حامد نقوی

حامد نقوی

مدرک تحصیلی: استادیار گروه مهندسی جنگل داری، دانشکده کشاورزی و منابع طبیعی، دانشگاه لرستان، خرم آباد

مطالب

فیلتر های جستجو: فیلتری انتخاب نشده است.
نمایش ۱ تا ۳ مورد از کل ۳ مورد.
۱.

تأثیر طرح های متفاوت نمونه برداری خوشه ای در برآورد مشخصه های کمّی جنگل های زاگرس، با استفاده از تصاویر سنجنده سنتینل - 2(مقاله علمی وزارت علوم)

کلید واژه ها: استان جنگل اولادقباد جنگل تصادفی روش های ناپارامتریک سنجش از دور نمونه برداری خوشه ای

حوزه های تخصصی:
تعداد بازدید : 570 تعداد دانلود : 920
گردآوردی اطلاعات میدانی دقیق، به منظور مدیریت پایدار مناطق جنگلی، مستلزم صرف زمان و هزینه بالایی است؛ بنابراین استفاده از روش های نمونه برداری و تصاویر ماهواره ای جایگزین مناسبی برای این کار خواهد بود. هدف پژوهش حاضر تأثیر طرح های گوناگون نمونه برداری خوشه ای در برآورد مشخصه های کمّی جنگل های سامان عرفی اولادقباد شهرستان کوهدشت، استان لرستان، با استفاده از تصاویر سنجنده سنتینل 2 است. به منظور برآورد مشخصه های مورد بررسی، 150 خوشه در قالب شش طرح (مثلث، مربع، ستاره ای 1، خطی، اِل شکل و ستاره ای 2) در منطقه ای به مساحت تقریبی 4500 هکتار ایجاد شد. هر خوشه شامل چهار ریزقطعه نمونه، با مساحت هفتصد مترمربع (شعاع ریزقطعه نمونه دایره ای برابر با پانزده متر و فاصله بین ریزقطعه نمونه ها از هم، شصت متر) بود. سپس در هر ریزقطعه نمونه ، مشخصه های تعداد و مساحت تاج درختان اندازه گیری شد. پس از پیش پردازش و پردازش تصاویر (تجزیه مؤلفه اصلی، آنالیز بافت و ایجاد شاخص های گیاهی)، ارزش های رقومی متناظر با قطعات نمونه زمینی از باندهای طیفی استخراج و به منزله متغیرهای مستقل، در نظر گرفته شد. مدل سازی با استفاده از روش های ناپارامتریک جنگل تصادفی، ماشین بردار پشتیبان و نزدیک ترین همسایه انجام شد. نتایج نشان داد میانگین تراکم در هکتار 51 اصله و سطح تاج پوشش 3294 مترمربع در هکتار است. نتایج اعتبارسنجی نشان داد که درمورد هر دو مشخصه تراکم و سطح تاج پوشش، الگوریتم جنگل تصادفی به همراه طرح های نمونه برداری خطی و ستاره ای 2، به ترتیب با درصد مجذور میانگین مربعات خطا 00/46 و 44/10 و اریبی (02/0- و 82/2%)، عملکرد بهتری در مدل سازی داشته است. به طورکلی نتایج اعتبارسنجی مشخص کرد استفاده از طرح های متفاوت نمونه برداری خوشه ای، روش های مدل سازی ناپارامتریک جنگل تصادفی و تصاویر سنجنده سنتینل 2 کارآیی بهتری در برآورد مشخصه تاج پوشش دارد اما، در مقابل، عملکرد مناسبی در برآورد تعداد در هکتار را نداشته است.
۲.

پیش بینی تغییرات مکانی جنگل های زاگرس با استفاده از تصاویر ماهواره ای و مدل LCM مطالعه موردی: حوزه بسطام شهرستان سلسله(مقاله علمی وزارت علوم)

