ارزیابی شاخص های طیفی استخراج شده ازتصاویر ALOS-AVNIR2 به منظورتخمین میزان بایومس محصول برنج
آرشیو
چکیده
داده های ماهواره ای به منظور گسترش و مدیریت منابع کشاورزی همواره قادر هستند درتأمین اطلاعات لازم در جنبه های مختلف جوامع گیاهی من جمله بایومس نقش مهمی را ایفا نمایند. در تحقیق حاضر به بررسی توانایی شاخص های طیفی در تخمین بایومس محصول برنج در شهرستان آمل به عنوان یکی از قطب های مهم تولید برنج در کشور پرداخته شده است. محصول برنج به دلیل اهمیتی که تأمین نیازهای غذایی و کالری بخش عظیمی از جامعه برعهده دارد برای این تحقیق انتخاب شد. عملیات میدانی اندازه گیری بایومس در زمانی که برنج در منطقه مطالعاتی در حداکثر رشد رویشی خود قرار داشت( خرداد 1389)، انجام شد. دو تصویر ماهواره ALOS-AVNIR-2 که همزمان با اندازه گیری های میدانی اخذ گردیده بود جهت استخراج و تعیین شاخص های گیاهی مورد استفاده قرار گرفتند. سپس همبستگی بین داده های زمینی و شاخص های گیاهی حاصل از ترکیب باندهای مختلف، ارزیابی و پس از آن، شاخص های گیاهی مناسب تشخیص داده شدند. در نهایت محاسبات و بررسی های آماری برای معرفی مدل مناسب ارائه گردید. پس از آزمایش مدل ها نتایج به دست آمده نشان داد که شاخص DVI با ضریب تعیین 72 درصد نسبت به دیگر شاخص های استفاده شده از دقت بالاتری در تخمین بایومس برخوردار است. بر اساس اطلاعات به دست آمده از این تحقیق می توان بیان نمود که با استفاده از تصاویر ماهواره ALOS امکان تخمین بایومس با دقت قابل قبولی وجود دارد.Evaluation of ALOS-AVNIR2 Spectral Indices for Prediction of Rice Biomass
Introduction
Quantification and monitoring of biophysical and biochemical parameters of vegetation play a vital role in the terrestrial ecosystems. Biophysical parameters such as biomass and leaf area index (LAI) are the indicators of the productivity and function of crop. Rice is one of the major staples and widely planted crop in northern part of Iran. Rapid population growth, demands more rice production, while agricultural lands are gradually reducing with urban expansion. Monitoring rice production by remote sensing has been widely carried out in many countries where rice is the main food.
The advantages of remotely sensed data, such as repetition of data collection, a synoptic view, a digital format that allows fast processing of large quantities of data, and the high correlation between spectral bands and vegetation parameters, make it the primary source for large area biomass estimation, especially in areas of difficult access. Therefore, remote sensing-based biomass estimation has increasingly attracted scientific interest. The possibility of estimation biomass by satellite remote sensing has been investigated in several studies at various spatial scales and environments. However this study aims to estimate the amount of fresh biomass of rice using Vegetation indices from ALOS satellite image which is rather new satellite.
تبلیغات
