التصوير فائق الطيف لتحديد أنواع الأشجار بدقة واسترجاع مؤشر مساحة الأوراق في المراقبة البيئية لأشجار المانغروف

تُعد أشجار المانغروف من أهم الحواجز البيئية في البيئات الساحلية، وتؤثر صحتها بشكل مباشر على استقرار الخط الساحلي والتنوع البيولوجي وتخزين الكربون. ولتقييم حالة النظم البيئية لأشجار المانغروف، هناك مؤشران مهمان بشكل خاص: توزيع أنواع الأشجار و مؤشر مساحة الأوراق (LAI). وفي السنوات الأخيرة،, المراقبة البيئية لأشجار المانغروف باستخدام التصوير الطيفي الفائق أصبح نهجًا فعالًا بشكل متزايد لالتقاط كلا النوعين من المعلومات بدقة عالية وكفاءة عالية.

في دراسة أجريت في محمية تشانغجيانغ لمصب نهر المانغروف الطبيعية الوطنية, ، تم استخدام التصوير الطيفي الفائق المحمول جواً عبر الطائرات بدون طيار لدعم التحديد الدقيق لأنواع الأشجار باستخدام كاميرا التصوير الطيفي الفائق و استرجاع مؤشر مساحة الأوراق باستخدام التصوير الطيفي الفائق. وأظهرت النتائج أن الاستشعار عن بعد الطيفي الفائق يمكنه التمييز بدقة بين أنواع المانغروف السائدة وتوفير تقديرات موثوقة لمؤشر مساحة الأوراق للتقييم البيئي وتخطيط الاستعادة ومراقبة الغطاء النباتي عبر البيئات المدية المعقدة.

---

لماذا تعتبر المراقبة البيئية لأشجار المانغروف باستخدام التصوير الطيفي الفائق مهمة؟

غالبًا ما تحتوي محميات المانغروف على أنواع متعددة تنمو بأنماط مجزأة ومتداخلة. وفي الوقت نفسه، عادةً ما يكون التحقيق الميداني في الأراضي الرطبة الساحلية محدودًا بسبب المد والجزر والتضاريس الموحلة وانخفاض إمكانية الوصول. وهذا يجعل المسوحات النباتية التقليدية بطيئة وتتطلب عمالة مكثفة ويصعب توسيع نطاقها.

الحاجة إلى التحديد الدقيق لأنواع الأشجار

بالنسبة لإدارة المانغروف، تعتبر المعلومات على مستوى الأنواع ضرورية. فلكل نوع وظائف بيئية مختلفة واستجابات نمو وقيم استعادة مختلفة. يساعد رسم خرائط دقيق لتوزيع الأنواع الباحثين ومديري المحميات على فهم بنية الموائل واتخاذ قرارات حفظ أفضل.

لهذا السبب التحديد الدقيق لأنواع الأشجار باستخدام كاميرا التصوير الطيفي الفائق يُعد تطبيقًا مهمًا للغاية. وبالمقارنة مع طرق التصوير التقليدية، يمكن للتصوير الطيفي الفائق التقاط اختلافات طيفية دقيقة بين الأنواع المتشابهة بصريًا. وهذا يجعله ذا قيمة خاصة في بيئات المانغروف المختلطة حيث يصعب تحقيق تصنيف دقيق باستخدام صور RGB أو الصور متعددة الأطياف القياسية وحدها.

أهمية استرجاع مؤشر مساحة الأوراق

استرجاع مؤشر مساحة الأوراق باستخدام كاميرا التصوير الطيفي الفائق هو مكون رئيسي آخر للمراقبة البيئية. يعكس مؤشر مساحة الأوراق كثافة المظلة وحالة نمو الغطاء النباتي والقدرة على التمثيل الضوئي. ويُستخدم على نطاق واسع لتقييم إنتاجية النظام البيئي وصحة الغطاء النباتي وأداء الاستعادة.

