5 نتیجه برای شاخص پوشش گیاهی
علی رحیمی خوب، سید محمود رضا بهبهانی ، محمدهادی نظری فر،
جلد 11، شماره 42 - ( 10-1386 )
چکیده
مدل‌های پیش‌بینی دمای هوا با استفاده از داده‌های ماهواره‌ای، مبتنی بر متغیرهای دمای سطح زمین و شاخص پوشش گیاهی هستند. این متغیرها با اعمال تصحیحات اتمسفری بر روی داده‌های فوق تعیین می‌شوند. میزان بخار آب، اوزن و عمق اپتیکی ذرات معلق در جو از داده‌های مورد نیاز برای تصحیح اتمسفری باندهای مرئی هستند ولی در اغلب مناطق ایران، این پارامترها اندازه‌گیری نمی‌شوند. همچنین با استفاده از روش‌های موجود، دمای سطح زمین تا دقت 2 درجه سانتی‌گراد تعیین می‌شود. در این تحقیق با توجه به محدودیت‌های فوق، دقت پیش‌بینی دمای بیشینه هوا با استفاده از داده‌های بدون تصحیح اتمسفری شده ماهواره نوا و مدل شبکه عصبی مورد بررسی قرار گرفت. برای این منظور، مدل‌های مختلف شبکه عصبی، حاصل از ترکیب‌های مختلف داده‌های 4 باند ماهواره نوا و 3 متغیر جغرافیایی به عنوان ورودی‌های مدل ساخته شدند و بهترین مدل انتخاب شد. نتایج نشان داد، مدل شبکه عصبی با ساختار 6 نرون در لایه ورودی (شامل 4 باند ماهواره نوا، روز شمار سال و ارتفاع زمین) و 19 نرون در لایه پنهان بهترین مدل می‌باشد. در این ساختار حدود 4/91 درصد نتایج در محدوده دقت 3 درجه سانتی‌گراد واقع شدند و معیارهای آماریRMSE ، R2 و MBE به ترتیب 62/0، 7/1 درجه سانتی‌گراد و 01/0- درجه سانتی‌گراد می‌باشند.
لاله پرویز، مجید خلقی، خلیل ولیزاده،
جلد 15، شماره 56 - ( 4-1390 )
چکیده
تعیین دمای هوا در محاسبات بیلان انرژی، مطالعات هیدرولوژیکی و هواشناسی از اهمیت چشمگیری برخوردار است. در این میان تعداد محدود ایستگاه‌های هواشناسی جهت تعیین دمای هوا در مقیاس‌های بزرگ مکانی از جمله مشکلات پیشرو است. استفاده از فناوری سنجش از دور به دلیل دید وسیع و یکپارچه و به روز بودن تصاویر ماهواره‌ای، گزینه مناسبی در برآورد این پارامتر به نظر می‌رسد. در این تحقیق از هم‌بستگی منفی بین داده‌های دمای سطح زمین و شاخص پوشش گیاهی (NDVI) در قالب روش TVX برای تعیین دمای هوا استفاده شده است که فرضیه روش، تقریب دمای هوا با دمای پوشش گیاهی انبوه و متراکم می‌باشد. به منظور بررسی عملکرد روش TVX در برآورد دمای هوا از تصاویر ماهواره‌ای سنجنده MODIS حوضه آبریز سفیدرود در سال‌های 1381-1382-1384 استفاده شده است. الگوریتم پنجره مجزا توسعه داده شده توسط پرایس در محاسبه دمای سطح زمین به کار گرفته شده است. متوسط اختلاف بین دمای سطح زمین واقعی و حاصل از الگوریتم پرایس در حدود 2/6 درجه سانتی‌گراد است، بالطبع این میزان خطا می‌تواند در مقادیر دمای هوا تأثیر داشته باشد. به علت استفاده از شاخص NDVI در روش TVX، روش نسبت به تراکم پوشش گیاهی دارای حساسیت است به طوری که در مناطق با تراکم کم پوشش گیاهی، میزان خطا افزایش پیدا می‌کند. تغییرات حدود 4 درصد دمای هوا نسبت به افزایش ماکزیمم NDVI به میزان 05/0، مبین عملکرد بالای فیزیک روش TVX در برآورد دمای هوا در مناطق وسیع است.
