ارائه کننده: لعیا زینالی یادگاری

استاد راهنما: دکتر هرمز سهرابی

استاد مشاور: دکتر الیا کوئروس روسادو

استاد مشاور دوم: دکتر مارکوس ایمیتزر

استاد ناظر داخلی: دکتر سیدمحسن حسینی، دکتر سامره فلاحتکار

استاد ناظر خارجی: دکتر مهتاب پیرباوقار، دکتر جواد سوسنی

نماینده تحصیلات تکمیلی: دکتر امید اسماعیل­ زاده

تاریخ: ۱۴۰۴/۱۰/۳۰ 

ساعت: ۰۸:۰۰ 

مکان: سالن اصلی کاخ

چکیده: 

 خدمات اکوسیستمی به‌عنوان بخشی از سرمایه طبیعی محسوب می‌شوند و تشخیص و ارزیابی به‌ موقع آن‌ها می‌تواند جایگزینی برای سنجش وضعیت و سلامت یک اکوسیستم باشد. اکوسیستم‌های جنگلی نقش حیاتی در تولید چوب، جذب و ذخیره کربن و حفظ تنوع زیستی دارند و ظرفیت آن‌ها برای ارائه این خدمات به‌شدت به شیوه مدیریت وابسته است. در جنگل‌های معتدل هیرکانی، ساختار پیچیده تاج و زیست‌توده بالا چالش‌های قابل‌توجهی برای برآورد دقیق ارتفاع تاج‌پوشش و زیست‌توده روزمینی ایجاد می‌کند. این مطالعه با ادغام داده‌های چندمنبعی شامل سنتینل-1، سنتینل-2، لندست-8، لایدار فضاییGEDI ، متغیرهای توپوگرافی و مدل ارتفاع تاج (CHM) و با استفاده از الگوریتم‌های یادگیری ماشین شامل جنگل تصادفی، رگرسیون خطی،SVR  و KNN، نقشه‌های با تفکیک مکانی بالا از ارتفاع تاج، زیست‌توده و حجم سرپا را در بیش از دو میلیون هکتار جنگل‌های هیرکانی تولید کرد. ارزیابی مدل‌ها با استفاده از ۲۵۴۳ قطعه نمونه میدانی با موقعیت مکانی اصلاح‌شده نشان داد که افزودن داده‌های راداری و ارتفاعی به داده‌های اپتیکی، دقت پیش‌بینی را به‌طور قابل‌توجهی افزایش می‌دهد؛ به‌گونه‌ای که بهترین عملکرد برای ارتفاع تاج (RH75) به R² = 0.56 و RMSE = 6.6 m، برای زیست‌توده روزمینی به R² = 0.47 و RMSE ≈ 79 Mg ha⁻¹ و برای حجم سرپا با ترکیب لندست-8 + سنتینل-1 + شاخص‌های طیفی  SRTM + به R² ≈ 0.27 و RMSE ≈ 163 m³ ha⁻¹ رسید. تحلیل اهمیت متغیرها نشان داد که ارتفاع تاج، شاخص‌های red-edge و ارتفاع از سطح دریا اثرگذارترین پیش‌بینی‌کننده‌ها هستند و رابطه خطی بین این متغیرها و زیست‌توده توسط مدل‌های خطی و جنگل تصادفی به خوبی بازنمایی می‌شود. الگوریتم SVR در برخی ترکیب‌ها تمایل به کم‌برآوردی داشت و KNN ضعیف‌ترین عملکرد را نشان داد. نتایج این مطالعه نشان می‌دهد که ترکیب داده‌های چندمنبعی و الگوریتم‌های پیشرفته یادگیری ماشین، محدودیت‌های داده‌های اپتیکی و اثرات اشباع در مناطق با زیست‌توده بالا را کاهش داده و امکان برآورد دقیق، گسترده و کاربردی ساختار جنگل‌های پیچیده و کهنسال را فراهم می‌کند، که می‌تواند مبنای پایش کارآمد خدمات اکوسیستمی و مدیریت پایدار جنگل‌ها باشد.