شاخص گیاهی

بازتابش پدیده های سطح زمین روی داده های سنجش از دوری تحت تأثیر عوامل گوناگونی مانند شرایط اتمسفر است. در برخی مطالعات لازم است اثر اتمسفر به شیوه های متفاوت و مناسبی حذف شود یا کاهش یابد. در این تحقیق، سه روش تصحیح اتمسفریک تفریق شیء تیره (DOS)، تجزیه و تحلیل سریع خط دید اتمسفر ازطریق طیف ابر مکعب (FLAASH)، شبیه ساز وکتوری ثانویة سیگنال ماهواره ای در طیف خورشیدی (SV6) روی سنجندة OLI ماهوارة لندست 8 جنگل های استان گیلان اعمال شده است. از هر تصویر، ده شاخص گیاهی استخراج شد. با استفاده از لایة پوشش جهانی، محدودة جنگل روی شاخص های متفاوت استخراج و با استفاده از روش شیءپایه، محدودة جنگل روی تصویر قطعه بندی شد. 91 قطعه به طور تصادفی انتخاب شد. با استفاده از شبکة نقطه چین به ابعاد 20×20 متر، تراکم تاج پوشش درختان در هر قطعه روی تصاویر گوگل مشخص شده است. آزمایش پیرسون برای آزمون معناداربودن همبستگی شاخص ها با نمونه های مرجع، رگرسیون خطی و غیرخطی برای مدل سازی تراکم تاج پوشش به کار رفت. نتایج نشان داد که مدل تصحیح برمبنای کد SV6 در مناطق جنگلی استان گیلان بهتر عمل کرده است. شاخص GARI حاصل از مدل تصحیح اتمسفریک DOS با خطای RMSE برابر 72/17 و شاخص ARVI حاصل از مدل تصحیح اتمسفریک SV6، FLAASH و تصویر اصلی OLI به ترتیب معادل 38/15، 87/15 و 78/21 کمترین میزان خطای RMSE را نشان داده است. کاهش آثار اتمسفر در فرایند پیش پردازش قبل از مدل سازی ضروری و پیشنهادشدنی است.

مطالعه حاضر با هدف مقایسة کارایی شاخص های گیاهی به عنوان روش های پیکسلی، و آنالیز ترکیب طیفی (SMA) به عنوان روش تحت پیکسلی در پهنه بندی پوشش گیاهی مراتع منطقه سمیرم استان اصفهان انجام یافته است. ابتدا پیش پردازش های هندسی و رادیومتریک بر تصویر لندست TM سال 1388 اعمال گردید. سپس رابطة همبستگی بین درصد تاج پوشش گیاهی اندازه گیری شده که با روش قدم نقطه در 30 سایت نمونه برداری اندازه گیری شده بود، در مطالعات میدانی با 4 گروه شاخص گیاهی شامل NDVI، PD54، SBI، GVI و STVI-1 و روش SMA در سه گروه مختلف پوشش گیاهی 25-0 درصد، 50-25 درصد و <50% در محیط نرم افزار SPSS16 ارزیابی شد. در گروه با درصد پوشش گیاهی اندک (25-0 درصد) SMA در مقایسه با شاخص های گیاهی بیشترین کارایی را نشان داد (05/0P< و 52/0=2R). با افزایش پوشش گیاهی، کارایی شاخص های گیاهی افزایش یافت و در گروه با بیش از 50 درصد پوشش گیاهی، تمام شاخص های گیاهی همبستگی بالاتری در مقایسه با SMA با داده های زمینی داشتند. به طور کلی، نتایج حاکی از آن است که در مناطق با درصد پوشش گیاهی متوسط به بالا روش های ساده برپایة پیکسل از جمله NDVI ابزارهای مناسب تری برای ارزیابی پوشش گیاهی هستند و روش تحت پیکسل SMA در مناطق با پوشش گیاهی کم کارآمدتر است. در تحقیق حاضر روش SMA به عنوان جایگزین شاخص های گیاهی در ارزیابی وضعیت پوشش گیاهی فقیر محیط های خشک و نیمه خشک کشور پیشنهاد می شود.

