wang, L. Liu, G. Li, and E. Moran, "A survey of remote sensing-based aboveground biomass estimation methods in forest ecosystems," International Journal of Digital Earth, vol. 9, pp. 63-105, 2016. [DOI:10.1080/17538947.2014.990526]
22. [22] M. Neumann, L. Ferro-Famil, and A. Reigber, "Estimation of forest structure, ground, and canopy layer characteristics from multibaseline polarimetric interferometric SAR data," IEEE Transactions on Geoscience and Remote Sensing, vol. 48, pp. 1086-1104, 2010. [DOI:10.1109/TGRS.2009.2031101]
23. [23] E. J. Rignot, R. Zimmermann, and J. J. van Zyl, "Spaceborne applications of P band imaging radars for measuring forest biomass," IEEE Transactions on Geoscience and Remote Sensing, vol. 33, pp. 1162-1169, 1995. [DOI:10.1109/36.469480]
24. [24] S. S. Saatchi and M. Moghaddam, "Estimation of crown and stem water content and biomass of boreal forest using polarimetric SAR imagery," IEEE Transactions on Geoscience and Remote Sensing, vol. 38, pp. 697-709, 2000. [DOI:10.1109/36.841999]
25. [25] M. A. Tanase, R. Panciera, K. Lowell, S. Tian, J. M. Hacker, and J. P. Walker, "Airborne multi-temporal L-band polarimetric SAR data for biomass estimation in semi-arid forests," Remote Sensing of Environment, vol. 145, pp. 93-104, 2014. [DOI:10.1016/j.rse.2014.01.024]
26. [26] H. Balzter, "Forest mapping and monitoring with interferometric synthetic aperture radar (InSAR)," Progress in Physical Geography, vol. 25, pp. 159-177, 2001. [DOI:10.1191/030913301666986397]
27. [27] S. Ustin, vol. 4: Remote sensing for natural resource management and environmental monitoring, 2004.
28. [28] J. Kennedy and R. C. Eberhart, "A discrete binary version of the particle swarm algorithm," in Systems, Man, and Cybernetics, 1997. Computational Cybernetics and Simulation., 1997 IEEE International Conference on, 1997, pp. 4104-4108.
29. [29] J.-S. Lee and E. Pottier, Polarimetric radar imaging: from basics to applications: CRC press, 2009.
30. [30] K. Tragl, "Polarimetric radar backscattering from reciprocal random targets," IEEE Transactions on Geoscience and Remote Sensing, vol. 28, pp. 856-864, 1990. [DOI:10.1109/36.58973]
31. [31] H. Petersson, "Biomassafunktioner för trädfaktorer av tall, gran och björk i Sverige," 1401-1204, 1999.
32. [32] L. M. Ulander, A. Gustavsson, P. Dubois-Fernandez, X. Dupuis, J. E. Fransson, J. Holmgren, et al., "BIOSAR 2010-A SAR campaign in support to the BIOMASS mission," in Geoscience and Remote Sensing Symposium (IGARSS), 2011 IEEE International, 2011, pp. 1528-1531. [DOI:10.1109/IGARSS.2011.6049359]
ارسال پیام به نویسنده مسئول



XML   English Abstract   Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Hosseini S, Ebadi H, Maghsoudi Y. Improvement of Biomass Estimation in Forest Areas based on Polarimetric Parameters Optimization of SETHI airborne Data using Particle Swarm Optimization Method. jgit 2020; 7 (4) :1-20
URL: http://jgit.kntu.ac.ir/article-1-760-fa.html

حسینی سمیرا، عبادی حمید، مقصودی یاسر. بهبود تخمین زیست توده مناطق جنگلی به کمک بهینه‌سازی پارامترهای پلاریمتری داده‌های سنجنده هوایی SETHI به روش هوش جمعی ذرات. مهندسی فناوری اطلاعات مکانی. 1398; 7 (4) :1-20

URL: http://jgit.kntu.ac.ir/article-1-760-fa.html



بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.
دوره 7، شماره 4 - ( 12-1398 ) برگشت به فهرست نسخه ها
نشریه علمی-پژوهشی مهندسی فناوری اطلاعات مکانی Engineering Journal of Geospatial Information Technology
Persian site map - English site map - Created in 0.05 seconds with 38 queries by YEKTAWEB 4660