غالبًا ما تكون طرق قياس مؤشر مساحة الأوراق التقليدية مستهلكة للوقت وغير مناسبة لمراقبة الأراضي الرطبة على نطاق واسع. وعلى النقيض من ذلك،, استرجاع مؤشر مساحة الأوراق باستخدام التصوير الطيفي الفائق يوفر طريقة أسرع وأكثر قابلية للتوسع لتقدير معايير المظلة عبر مناطق واسعة مع الحفاظ على دقة عالية.

---

مزايا كاميرا التصوير الطيفي الفائق لمراقبة المانغروف

توضح الدراسة كيف يمكن للتصوير الطيفي الفائق دعم كل من التحديد الدقيق لأنواع الأشجار و استرجاع مؤشر مساحة الأوراق في النظم البيئية الساحلية المعقدة.

حساسية طيفية عالية لتمييز الأنواع

يمكن لكاميرا التصوير الطيفي الفائق تسجيل معلومات انعكاسية مفصلة عبر نطاق طيفي مستمر، مما يجعل من الممكن اكتشاف اختلافات صغيرة في انعكاس الأوراق والمظلة بين الأنواع. هذه القدرة مهمة بشكل خاص لـ تحديد أنواع الأشجار باستخدام كاميرا التصوير الطيفي الفائق, ، حيث يعتمد التصنيف على تباين طيفي دقيق لكن مستقر.

في محمية مصب تشانغجيانغ، أنواع المانغروف السائدة مثل كانديليا أوبوفاتا, إيجيسيراس كورنيكولاتوم, و أفيسينيا مارينا توجد في توزيع فسيفسائي معقد. يمكن التقاط اختلافاتها الطيفية بشكل فعال من خلال التصوير الطيفي الفائق، مما يدعم تصنيفًا أكثر دقة من طرق المسح التقليدية.

دقة مكانية عالية لتحليل بنية المظلة

بالإضافة إلى الثراء الطيفي، يوفر التصوير الطيفي الفائق المحمول جواً عبر الطائرات بدون طيار أيضًا تفاصيل مكانية عالية. على ارتفاع طيران يبلغ 100 متر، حققت الصور دقة أرضية على مستوى السنتيمتر، مما يسمح بمراقبة واضحة لبنية المظلة وملمس التاج وحدود الغطاء النباتي.

هذا مهم بشكل خاص لـ المراقبة البيئية لأشجار المانغروف باستخدام التصوير الطيفي الفائق, ، لأن تصنيف الأنواع واسترجاع مؤشر مساحة الأوراق يستفيدان من المعلومات الهيكلية التفصيلية على مستوى التاج والمظلة.

بيانات موثوقة للتطبيقات البيئية

يعد الاستحواذ المستقر على الصور أمرًا بالغ الأهمية لأي سير عمل للمراقبة البيئية. تعمل بيانات التصوير الطيفي الفائق عالية الجودة على تحسين موثوقية التحليل الطيفي واستخراج الميزات ونماذج التصنيف وعكس معايير الغطاء النباتي. في هذه الحالة، وفر سير عمل التصوير الطيفي الفائق أساسًا قويًا للبيانات لكل من التعرف الدقيق على الأنواع باستخدام كاميرا التصوير الطيفي الفائق و استرجاع مؤشر مساحة الأوراق باستخدام التصوير الطيفي الفائق.

---

الاستحواذ على البيانات والمعالجة المسبقة للمراقبة البيئية لأشجار المانغروف باستخدام التصوير الطيفي الفائق

يبدأ سير العمل القوي بتخطيط مناسب للاستحواذ على البيانات والمعالجة المسبقة. في الأراضي الرطبة الساحلية، يمكن أن يؤثر التوقيت والظروف البيئية بشكل كبير على جودة بيانات الاستشعار عن بعد.

تخطيط رحلات الطائرات بدون طيار وتصميم المسح

تم تنفيذ المسح الجوي في ديسمبر 2024 أثناء انخفاض المد, ، مما يقلل من تأثير مياه المد على التقاط الصور. تم تقسيم منطقة الدراسة إلى ستة أقسام لتحسين كفاءة المسح واتساق البيانات. تم ضبط معايير طيران الطائرة بدون طيار لضمان تغطية واسعة وتفاصيل مكانية دقيقة في آن واحد.

