تصویر برداری لندست و انتشار توپوگرافیکی رادار شاتل (SRTM) اخیرا برای شناسایی واحدهای گیاهی در مقیاس گسترده در جنگل های بارانی آمریکای جنوبی و نواحی گرمسیری آمریکای شمالی استفاده شده است، که مطابق با شکل گیری زمین شناسی و ویژگی های خاکی است. با این حال، در مورد تنوع ساختاری و عملکردی بین واحدهای گیاهی دانش کمی وجود دارد . داده های لندست و SRTM فاقد قدرت تفکیک طیفی و مکانی برای فراهم آوردن این اطلاعات هستند. تصویر برداری طیف سنجی و لیدار (نوریاب و مسافت یاب) برای سنجش عملکرد و ساختار تاج پوشش در انواعی از اکوسیستم ها استفاده شده است، اما توانایی این تکنولوژی ها برای سنجش تفاوت های بین انواع جنگلی گرمسیری از نظر ترکیب متمایز اما یکنواخت ناشناس باقی مانده است. ما 16 اندازه گیری درخت را از پاناما مرکزی با تصویر برداری طیف سنجی و داده های ارتفاعی لیدار از رصدخانه هوایی Carnegie ترکیب کردیم تا توانایی مان جهت شناسایی الگوهای ترکیب گونه های گیاهی را بیازماییم، و تفاوت های طیفی و ساختاری بین انواع جنگلی گرمسیری تاج پوشش – بسته مجاور را بسنجیم. ما دریافتیم که تغییرات در تصویر برداری طیف سنجی و داده های لیدار، پیش بینی کننده های قویی از گردش مکانی ترکیب گونه های گیاهی هستند. همچنین ما دریافتیم که این الگوهای ترکیبی، شیمیایی، و ساختاری مطابق با شکل گیری های زمین شناسی زیربنایی و ویژگی های ژئومورفولوژی است. ما نتیجه گیری کردیم که تصویر برداری طیف سنجی و داده های لیدار می توانند برای تفسیر الگوهای شناسایی شده در سنسورهای رزولوشن پایین تر استفاده شوند، تا اطلاعات جدید در مورد عملکرد و ساختار جنگل فراهم شود، و عوامل زیربنایی این الگوها شناسایی شود.
Abstract
Landsat and Shuttle Radar Topography Mission (SRTM) imagery have recently been used to identify broad-scale floristic units in Neotropical rain forests, corresponding to geological formations and their edaphic properties. Little is known about the structural and functional variation between these floristic units, however, and Landsat and SRTM data lack the spectral and spatial resolution needed to provide this information. Imaging spectroscopy and LiDAR (Light Detection and Ranging) have been used to measure canopy structure and function in a variety of ecosystems, but the ability of these technologies to measure differences between compositionally-distinct but otherwise uniform tropical forest types remains unknown. We combined 16 tree inventories from central Panama with imaging spectroscopy and LiDAR elevation data from the Carnegie Airborne Observatory to test our ability to identify patterns in plant species composition, and to measure the spectral and structural differences between adjacent closed-canopy tropical forest types. We found that variations in spectroscopic imagery and LiDAR data were strong predictors of spatial turnover in plant species composition. We also found that these compositional, chemical, and structural patterns corresponded to underlying geological formations and their geomorphological properties. We conclude that imaging spectroscopy and LiDAR data can be used to interpret patterns identified in lower resolution sensors, to provide new information .on forest function and structure, and to identify underlying determinants of these patterns
:Keywords
Imaging spectroscopy: LiDAR: Plant species composition: Foreststructure: PanamaTropical forest: Geology
چکیده
کلمات کلیدی
1. مقدمه
2. مواد و روش های تحقیق
2.1. منطقه ی مورد مطالعه
2.2. داده های CAO-AToMS
2.3. داد های فهرست موجود درخت
2.4. تحلیل داده های CAO
2.5. تحلیل داده های فهرست موجودی درخت
2.6. روابط بین ترکیب گونه های درختی، متغیرهای VSWIR، و متغیرهای لیدار
3. نتایج
3.1. الگوها در داده های CAO-AToMS
3.2. الگوها در داده های فهرست موجودی درخت
3.3. روابط بین ترکیب گونه های درخت، متغیرهای VSWIR، و متغیرهای لیدار
4. بحث
Abstract
Keywords
1. Introduction
2. Materials and methods
2.1. Study area
2.2. CAO-AToMS data
2.3. Tree inventory data
2.4. CAO data analysis
2.5. Tree inventory data analysis
2.6. Relationships between tree species composition, VSWIR variables, and LiDAR variables
3. Results
3.1. Patterns in CAO-AToMS data
3.2. Patterns in tree inventory data
3.3. Relationships between tree species composition, VSWIR variables, and LiDAR variables
4. Discussion
Acknowledgments
References
در نهایت، مقایسه یافته های ما با مطالعات قبلی با سنسورهای دارای رزولوشن متوسط همانند لندست و SRTM ماهیت مکمل این سیستم های دارای رزولوشن متوسط و بالا را آشکار می سازد و یک استراتژی کارآمد را برای استفاده از سنسورهای هوابرد پیشنهاد می کند. مطالعات پیشین نشان دادند که تغییرات در تصویر برداری لندست و داده های ارتفاعی STRM با تغییرات در ترکیب گونه های گیاهی در سایت های شمال غربی آمازون همبستگی دارد (هیگینز، و همکارنش، 2012؛ ساووارا، ثسلر، مالیک، و تومیستو، 2005؛ تومیستو، پولسن، و همکارانش، 2003؛ تومیستو، روکولاینن و همکارانش، 2003)، که هم راستا با یافته های ما در مورد تصویر برداری VSWIR و داده های ارتفاعی لیدار است. این امر نشان می دهد که سنسورهای دارای رزولوشن بالا و متوسط می توانند برای شناسایی الگوهای ترکیب گونه های گیاهی در جنگل های گرمسیری استفاده شوند.
با این حال، سنسور توصیف شده در این مقاله همچنین می تواند ویژگی های جنگلی همانند ساختار و شیمی تاج پوشش را اندازه گیری کند، اما دارای هزینه های بیشتر و جای دیسی کمتری است. این امر نشان می دهد که سنسور های هوابرد می توانند بطور کارآمدی توسط سنسورهای دارای رزولوشن کمتر همانند لندست و SRTM استفاده شوند تا الگوهای مقیاس های گسترده تری شناسایی شوند؛ و سپس سنسورهای دارای رزولوشن بالا برای مناطق دارای تغییر و تبدیل سریع مورد هدف قرار گیرند. این ترکیب از سیستم های حسگر می تواند اطلاعاتی را در مورد ساختار و شیمی جنگل فراهم آورد که برای درک پویایی، عملکرد، و انعطاف پذیری جنگل های گرمسیری مورد نیاز است.
نقد و بررسی‌ها
هنوز بررسی‌ای ثبت نشده است.