یکی از موضوعات مهم در محاسبة شاخص های گیاهی کمیتی است که شاخص براساس آن محاسبه می شود. نوع کمیت انتخابی می تواند مقدار پیکسل، بازتابش و بازتابندگی باشد. بررسی تفاوت مقادیر شاخص های گیاهی محاسبه شده از این کمیت ها چه بسا راهگشای ساده ترکردن محاسبات مربوط به شاخص ها و نیز وضوح بخشیدن به نتایج حاصل از انتخاب هریک از کمیت ها شود. در تحقیقات گذشته، معمولاً یک شاخص گیاهی خاص بررسی شده است و اثر پوشش زمین در محاسبة مقدار آن شاخص براساس سه کمیت مقدار پیکسل، بازتابش و بازتابندگی در نظر گرفته نشده است. در تحقیق حاضر، شاخص های گیاهی تولیدشده از سه دادة یادشده مقایسه می شوند. برای این منظور، 10 شاخص PD43، GVI، RVI، SAVI، EVI، NDVI، DVI، NDWI، GRVI و VARI از روی تصویر LANDSAT 8تولید شد. این شاخص ها برای کل تصویر و همچنین برای پوشش های گوناگون آب، خاک، گیاه و منطقة شهری به طور جداگانه محاسبه شده اند. پس از محاسبة شاخص های گیاهی مورد نظر براساس سه کمیت تابشی، ضریب همبستگی خطی میان این مقادیر برای هر شاخص گیاهی محاسبه شد. مقایسه ها براساس پارامتر همبستگی انجام شده است که نتایج حاصل همبستگیِ بالا بین شاخص های هر سه کمیت تابشی را نشان می دهد. بیشترین ضریب همبستگی به دست آمده برابر با 1 است که در همة کلاس های پوششی برای بسیاری از شاخص ها تکرار شده است. کمترین میزان همبستگی برای کلاس منطقة مسکونی برابر با 0.8339 مربوط به شاخص PD43، برای کلاس گیاه برابر با 0.9489 مربوط به شاخص NDWI، برای کلاس آب برابر با 0.8696 مربوط به شاخص DVI، برای کلاس خاک برابر با 0.916 مربوط به شاخص GVI و برای کل تصویر برابر با 0.9257 مربوط به شاخص DVI است. با توجه به نتایج، در جایی که مقدار دقیق این شاخص ها مهم نباشد این شاخص ها را می توان با کنارگذاردن چند استثنای معدود، بدون نیاز به محاسبة مقدار شاخص براساس کمیته ای رادیانس و بازتابندگی فقط با استفاده از مقادیر پیکسل محاسبه کرد

