مدل انتقال تابش

معکوس سازی مدل های مبتنی بر فیزیک ـ براساس انتشار تابش درون تاج پوشش ـ مشخصاً در زمرة روش های موفق در تخمین مقدار پارامترهای پوشش گیاهی از قبیل شاخص سطح برگ و کلروفیل با استفاده از داده های سنجش از دور است. در این تحقیق مقدار کلروفیل گیاه برنج در سطح تاج پوشش به عنوان شاخص وضعیت گیاه تخمین زده شد. بدین منظور، مدل انتقال تابش PROSAIL و تصویر سنجنده 2-AVNIR ماهواره ALOS مورد استفاده قرار گرفت. تحقیق میدانی جامعی نیز در طول ماه های تیر و مرداد 1389 در ناحیه شمال ایران ـ آمل ـ صورت گرفت. 60 پلات: 20 20 متر مربعی به صورت تصادفی انتخاب شدند و در هر یک از آنها 4 تا 7 زیرپلات با توجه به همگنی محصول انتخاب گردید. سپس مقدار کلروفیل در هر زیرپلات با استفاده از دستگاه 502-SPAD اندازه گیری شد. تصحیحات اتمسفری با استفاده از مدل MODTRAN انجام گرفت. در گام بعد مدل PROSAIL برای شبیه سازی طیف در باندهای 2-AVNIR اصلاح گردید. آنالیز حساسیت مدل نیز برای تعیین پارامترهای ثابت و آزاد صورت پذیرفت، و سپس براساس مطالعات میدانی دامنه پارامترهای آزاد ورودی به مدل تعیین شد. با استفاده از روش بهینه سازی درون تکرار مدل معکوس و مقدار کلروفیل در دو سطح برگ و تاج پوشش (مقدار کلروفیل برگ شاخص سطح برگ) تخمین زده شد. از شاخص های 2R و RMSE بین مقادیر تخمین زده شده و داده های میدانی به منظور ارزیابی مدل استفاده شد. نتایج نشان داد که با استفاده از مدل PROSAIL استخراج کلروفیل در سطح برگ دقت چندان مناسبی ندارد، اما می توان کلروفیل را با دقت نسبتاً مطلوبی در سطح تاج پوشش تخمین زد (57/0=2R و 47/0=RMSE) و در تحقیقات اکولوژیک و پایش محصول استفاده کرد.

از داده های سنجنده AVHRR برای آشکارسازی ناحیه ای ابر در دو منطقه ایران با ویژگی های متفاوت جغرافیایی و جوی به منظور مقایسه با داده های ماسک ابر مادیس (MOD35) استفاده شده است. بدین منظور، پنج تاریخ دارای بالاترین و پایین ترین آنومالی ابرناکی طی بازه زمانی 2001-2015 متناسب با گذر ماهواره های ترا و نوآ انتخاب شد. پنج آزمون آستانه گذاری طیفی مختلف استفاده شد. ابتدا پس از تشخیص پیکسل های برفی، این پیکسل ها از ادامه کار حذف شدند. سپس، از سه آزمون به منظور تشخیص پیکسل های ابرناک بهره برده شد؛ این آزمون ها عبارت است از: آزمون بازتاب کانال مرئی؛ آزمون نسبت بازتاب مادون قرمز نزدیک/ مرئی؛ و آزمون دمای درخشندگی جو بدون ابر. آزمون آخر نشان داد، طی تاریخ های مورد بررسی، با توجه به دمای سطحی، دمای درخشندگی قابل تقسیم به دو طبقه اصلی است. هنگامی که دمای سطحی بیشتر از 5 درجه سانتی گراد است، جو صاف به طور متوسط 1 درجه سانتی گراد سردتر از جو ابری است و برعکس؛ هنگامی که دمای سطحی کمتر از 5 درجه سانتی گراد باشد، جو صاف به طور متوسط 6 درجه سانتی گراد گرم تر است. نتایج حاصل از صحت سنجی این الگوریتم با ارزیابی داده های ایستگاهی و محصول ماسک ابر سنجنده مادیس دقت بالای 90درصد را نیز در برخی از تاریخ ها آشکار کرد.

پوشش گیاهی موتور محرک کره زمین است؛ تبادلات انرژی و آب بین اتمسفر و زمین را کنترل می کند و در چرخه های جهانی انرژی، اکسیژن، دی اکسیدکربن و آب نقش مهمی دارد. پایش و مدیریت پوشش های گیاهی با استفاده از پارامتر های بیوفیزیکی و بیوشیمیایی آن، مانند LAI، انجام می پذیرد. شاخص سطح برگ (LAI) از مهم ترین پارامترهای پوشش گیاهی است که در اغلب مدل سازی ها مانند مدل سازی چرخه های آب، انرژی و کربن استفاده می شود. رویکردهای بازیابی متفاوتی، به منظور استخراج اطلاعات پارامترهای بیوفیزیکی از داده های سنجش از دوری، توسعه یافته است. در تحقیق حاضر، از روش فیزیکی معکوس مدل انتقال تابش PROSAIL، مبتنی بر جدول LUT، با هدف بازیابی متغیر LAI استفاده شده است. همچنین داده های زمینی برداشت شده طی کمپین SPARC 2003 برای ارزیابی صحت متغیر بازیابی شده به کار رفت. برای رفع مشکل ill-posed، چهار دسته از معیارهای هزینه با عنوان اندازه گیر اطلاعات (IM)، حداقل اختلاف (MC)، اندازه گیر زاویه (SAM) و خطای حداقل مربعات (LSE) به همراه نرمال سازی و میانگین بهترین جواب ها استفاده شد. نتایج بهبود تخمین متغیر LAI را با استفاده از معیار اندازه گیر اطلاعات (Kulbak-liebler)، به میزان 12% و با استفاده از 11% میانگین بهترین جواب ها نشان دادند. تابع هزینه LSE نیز در قیاس با حالت نرمال نشده، 7% بهبود یافت.