نظام التصوير فائق الطيف المستخدم في هذه الدراسة كان راموتون RT-FS60. أثناء جمع البيانات، حققت المنصة دقة أرضية تبلغ حوالي 71 سم على ارتفاع طيران يبلغ 100 م, ، وبسرعة طيران تبلغ 5 م/ث وبزاوية خط طيران رئيسي تبلغ 87°.

التصحيح الإشعاعي وتوليد الصور

تمت معالجة بيانات التصوير فائق الطيف الخام في ENVI 5.3 لإجراء التصحيح الإشعاعي بهدف تقليل تأثير العوامل الجوية وظروف الإضاءة وتغير زاوية الشمس. بعد ذلك، تم إكمال التسجيل الهندسي ودمج الشرائط لتوليد صورة فائقة الطيف كاملة لمحمية المانغروف.

استخراج منطقة المانغروف

لعزل نباتات المانغروف عن الأسطح غير المستهدفة، طبق الباحثون طريقة عتبة NDVI باستخدام نطاق يتراوح بين 53 و1.00. أدت هذه العملية إلى إخفاء المسطحات المائية والمستنقعات المالحة والأسطح الاصطناعية. ثم تم تحسين النتيجة من خلال التفسير اليدوي، مما يضمن استخراجًا دقيقًا لمنطقة المانغروف للتحليل اللاحق.

كان سير العمل هذا للمعالجة المسبقة ضروريًا لتحسين أداء تحديد أنواع الأشجار بالكاميرا فائقة الطيف و استرجاع مؤشر مساحة الأوراق باستخدام التصوير الطيفي الفائق.

---

التحديد الدقيق لأنواع الأشجار باستخدام الكاميرا فائقة الطيف

بعد المعالجة المسبقة، ركز البحث على التحديد الدقيق لأنواع الأشجار باستخدام كاميرا التصوير الطيفي الفائق, ، وهو أحد الأهداف الأساسية للدراسة.

التجزئة متعددة المقاييس وبناء الميزات

تم تحليل صور التصوير فائق الطيف المعالجة باستخدام طريقة التجزئة متعددة المقاييس الموجهة بالكائنات. تم تحديد مقياس التجزئة الأمثل عند 25, ، مع مقياس دمج يبلغ 80, ، مما يقلل بشكل فعال من خطر التجزئة المفرطة أو التجزئة غير الكافية.

تم بناء ما مجموعه 323 ميزة من البيانات، بما في ذلك:

• ميزات النطاقات الطيفية الأصلية
• مؤشرات الغطاء النباتي
• ميزات الملمس
• ميزات الشكل
• ميزات الارتفاع المستمدة من LiDAR
• ميزات الشدة المستمدة من LiDAR

وفرت هذه المجموعة عالية الأبعاد من الميزات أساسًا قويًا لـ التحديد الدقيق لأنواع الأشجار بالكاميرا فائقة الطيف في غابات المانغروف المختلطة.

اختيار الميزات وتصنيف التعلم العميق

بعد أن أزال تحليل الارتباط 273 ميزة شديدة التكرار, ، تم فحص المتغيرات المتبقية باستخدام:

• RF-RFE
• XGBoost
• LightGBM

أدى تقاطع النتائج المحددة إلى توليد مجموعة ميزات مثالية ذات 14 بُعدًا, ، بما في ذلك متغيرات حساسة طيفية وهيكلية ومتعلقة بالمظلة.

ثم تم إدخال هذه الميزات في Swin-UperNet نموذج التعلم العميق لتصنيف الأنواع السائدة من أشجار المانغروف. مكّن هذا الإجراء من التمييز الدقيق بين كانديليا أوبوفاتا, إيجيسيراس كورنيكولاتوم, و أفيسينيا مارينا, ، مما يُظهر القيمة العملية لـ التعرف الدقيق على الأنواع باستخدام كاميرا التصوير الطيفي الفائق في التطبيقات البيئية.

