Estimation of the Average Height of Forest Stand Using Digital Elevation Model in Khlong Lan National Park, Kamphaeng Phet Province
Article Sidebar
Main Article Content
Abstract
The objectives of this study were to evaluate commonly used digital elevation models (DEM) both in form of digital terrain model (DTM) and digital surface model (DSM) affected by forest canopy and to examine the possibility of using the difference in value between DTM and DSM for estimating the average tree height of forest stands in Khlong Lan National Park, Kamphaeng Phet Province. To do this, global GDEM and SRTM were adopted to test in the study as well as local DEMs, namely a DEM prepared by the Royal Thai Survey Department (RTSD DEM) and a DEM prepared by the Land Development Department (LDD DEM). The difference in value of each pairs of DEMs was determined. Selected vegetation indices, namely NDVI, SAVI, and RVI were analyzed using Landsat OLI image. Additionally, the correlation between the difference in value of DEMs and vegetation indices has been performed. Then, a vegetation index image that had highest correlation value was classified into different strata of forest stand. Fourty 17.84m-circular-plots were randomly established in each forest stratum in order to measure tree heights. The difference in value between DTM and DSM that was highly correlated with vegetation index and the average height of forest stands were used to perform regression analysis. Derived regression model was then used to estimate the average tree height of forest stands for the whole area of the national park.
It was found that the difference in value of RTSD DEM and LDD DEM is correlated with vegetation indices higher than the global DEMs. The correlation coefficients are 0.57, 0.50 and 0.59 for NDVI, SAVI, and RVI, respectively. The derived model is c = 2.2826 + 0.81
spc (where
c is the average height of trees measured from model,
spc is the difference in value of local DEMs). The coefficient of determination is about 0.69. Using the model, the height of forest stand of the study area was mapped. The average tree height is estimately 16.86 meters, with root mean square error (RMSE) of 2.37, index of agreement (d) of 0.48 and mean absolute error (MAE) of -2.05.
Article Details
ข้าพเจ้าและผู้เขียนร่วม (ถ้ามี) ขอรับรองว่า ต้นฉบับที่เสนอมานี้ยังไม่เคยได้รับการตีพิมพ์และไม่ได้อยู่ในระหว่างกระบวนการพิจารณาตีพิมพ์ลงในวารสารหรือสิ่งตีพิมพ์อื่นใด ข้าพเจ้าและผู้เขียนร่วม (ถ้ามี) ยอมรับหลักเกณฑ์และเงื่อนไขการพิจารณาต้นฉบับ ทั้งยินยอมให้กองบรรณาธิการมีสิทธิ์พิจารณาและตรวจแก้ต้นฉบับได้ตามที่เห็นสมควร พร้อมนี้ขอมอบลิขสิทธิ์ผลงานที่ได้รับการตีพิมพ์ให้แก่วารสารวนศาสตร์ คณะวนศาสตร์ มหาวิทยาลัยเกษตรศาสตร์ กรณีมีการฟ้องร้องเรื่องการละเมิดลิขสิทธิ์เกี่ยวกับภาพ กราฟ ข้อความส่วนใดส่วนหนึ่ง หรือ ข้อคิดเห็นที่ปรากฏในผลงาน ให้เป็นความรับผิดชอบของข้าพเจ้าและผู้เขียนร่วม (ถ้ามี) แต่เพียงฝ่ายเดียว และหากข้าพเจ้าและผู้เขียนร่วม (ถ้ามี) ประสงค์ถอนบทความในระหว่างกระบวนการพิจารณาของทางวารสาร ข้าพเจ้าและผู้เขียนร่วม (ถ้ามี) ยินดีรับผิดชอบค่าใช้จ่ายทั้งหมดที่เกิดขึ้นในกระบวนการพิจารณาบทความนั้น”
References
สุเพชร จิรขจรกุล. 2555. เรียนรู้ระบบสารสนเทศภูมิศาสตร์ด้วยโปรแกรม ArcGIS 10.1 for Desktop. พิมพ์ครั้งที่ 1. ภาควิชาเทคโนโลยีชนบท คณะวิทยาศาสตร์และเทคโนโลยี มหาวิทยาลัยธรรมศาสตร์ ศูนย์รังสิต, ปทุมธานี.
สำนักงานนโยบายและแผนทรัพยากรธรรมชาติและสิ่งแวดล้อม. 2558. โครงการเตรียมรับมือและป้องกันผลกระทบจากการเปลี่ยนแปลงสภาพภูมิอากาศที่อาจมีต่อระบบนิเวศและสิ่งแวดล้อมแหล่งธรรมชาติอันควรอนุรักษ์ ประเภทน้ำตก. กระทรวงทรัพยากรธรรมชาติและสิ่งแวดล้อม, กรุงเทพฯ.
Geo-Informatics and Space Technology Development Agency (Public Organization) - GISTDA. 2012. The Meaning of the Height Information Terrain. Available source: https://sites.google.com/site/ lidardemservice/khwam-hmay-khxng-khxmul-khwam-sungphumiprathes-thi-hi-brikar, October 8, 2015.
Huete, A. 1988. A Soil-adjusted vegetation Index (SAVI). Remote Sensing of Environment 25: 295-309.
Jordan, C.F. 1969. Derivation of leaf area index from quality measurements of light on the forest floor. Ecology 50: 663-666.
Krause, P., D.P. Boyle and F. Base. 2005. Comparison of Different Efficiency Criteria for Hydrological Model Assessment. Advances in Geosciences 5: 89-97.
Rouse, J.W., R.H. Haas, J.A. Schell and D.W. Deering. 1973. Monitoring vegetation systems in the Great Plains with ERTS. NASA SP-351I 309-317.
United States Geological Survey. 2015. Landsat Missions Timeline. Available source: http://landsat.usgs.gov/about_mission_history.php, October 8, 2015.
Willmott, C.J. 1982. Some comments on the evaluation of model performance. Bulletin of the American Meteorological Society 63 (11): 1309-1369.
Walker, W.S., L.E. Pierce, J.M. Kellndorfer, M.C. Dobson, C.T. Hunsaker and J.A. Fites. 2004. A comparison of forest canopy height estimates derived from SRTM and TOPSAR in the Sierra Nevada of California. Geoscience and Remote Sensing Symposium 4: 2336- 2339