Estimating the level of vegetation and agricultural land in Babolsar using normalized differential vegetation index (NDVI)

Subject Areas : Remote sensing,

Mohammad reza yousefiroshan ¹ , Hamid Amounia ²

1 - Assistant Professor, Department of Geography, Farhangian University, Tehran, Iran
2 - PhD student in geomorphology, environmental management, Tarbiat Modares University, Tehran, Iran

Received: 2021-11-04 Accepted : 2023-01-02 Published : 2022-11-22

Keywords: Vegetation, LANDSAT 8, Babolsar city, NDVI,

Abstract :

Estimating the level of vegetation and arable land in the traditional way takes time. One of the effective tools in estimating the level of vegetation is the use of remote sensing techniques. This technique is of great importance in order to provide up-to-date information, time series of data, measurement in different spectral ranges. The purpose of this research is to estimate the level of vegetation in Babolsar and evaluate the accuracy of the NDVI index. In this research, Landsat 8 satellite image data from 2019 was used. The process of pre-processing, processing and verification has been done in ENVI5.3 software, and area maps and calculations have been done in ArcGIS10.8 software. The results showed that the vegetation area of the city is estimated at 11474.37 hectares. The evaluation of the accuracy of the used index also showed that by using Landsat 8 images, it is possible to calculate the level of vegetation with an overall accuracy of 92% and a Kappa coefficient of 87%.

References:

1- پورخباز، حمیدرضا، محمدیاری، فاطمه، توکلی مرتضی و اقدر، حسین (1393)، تهیه نقشه پوشش گیاهی و پایش تغییرات آن با استفاده از تکنیک‌های سنجش‌ازدور و سیستم اطلاعات جغرافیایی (مطالعه موردی شهرستان بهبهان)، فصلنامه علمی - پژوهشی اطلاعت جغرافیا (سپهر) دوره 23، شماره 92، صص 34-23.

2- دارویی، پرستو، ریاحی، وحید، ضیائیان فیروزآبادی، پرویز و عزیزپور، فرهاد (1398)، تعیین و بررسی سطح زیر کشت محصولات زارعی در ناحیه لنجانات با استفاده از تصاویر ماهواره‌ای، نشریه تحقیقات کاربردی علوم جغرافیایی، سال نوزدهم، شماره 52، بهار، صص 169-147.

3- تصاویر ماهواره‌ای لندست 8 از سایت https://earthexplorer.usgs.gov

4- شفیعی، حسینی، حامد، سید محمود (1391)، بررسی پوشش گیاهی به کمک داده‌های ماهواره‌ای در منطقه سیستان، مجله اکوفیزیولوژی گیاهی، سال سوم، صفحات 105 – 91.

5- عاشورلو، مرتضی، علی محمدی، عباس، رضائیان پرویز و عاشورلو، داود (1385)، کاربرد تحلیل تشخیص خطی در تفکیک گندم از سایر محصولات بر روی تصاویر ماهوارهای، علوم محیطی، سال چهارم، شماره 2، صفحات 116-101.

6- علوی پناه و همکاران (1385). بررسی تغییر پذیری طیفی پدیده‌های مختلف پوشش و آب با استفاده از سنجش‌ازدور، مجله پژوهش‌های جغرافیایی، شماره 58، صص 97-81.

7- علوی پناه، کاظم (1389). کاربرد سنجش‌ازدور در علوم زمین، انتشارات دانشگاه تهران، چاپ سوم.

8- علیپور، فریده، محمدحسین آقاخانی، محمدحسن عباس‌پور فرد و عادل سپهر (1393)، تفکیک محدوده و تخمین سطح زیر کشت محصولات کشاورزی به کمک تصاویر ماهوارهای+ETM (مطالعه موردی: مزرعه نمونه آستان قدس رضوی)، نشریه ماشین‌های کشاورزی، 4 (2)، صص 254-244.

9- فلاحتکار، ساره (1387)، آشکارسازی تغییرات پوشش اراضی اصفهان با استفاده از سنجش‌ازدور و GIS، پایان‌نامه کارشناسی ارشد، دانشکده منابع طبیعی، دانشگاه صنعتی اصفهان.

