برآورد شاخص سطح برگ محصول ذرت با استفاده از تصاویر ماهواره سنتینل 2 (مقاله علمی وزارت علوم)
درجه علمی: نشریه علمی (وزارت علوم)
آرشیو
چکیده
شاخص سطح برگ استخراج شده (LAI) از تصاویر سنجش از دور پارامتر مهمی، به منظور مدل سازی مکانی تولید پوشش گیاهی، محسوب می شود. معمولاً شاخص های پوشش گیاهی که با بازتاب طول موج های قرمز و مادون قرمز نزدیک محاسبه می شوند، در برآورد LAI با استفاده از روش های آماری، به کار می روند اما بسیاری از این شاخص ها در مقادیر متفاوت LAI به اشباع می رسند. برای رفع این محدودیت، بازتاب محدوده لبه قرمز استفاده شده است؛ بنابراین، باید قابلیت شاخص های متفاوت پوشش گیاهی استخراج شده از داده های سنجش از دور، برای برآورد LAI ذرت علوفه ای، ارزیابی شود. بدین منظور پنج مرحله نمونه برداری میدانی، با فاصله زمانی نزدیک به گذر ماهواره سنتینل 2، از سوی مرکز تحقیقات فضایی پژوهشگاه فضایی ایران، اجرا شد و در مجموع، 234 نمونه از مزارع ذرت علوفه ای شرکت کشت و صنعت مگسال قزوین برداشت شد. سپس سیزده شاخص پوشش گیاهی متفاوت، با استفاده از سری زمانی تصاویر سنتینل 2، محاسبه شد و برای برآورد آماری مقادیر LAI به کار رفت. نتایج نشان داد که شاخص EVI با ضریب همبستگی 76/0 برای برآورد شاخص سطح برگ ذرت علوفه ای بهترین عملکرد را داشته است. علاوه براین، مقدار RMSE روش های رگرسیون غیرخطی بیشتر از روش های خطی بوده است.Analysis of Sentinel- 2 Satellite Images to Estimate Leaf Area Index of Corn Crops
Leaf area index (LAI) derived from remotely sensed images is considered as an important index for spatial modelling of vegetation productivity. Traditionally, the spectral vegetation indices (VIs) derived from the red (R) and near infrared (NIR) reflectance values have been utilized to statistically estimate LAI. However, most of these VIs saturate at some level of LAI. This limitation was over-come by using the reflectance spectra in the red-edge region. Therefore, it is necessary to evaluate the capability of different VIs derived from RS data to estimate the LAI of silage maize. For this purpose, five field sampling campaigns which were near-simultaneous with Sentinel II over-passes were conducted by the Space Research Center, Iranian Space Research Center and totally 234 samples were collected from the silage maize fields, in Magsal, Qazvin. Then, 13 VIs from the time series of Sentinel-2 imagery were computed and employed to statistically estimate the LAI values. The results showed that Enhanced vegetation index (EVI) with outperformed other VIs to estimate LAI of silage maize. Moreover, the values of non-linear regression models were higher that the liner ones.
تبلیغات
