ارزیابی شاخص‌های طیفی استخراج شده ازتصاویر ALOS-AVNIR2 به منظورتخمین میزان بایومس محصول برنج

محورهای موضوعی : مطالعات برنامه ریزی شهری و منطقه ای

تاریخ دریافت : 1389/02/20 تاریخ پذیرش : 1390/03/25 تاریخ انتشار : 1390/03/01

کلید واژه: برنج, شاخص‌های گیاهی, ALOS-AVNIR-2, تخمین بایومس,

چکیده مقاله :

داده‌های ماهواره‌ای به منظور گسترش و مدیریت منابع کشاورزی همواره قادر هستند درتأمین اطلاعات لازم در جنبه‌های مختلف جوامع گیاهی من جمله بایومس نقش مهمی را ایفا نمایند. در تحقیق حاضر به بررسی توانایی شاخص‌های 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 اندازه‌گیری بایومس در زمانی که برنج در منطقه مطالعاتی در حداکثر رشد رویشی خود قرار داشت( خرداد 1389)، انجام شد. دو تصویر ماهوارة ALOS-AVNIR-2 که همزمان با اندازه‌گیری‌های میدانی اخذ گردیده بود جهت استخراج و تعیین شاخص های گیاهی مورد استفاده قرار گرفتند. سپس همبستگی بین داده‌های زمینی و شاخص‌های گیاهی حاصل از ترکیب باندهای مختلف، ارزیابی و پس‌از آن، شاخص‌های گیاهی مناسب تشخیص داده شدند. در نهایت محاسبات و بررسی‌های آماری برای معرفی مدل مناسب ارائه گردید. پس از آزمایش مدل‌ها 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 می‌توان بیان نمود که با استفاده از تصاویر ماهواره ALOS امکان تخمین بایومس با دقت قابل قبولی وجود دارد.

چکیده انگلیسی:

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.