10- فلاحتکار، سامره، صابرفر رحیمه، کیا، سید حسین (1397)، تحلیل تغییرات شاخص‌های پوشش گیاهی در سنجنده‌های ماهواره لندست (مطالعه موردی: ارس زارهای شرق پارک ملی گلستان و منطقه حفاظت شده قرخود)، فصلنامه اکوسیستم‌های طبیعی ایران، سال نهم، شماره اول، پیاپی 31، بهار، صص 91-71.

11- متکان، علی اکبر، داود عاشورلو، غلامپور، علی، عقیقی، حسین، حسینی اصل، امین و عاشورلو، مرتضی (1388)، ارائه شاخص برای استخراج اراضی زیر کشت گندم با داده‌های سنجش‌ازدور، نشریه زراعت، شماره 84: 72-66.

12- ولیزاده کامران، خلیل؛ مهدوی فر، مصطفی (1398)، مبانی سنجش‌ازدور کاربردی، ترجمه، تهران، انتشارات ماهواره.

13-یمانی، مجتبی، مزیدی، محمدعلی (1387)، بررسی تغییرات سطح و پوشش گیاهی کویر سیاهکوه با استفاده از داده‌های سنجش‌ازدور، مجله پژوهش‌های جغرافیا، شماره 64، صص 12-1.

 

14-Adamchuk, V.I. Perk, R.L, & Schepers, J. S, 2003. Applications Of Remote Sensing In Site-Specific Management, University Of Nebraska Cooperative Extension Publication EC, (2003): 03-702.

15-Bian, J. Li, A. Lei, G. Zhang, Z. & Nan, X. (2020). Global High-Resolution Mountain Green Cover Index Mapping Based On Landsat Images And Google Earth Engine. ISPRS Journal Of Photogrammetry And Remotesensing, 162 (September2019), 6376. Https://Doi.Org/10.1016/J.Isprsjprs.2020.02.011.

16-Funk, C. Budd, M. E.(2009). Phonologically-Tuned MODIS NDVI-Based Production Anomaly Estimates For Zimbabwe, Remote Sensing Of Environment, 113, 115-125.

17-Huang, S. Tang, L. Hupy, J. P. Wang, Y. & Shao, G. (2021). A Commentary Review On The Use Of Normalized Difference Vegetation Index (NDVI) In The Era Of Popular Remote Sensing. Journal Of Forestry Research, 22(1), 1–6.

Https://Doi.Org/10.1007/S11676-020-01155-1

18-Jiang, L. Liu, Y. Wu, S. & Yang, C. (2021). Analyzing Ecological Environment Change And Associated Driving Factors In China Based On NDVI Time Series Data. Ecological Indicators, 129. Https://Doi.Org/10.1016/J.Ecolind.2021.107933

19-LI, W. G. Hua, L. I. & ZHAO, L. H. (2011). Estimating Rice Yield By HJ-1A Satellite Images. Rice Science, 18(2), 142-147.

20-Pettorelli, N. Vik, J.O, Mysterud, A, Gaillard, J.M, Tucker, C.J, & Stenseth, N.C, 2005. Using The Satellite –Derived NDVI To Assess Ecological Responses To Environmental Change.J, Trends In Ecology And Evolution. Vol.20 No.9.

21-Rokni, K. & Musa, T. A. (2019). Normalized Difference Vegetation Change Index: A Technique For Detecting Vegetation Changes Using Landsat Imagery. Catena, 178(February), 59–63. Https://Doi.Org/10.1016/J.Catena.2019.03.007

22-Xu, Jiaxing; Zhao, Hua; Yin, Pengcheng; Jia, Duo; & Li, Gang. (2018).Remotesensing Classification Method Of Vegetation Dynamics Based On Time Series Landsat Image: A Case Of Opencast Mining Area Inchina.EURASIP Journal On Image And Video Processing, 2018(1). Https://Doi.Org/10.1186/S13640-018-0360-0

23-Yan, Y. (2003), Object-Based Classification Of Remote Sensing Data For Change Detection, Www.Elsevier.Com.