وحید حبیبی اربطانی، محمود اکبری، زهره مقدم، امیرمهدی بیات،
جلد 26، شماره 4 - ( 12-1401 )
چکیده
در سال‌های اخیر از روش‌های غیرمستقیم نظیر سنجش از دور و داده‌کاوی برای برآورد شوری خاک زمین‌های کشاورزی استفاده می‌شود. در این تحقیق، هدایت الکتریکی 94 نمونه خاک از 0 تا 100 سانتی‌متر با استفاده از تکنیک ابرمکعب در دشت ساوه، اندازه‌گیری شد. تعداد 23 نوع داده ورودی در قالب دو دسته توپوگرافی و طیفی استفاده شدند. پارامترهای سطح زمین مانند شاخص رطوبت توپوگرافیک (TWI)، شاخص طبقه‌بندی زمین برای مناطق پست (TCI)، شاخص قدرت جریان (STP)، مدل رقومی ارتفاع (DEM) و طول شیب (LS) با استفاده از نرم‌افزارهای Arc-GIS و SAGA به‌عنوان ورودی‌های توپوگرافی لحاظ شدند. همچنین شاخص‌های مکانی شوری و پوشش گیاهی از تصاویر لندست 8 استخراج شدند و به‌عنوان ورودی‌های طیفی درنظر گرفته شدند. به‌منظور مدل‌سازی شوری از شبکه عصبی GMDH با نسبت 70 درصد برای آموزش و 30 درصد برای صحت‌سنجی استفاده شد. نتایج اندازه‌گیری نشان داد مقادیر شوری خاک بین 0/1 تا 18 با میانگین 5 و انحراف معیار 4/7 دسی‌زیمنس بر متر بودند. نتایج مدل‌سازی نیز نشان داد پارامترهای آماری R2، MBE وNRMSE در مرحله آموزش به‌ترتیب 0/80، 0/06 و 42/1 درصد بودند. همین مقادیر در مرحله صحت‌سنجی به‌ترتیب 0/79، 0/13 و 48/7 درصد بودند. بنابراین استفاده از شاخص‌های طیفی، توپوگرافی و شبکه عصبی GMDH، در مدل‌سازی شوری خاک، کارایی مناسبی دارد.
حسین جعفری،
جلد 27، شماره 2 - ( 6-1402 )
چکیده
قابلیت سنجش از دور (RS) در برنامه‌ریزی آبیاری به‌دلیل جمع‌آوری داده‌ها در سطح وسیع با سرعت بیشتر و هزینه کمتر، در جهان پذیرفته شده است. شاخص تنش آبی گیاه (CWSI) و شاخص کمبود آب (WDI) جزء شناخته‌ترین شاخص‌های تنش آبی هستند. وابستگی شاخص CWSI به تراکم کامل پوشش گیاهی، باعث عدم استفاده از این شاخص در برنامه‌ریزی آبیاری در مراحل اولیه رشد گیاهان می‌شود. در صورتی که برآورد شاخص کمبود آب با استفاده از فناوری سنجش از دور، این محدودیت را ندارد. به‌منظور بررسی دقت این شاخص آزمایشی در سال زراعی 98-99 در شهر کرج اجرا شد. در این آزمایش، ابتدا بر اساس داده‌های میدانی و مطابق دستورالعمل حد بالا و پایین تنش آبی و شاخص تنش آبی گیاه گندم (CWSI) تعیین شد سپس با استفاده از تصاویر ماهواره‌ای اختلاف دمای سطح مزرعه و هوا (Ts-Ta) و شاخص NDVI برآورد و بر اساس آن‌ها شاخص کمبود آب (WDI) گندم محاسبه شد. در انتهای فصل، مقادیر شاخص‌های WDI و CWSI برآوردشده در ماه‌های فروردین، اردیبهشت و خرداد با استفاده از پارامترهای آماری مقایسه و ارزیابی شدند. نتایج نشان از ضریب تبیین بالا بین این دو شاخص در این سه ماه به‌ترتیب معادل 0/77، 0/85 و 0/71 داشت.
سمیرا افشاری، حامد یزدیان، افشین رضایی،
جلد 27، شماره 3 - ( 9-1402 )
چکیده
اطلاع از انواع تغییرات پوشش گیاهی و فعالیت‌های انسانی در قسمت‌های مختلف، به‌عنوان اطلاعات پایه برای برنامه‌ریزی‌های مختلف، از اهمیت ویژه‌ای برخوردار است. گردآوری اطلاعات در مورد تغییرات پیوسته پوشش گیاهی توسط روش‌های معمولی بسیار مشکل و پرهزینه است، از این‌رو استفاده از فناوری‌های نوین مثل سنجش از دور بسیار سودمند است. هدف از این پژوهش معرفی شاخص پوشش گیاهی مناسب و تعیین سطح زیر کشت شبکۀ آبشار است. از شاخص‌های پوشش گیاهی MSAVI، SAVI، EVI و NDVI از سال 2000 تا 2021 هر سال و به‌صورت ماهیانه مساحت‌ها در سامانه گوگل ارث انجین با استفاده از تصاویر ماهوارۀ لندست 7 سنجندۀ ETM+ محاسبه شد. همچنین شاخص خشکسالی SPI با استفاده از آمار بارش ایستگاه کوهرنگ در نرم‌افزار اکسل محاسبه شد. نتایج حاصل از مقایسه چهار شاخص نشان‌دهنده برتری و عملکرد برتر NDVI نسبت به سه شاخص دیگر برای تشخیص تغییرات پوشش گیاهی بود. سپس تغییرات سطوح زیر کشت محاسبه شد. نتایج نشان داد که روند توسعۀ کشاورزی در شبکه آبشار به‌صورت نزولی است و ارتباط مستقیمی با بارندگی و شاخص خشکسالی SPI دارد. همچنین نتایج نشان داد سال 2008 مقدار شاخص خشکسالی SPI برابر با 73/1- است که نشان‌دهندۀ خشکسالی شدید در منطقه است. مقایسۀ این نتایج با سطح زیر کشت نشان داد در این سال مقدار سطح زیرکشت 35721 هکتار و سال بعد از خشکسالی یعنی سال 2009 سطح زیر کشت 22950 هکتار است. بنابراین در سال 2008 کاهش بارندگی و کاهش شدید شاخص SPI وجود داشته است که منجر به کاهش شدیدی معادل 35 درصد در سطح زیرکشت در سال 2009 شده است.