در سطح شهر تهران شناسایی جزایر گرمایی که در اثر روند گسترش شهرنشینی ایجاد شده اند و تأثیر آن ها بر آلودگی هوا، دارای احتمال می باشد. لذا در این پژوهش به ارتباط بازتاب طیفی پدیده های تأثیر گذار بر روند گسترش پدیده جزایر گرمایی در سطح شهر تهران و حومه پرداخته شده است. تصاویر ماهواره لندست 8 شهر تهران در دو تاریخ 16- آذر- 1396 و تاریخ  16- مرداد- 1396 اخذ و پیش پردازش های اولیه از قبیل تصحیحات هندسی و رادیومتریک و اتمسفریک انجام گرفت و بعد از پیش پردازش های اولیه از باندهای 9 و 10 که باندهای حرارتی این ماهواره می باشند درجه حرارت زمین ( LST ) استخراج گردید. سپس از باندهای طیفی این ماهواره شاخص پوشش گیاهی نرمال شده ( NDVI ) برای سطح زمین محاسبه شد. بعد از آن، بازتاب طیفی تمام پدیده های زمینی تأثیر گذار از روی تصاویر استخراج شد و ارتباط آن با آلودگی و درجه حرارت سطح زمین به دست آمد. شاخص پوشش گیاهی نرمال ( NDVI ) نشان داد که شاخص پوشش گیاهی در مناطق مختلف شهری در محدوده فضای سبز، محدوده اتوبان (آسفالت)، محدوده مسکونی (ساختمان)، پوشش سبزینگی کم، محدوده سایه ، محدوده ابر و محدوده مختلط زمین لخت + ساختمان + پوشش گیاهی شامل(0.41، 0.00، 0.04، 0.10، 0.01-، 0.04 و 0.03) می باشند. همچنین، بازتاب طیفی محدود ه های تأثیرگذار در تشکیل جزایر گرمایی شهری، محدوده فضای سبز و کمترین محدوده تأثیر گذار مربوط به سایه بوده است. بیشترین منطقه تحت تأثیر جزایر گرمایی شهری مربوط به بزرگراه امام علی (علیه السلام) بوده که بیشترین حجم ترافیک را دارا می باشد. مناطق با آلودگی کمتر که کمترین تأثیر در ایجاد جزایر گرمای شهری را دارند در حدود 0.59= R 2 و مناطق با آلودگی بیشتر دارای بیشترین تأثیر در ایجاد جزایر گرمای شهری در حدود 0.72= R 2 می باشد. مناطق با پوشش گیاهی کم و خاک لخت بیشترین درجه حرارت زمین ( LST ) را نشان می دهد. بیشترین مناطق، دارای درجه حرارت زمین ( LST ) بین 42.9 تا 46.2 درجه سانتی گراد می باشد. کمترین مناطق، دارای دمای سطح زمین بین 36.5 تا 39.5 درجه سانتی گراد بوده است. نقشه کاربری زمین به دست آمده نیز تأیید کننده نتایج LST می باشد. 

توسعه روش های سنجش از دور در پهنه بندی اراضی زیر کشت محصولات کشاورزی در مقیاس گسترده مکانی و زمانی، به صورت جایگزین شیوه های پرهزینه و زمان بر جمع آوری آمار میدانی، در حال گسترش است. تا کنون، روش هایی برای شناسایی اراضی زراعی، با استفاده از تصاویر سنجنده های اپتیک و راداری، مطرح شده است. برخی از این روش ها، با تأکید بر فرایندهای حذف پیکسل های ابری، مناسب اقلیم مرطوب با روزهای متعدد ابرناکی هستند و برخی دیگر، به دلیل روش به کاررفته در آنها به منظور ترکیب تصاویر هر دو سیستم اپتیک و راداری، پیچیده گی های خاص خود را دارند. در این میان، روش های مبتنی بر استفاده از ویژگی های منحصربه فرد سری زمانی شاخص گیاهی هریک از محصولات زراعی فرایند نسبتاً ساده تری در پهنه بندی اراضی زراعی دارد. هدف از این پژوهش بهبود یکی از روش های مطرح شده برای تفکیک اراضی زیر کشت گندم دیم است که در آن از الگوریتم حذف گام به گام پیکسل های غیرگندم و تصاویر سنجنده مادیس استفاده شده بود. برای بهبود الگوریتم مذکور، طی فرایندی، از قدرت تفکیک زمانی تصاویر سنجنده مادیس و قدرت تفکیک مکانی تصاویر ماهواره لندست8 بهره گرفته شد. فرایند جدید، ضمن رفع نقاط ضعف الگوریتم سابق در تشخیص مراتع و اراضی غیرگندم از اراضی گندم دیم، به خصوص در پیکسل های ناهمگن، موجب افزایش دقت این الگوریتم در پهنه بندی اراضی گندم دیم شد؛ به طوری که روش مطرح شده توانست با مقادیر صحت کلی، شاخص کاپا و F1 به ترتیب برابر با 92.5%، 0.67 و 0.71، با دقت قابل قبولی، سطوح زیر کشت گندم دیم را تفکیک کند.