نتائج تحديد أنواع الأشجار

بلغت الدقة الإجمالية للتصنيف 91.18%, ، مع معامل كابا 0.85, ، مما يشير إلى توافق قوي بين تنبؤات النموذج والظروف الميدانية.

كانت دقة المنتج لكل نوع كما يلي:

• Aegiceras corniculatum: 92.08%
• Avicennia marina: 91.38%
• Kandelia obovata: 90.66%

تؤكد هذه النتائج أن التحديد الدقيق لأنواع الأشجار باستخدام كاميرا التصوير الطيفي الفائق يمكن أن توفر خرائط دقيقة وقابلة للتنفيذ للأنواع لمراقبة النظم البيئية لأشجار المانغروف.

---

استرجاع مؤشر مساحة الأوراق باستخدام التصوير فائق الطيف

بناءً على نتائج تصنيف الأنواع، كانت الخطوة التالية هي استرجاع مؤشر مساحة الأوراق باستخدام التصوير الطيفي الفائق, ، وهو محور رئيسي آخر لهذه الدراسة.

استراتيجية استرجاع مؤشر مساحة الأوراق الخاصة بالأنواع

بدلاً من تطبيق نموذج واحد على جميع نباتات المانغروف، اختار الباحثون الميزات الحساسة بشكل منفصل لكل نوع. أدت هذه الاستراتيجية الخاصة بالأنواع إلى تحسين دقة استرجاع مؤشر مساحة الأوراق بالكاميرا فائقة الطيف, ، لأن بنية المظلة والاستجابة الطيفية تختلف بين أنواع المانغروف المختلفة.

تطوير النماذج والمقارنة

تم دمج الميزات المحددة في ثلاث خوارزميات لتقدير مؤشر مساحة الأوراق:

• SVR
• PLSR
• BPNN

من خلال الجمع بين طرق اختيار الميزات المختلفة مع هذه الخوارزميات، بنى فريق البحث تسعة نماذج هجينة متقاطعة وقارنوا أداء الاسترجاع الخاص بها.

تم تحديد النماذج المثلى على النحو التالي:

• RF-RFE + SVR لـ كانديليا أوبوفاتا
• RF-RFE + SVR لـ أفيسينيا مارينا
• XGBoost + BPNN لـ إيجيسيراس كورنيكولاتوم

أدى هذا النهج إلى تحسين كبير في استرجاع مؤشر مساحة الأوراق باستخدام التصوير الطيفي الفائق الأداء على مستوى الأنواع.

نتائج استرجاع مؤشر مساحة الأوراق

كانت قيم مؤشر مساحة الأوراق المسترجعة متوافقة بشكل كبير مع القياسات الميدانية.

كانت نطاقات مؤشر مساحة الأوراق المقدرة:

• Kandelia obovata: 897–3.001، المتوسط 1.416
• Aegiceras corniculatum: 934–1.919، المتوسط 1.355
• Avicennia marina: 913–2.221، المتوسط 1.443

من بين النماذج، كانت النتيجة لـ أفيسينيا مارينا كان قويًا بشكل خاص:

• R² = 0.87
• MAE = 0.02
• RMSE = 0.04

بالنسبة لـ كانديليا أوبوفاتا, ، حقق النموذج:

• R² = 0.81
• MAE = 0.09
• RMSE = 0.05

تُظهر هذه النتائج أن استرجاع مؤشر مساحة الأوراق باستخدام كاميرا فائقة الطيف يمكن أن ينتج معلومات موثوقة ودقيقة عن الغطاء النباتي للتحليل البيئي ورصد الاستعادة البيئية.

---

القيمة البيئية للرصد البيئي الفائق الطيف لأشجار المانغروف

تتجاوز أهمية هذه الدراسة الدقة التقنية. كما تُظهر كيف المراقبة البيئية لأشجار المانغروف باستخدام التصوير الطيفي الفائق يمكن أن يدعم الإدارة العملية للنظام البيئي واتخاذ القرارات العلمية.