کلید واژه ها: تخریب جنگل شبکه عصبی مصنوعی مدل LCM زنجیره مارکوف تصاویر لندست

حوزه های تخصصی:
تعداد بازدید : 208 تعداد دانلود : 692
در دهه گذشته مشکل کاهش اراضی جنگلی در مقیاس منطقه ای و جهانی مورد توجه قرار گرفته است. هدف از این پژوهش، بررسی تغییرات سطح جنگل های زاگرس با استفاده از تصاویر ماهواره ای و روش های شبکه عصب مصنوعی و زنجیره مارکوف است. منطقه بسطام با مساحت9493 هکتار در 25 کیلومتری شمال شهرستان خرم آباد واقع شده است. نقشه های کاربری اراضی مربوط به سال های1364، 1379 و 1394 با استفاده از از روش طبقه بندی حداکثر احتمال و تصاویر سنجنده های TM و OLI ماهواره لندست تهیه شد. مدل سازی تغییر کاربری ها با استفاده از مدل LCM بر پایه شبکه عصب مصنوعی و 7 متغیر تاثیرگذار در میزان تغییرات شامل ارتفاع از سطح دریا، فاصله از مناطق مسکونی، شیب، جهت جغرافیایی، فاصله از جاده، فاصله از رودخانه و نقشه کاربری اراضی پیوسته شده، صورت گرفت. در ادامه با استفاده از روش مدل سازی زنجیره مارکوف، نقشه کاربری اراضی برای سال 1394 پیش بینی و جهت ارزیابی صحت نتایج بدست آمده از مدل، ماتریس خطا بین نقشه پیش بینی شده و نقشه واقعیت زمینی مربوط به این سال تشکیل شد. نتایج بررسی تغییرات در دوره اول نشان داد که بیشترین افزایش مساحت در ناحیه کشاورزی و بیشترین کاهش مساحت در ناحیه مناطق جنگلی به ترتیب به میزان 380 و 425 هکتار رخ داده است. با توجه به نتایج بدست آمده نرخ تخریب سالیانه جنگل در دوره اول، دوم و کل دوره به ترتیب 33/28، 13/23 و 73/25 هکتار برآورد گردید. همچنین نتایج این پژوهش نشان داد که متغیرهای ارتفاع و فاصله از مناطق مسکونی به ترتیب با ضریب همبستگی کرامر 47/0 و 43/0 بیشترین میزان تاثیرگذاری را در تغییرات کاربری اراضی و تخریب جنگل ها را دارند. در نهایت نتایج ارزیابی حاصل از مقایسه نقشه مدل سازی و واقعیت زمینی سال 1394 بیانگر میزان ضریب کاپا 89/0 بود که این مطلب حاکی از کارآیی مناسب مدل LCM در پیش بینی تغییرات کاربری اراضی است.
۳.

مدل سازی تغییرات پوشش سرزمین بر پایه شبکه عصبی مصنوعی و پتانسیل انتقال در روش LCM (مطالعه موردی: جنگل های گیلان غرب، استان کرمانشاه)(مقاله علمی وزارت علوم)

کلید واژه ها: مدل سازی گیلان غرب LCM پتانسیل انتقال پوشش سرزمین

حوزه های تخصصی:
  1. حوزه‌های تخصصی جغرافیا جغرافیای طبیعی جغرافیای زیستی
  2. حوزه‌های تخصصی جغرافیا فنون جغرافیایی روش های کمی در جغرافیا
تعداد بازدید : 45 تعداد دانلود : 302
مدل سازی روند تغییرات پوشش سرزمین در گذر زمان با به کارگیری داده های چندزمانه در محیط سامانة اطلاعات جغرافیایی می تواند یکی از مهم ترین عوامل در مدیریت بهینة این تغییرات باشد. به منظور مدل سازی روند تغییرات پوشش سرزمین و بررسی امکان پیش بینی آن در آینده، مدل ساز تغییر زمین (LCM) به کار گرفته شد. داده های VNIR سنجندة ASTER ماهوارة TERRA با قدرت تفکیک مکانی 15 متر مربوط به سه دورة زمانی 2000، 2007 و 2016 در جنگل های شهرستان گیلان غرب استان کرمانشاه تجزیه وتحلیل شد. نقشه های پوشش سرزمین سال های یادشده در چهار طبقة پوشش جنگل، اراضی مرتعی، اراضی کشاورزی و مناطق انسان ساخت برای هر یک از تصاویر با به کارگیری روش حداکثر تشابه استخراج شد. نتایج تجزیه وتحلیل داده ها در دورة اول (2007-2000) و دورة دوم (2016-2007) نشان داد پوشش اراضی کشاورزی بیشترین افزایش، و پوشش اراضی مرتعی بیشترین کاهش مساحت را دارند. بر مبنای این تغییرات و با درنظرگرفتن هشت متغیر مستقل مدل رقومی ارتفاع، شیب، جهت، فاصله از جاده، فاصله از مناطق مسکونی، فاصله از حاشیه جنگل، فاصله از اراضی مرتعی، فاصله از اراضی کشاورزی، مدل سازی پتانسیل انتقال سال 2016 به روش شبکة عصبی پرسپترون چندلایه انجام گرفت. سپس، به وسیلة مدل پیش بینی سخت و تصاویر طبقه بندی شدة دورة اول (2007-2000)، نقشة پوشش سال 2016 با به کارگیری مدل ساز تغییر زمین پیش بینی شد. پس از ارزیابی مدل، میزان صحت کلی برابر با 09 /83 و ضریب کاپای برابر با 79 /0 به دست آمد که بیان کنندة انطباق زیاد بین نقشة پیش بینی شده و نقشة طبقه بندی شده است. با واردکردن نقشه های پوشش سرزمین دورة دوم (2016-2007) به مدل ساز تغییر زمین، نقشة پیش بینی پوشش سرزمین سال 2025 تهیه شد که نتایج نشان داد 52 /1029 هکتار از پوشش جنگل و 92 /1686 هکتار از اراضی مرتعی پتانسیل انتقال به اراضی کشاورزی را خواهند داشت.

پالایش نتایج جستجو

تعداد نتایج در یک صفحه:

درجه علمی

مجله

سال

حوزه تخصصی

زبان