Medynų tūrio 1 ha ir augavietės nustatymas neparametriniu panašiausio kaimyno metodu
| Author | Affiliation | |
|---|---|---|
LT |
| Date |
|---|
2009 |
Straipsnyje nagrinėjamos neparametrinio panašiausio kaimyno (MSN – most similar neighbor) metodo galimybės nustatant medyno turi 1 ha bei augavietę apskaitos barelyje, pagal tolydaus lauko miško taksacinių rodiklių aprašymo modelį. Tyrimų plote Dubravos miške palygintas MSN ir kNN metodu tikslumas naudojant įvairius pagalbinės informacijos šaltinius (SPOT 4 HRVIR, Landsat-5 TM, panchromatinius aerovaizdus, sklypinės miškų inventorizacijos informaciją bei morfometrinius žemės paviršiaus rodiklius) ir metodų taikymo taktiką. Nustatyta, kad esant tiems patiems pagalbinės informacijos šaltiniams, medynų tūrio 1 ha nustatymo panašiausio kaimyno metodu (MSN) vidutinė kvadratinė paklaida apskaitos barelyje yra didesnė nei pasiekiama kNN metodu, tačiau sisteminė paklaida, priešingai, yra mažesnė . Augavietės nustatymo tikslumas MSN metodu yra mažesnis už kNN, esant tiems patiems pagalbinės informacijos šaltiniams. Taip pat nustatyta, kad morfometriniai žemės paviršiaus rodikliai (altitudė , baseino plotas, šlaito ekspozicija, horizontalusis, maksimalusis, minimalusis, vertikalusis bei vidutinis kreiviai ir Saulės spinduliuotės jėga) leidžia gauti didesnį augavietės nustatymo tikslumą nei SPOT vaizdai.
This paper deals with the use of non-parametric most similar neighbor (MSN) approach to estimate forest stand volume per 1 ha and soil type at a sample plot level within the frames of continuous field view to represent forest characteristics geographically. The estimation accuracy using MSN and kNN methods and various sources of auxiliary information (SPOT 4 HRVIR, Landsat-5 TM and panchromatic aerial images, data available from stand-wise inventory and morphometric land surface parameters) as well as estimation tactics was studied on a research area in Dubrava forest. The root mean square error of stand volume per 1 ha estimation at a sample plot level was found to be larger for the estimations using MSN method than the one achieved with kNN for all sources of auxiliary information, however, the bias was always smaller. The accuracy of soil type estimation using the MSN method with the same auxiliary information is lower than that using the kNN. Morphometric land surface parameters (altitude, catchment area, slope aspect, horizontal, maximal, minimal, vertical and mean curvatures and surface insolation) were found resulting higher soil type estimation accuracies than SPOT images.