الكشف عن الأنماط المكانية في حالة أشجار المانغروف

كشفت الدراسة عن اتجاه مكاني واضح في مؤشر مساحة الأوراق لأشجار المانغروف عبر المحمية، مما أظهر نمطًا من الانخفاض من الشمال إلى الجنوب، ثم الارتفاع، ثم الانخفاض مرة أخرى. توفر هذه المعلومات المكانية رؤية قيّمة حول حالة الغطاء النباتي، والتباين في الموائل، والوظيفة البيئية.

تحسين التفسير البيئي باستخدام ميزات متعددة المصادر

من النتائج المهمة الأخرى المساهمة المشتركة لـ ميزات الارتفاع و ميزات الشدة في تقدير مؤشر مساحة الأوراق. يؤكد هذا أن دمج المعلومات الطيفية مع الخصائص الهيكلية يمكن أن يعزز أداء استرجاع مؤشر مساحة الأوراق باستخدام التصوير الطيفي الفائق ويحسّن تفسير ديناميكيات مظلة أشجار المانغروف.

دعم الحفظ والاستعادة البيئية

من خلال الجمع بين التحديد الدقيق لأنواع الأشجار باستخدام كاميرا التصوير الطيفي الفائق و استرجاع مؤشر مساحة الأوراق باستخدام التصوير الطيفي الفائق, ، يمكن للباحثين ومديري الحفظ الحصول على معلومات أكثر دقة من أجل:

• تخطيط الحفاظ على أشجار المانغروف
• تقييم فعالية الاستعادة البيئية
• رصد صحة الغطاء النباتي
• إدارة موارد الأراضي الرطبة
• المراقبة البيئية طويلة الأمد

وهذا يجعل الاستشعار عن بعد فائق الطيف أداة عالية القيمة لحماية البيئة الساحلية.

---

معلومات المنتج لرصد الغطاء النباتي الجوي

بالنسبة لتطبيقات رصد الغطاء النباتي الجوي، كان النظام المستخدم في هذه الدراسة هو راموتون RT-FS60. تشمل مواصفاته الأساسية ما يلي:

• النطاق الطيفي: 400–1000 نانومتر
• الدقة الطيفية: 5 نانومتر
• النطاقات الطيفية: 1200
• البكسلات المكانية: 1920

هذه الميزات التقنية تجعل التصوير فائق الطيف مناسبًا للغاية لما يلي:

• التحديد الدقيق لأنواع الأشجار
• استرجاع مؤشر مساحة الأوراق
• الرصد البيئي لأشجار المانغروف
• تحليل الغطاء النباتي في الأراضي الرطبة
• مسوحات الموارد الحرجية
• تقييم نمو المحاصيل

---

الخاتمة

تُظهر هذه الدراسة في محمية تشانغجيانغ لمصب نهر المانغروف الطبيعية الوطنية أن الاستشعار عن بعد فائق الطيف فعال للغاية في التحديد الدقيق لأنواع الأشجار باستخدام كاميرا التصوير الطيفي الفائق, استرجاع مؤشر مساحة الأوراق باستخدام كاميرا فائقة الطيف, و المراقبة البيئية لأشجار المانغروف باستخدام التصوير الطيفي الفائق.

وبدقة تصنيف إجمالية للأنواع تبلغ 91.18% وبخطأ في استرجاع مؤشر مساحة الأوراق يصل إلى 0.04, ، يُظهر سير العمل الإمكانات القوية للتصوير فائق الطيف عبر الطائرات بدون طيار في النظم البيئية الساحلية المعقدة. ويوفر دعمًا دقيقًا وفعالًا للبيانات من أجل الحفاظ على أشجار المانغروف واستعادتها وإدارتها، مع تقديم إمكانات تطبيق واسعة في الغابات والأراضي الرطبة ورصد الغطاء النباتي.