مائده بهیفر؛ حسین عقیقی؛ علی اکبر متکان؛ علیاکبر متکان
چکیده
شاخص سطح برگ استخراجشده (LAI) از تصاویر سنجش از دور پارامتر مهمی، بهمنظور مدلسازی مکانی تولید پوشش گیاهی، محسوب میشود. معمولاً شاخصهای پوشش گیاهی که با بازتاب طول موجهای قرمز و مادون قرمز نزدیک محاسبه میشوند، در برآورد LAI با استفاده از روشهای آماری، بهکار میروند اما بسیاری از این شاخصها در مقادیر متفاوت LAI به اشباع ...
بیشتر
شاخص سطح برگ استخراجشده (LAI) از تصاویر سنجش از دور پارامتر مهمی، بهمنظور مدلسازی مکانی تولید پوشش گیاهی، محسوب میشود. معمولاً شاخصهای پوشش گیاهی که با بازتاب طول موجهای قرمز و مادون قرمز نزدیک محاسبه میشوند، در برآورد LAI با استفاده از روشهای آماری، بهکار میروند اما بسیاری از این شاخصها در مقادیر متفاوت LAI به اشباع میرسند. برای رفع این محدودیت، بازتاب محدودة لبة قرمز استفاده شده است؛ بنابراین، باید قابلیت شاخصهای متفاوت پوشش گیاهی استخراجشده از دادههای سنجش از دور، برای برآورد LAI ذرت علوفهای، ارزیابی شود. بدینمنظور پنج مرحله نمونهبرداری میدانی، با فاصلة زمانی نزدیک به گذر ماهوارة سنتینلـ 2، از سوی مرکز تحقیقات فضایی پژوهشگاه فضایی ایران، اجرا شد و در مجموع، 234 نمونه از مزارع ذرت علوفهای شرکت کشت و صنعت مگسال قزوین برداشت شد. سپس سیزده شاخص پوشش گیاهی متفاوت، با استفاده از سری زمانی تصاویر سنتینلـ 2، محاسبه شد و برای برآورد آماری مقادیر LAI بهکار رفت. نتایج نشان داد که شاخص EVI با ضریب همبستگی 76/0 برای برآورد شاخص سطح برگ ذرت علوفهای بهترین عملکرد را داشته است. علاوهبراین، مقدار RMSE روشهای رگرسیون غیرخطی بیشتر از روشهای خطی بوده است.
داود عاشورلو؛ حمید صالحی شهرابی؛ حامد نعمت اللهی
چکیده
شاخصهای طیفی پوشش گیاهی بهمنزلة ابزاری مناسب برای تخمین میزان تولید محصولات کشاورزی استفاده میشوند. بااینحال، تعداد محدود تصاویر از عوامل اصلی کاهش کارآیی شاخصها بهمنظور تخمین تولید شمرده میشود. از سوی دیگر، ارزیابی توانایی شاخصها در تخمین تولید از راه ترکیب دادههای مادیس و لندست، در مواردی که تعداد دادههای لندست ...
بیشتر
شاخصهای طیفی پوشش گیاهی بهمنزلة ابزاری مناسب برای تخمین میزان تولید محصولات کشاورزی استفاده میشوند. بااینحال، تعداد محدود تصاویر از عوامل اصلی کاهش کارآیی شاخصها بهمنظور تخمین تولید شمرده میشود. از سوی دیگر، ارزیابی توانایی شاخصها در تخمین تولید از راه ترکیب دادههای مادیس و لندست، در مواردی که تعداد دادههای لندست کم باشد، کمتر مورد توجه قرار گرفته است. هدف تحقیق حاضر، در گام نخست، معرفی شاخصها یا شاخص منتخب در تخمین تولید کلزا و در گام بعدی، استفاده از تکنیکهای تلفیق داده برای افزایش کارآیی شاخص منتخب است. کلزا ازجمله محصولات کشاورزی است که، بهدلیل گلدهی در دورة رشد، ویژگیهای طیفی خاصی دارد. در این تحقیق، پایگاه دادهای از میزان تولید محصول کلزا و سری زمانی دادههای لندست و مادیس کشتوصنعت مغان تهیه و سپس ده شاخص متفاوت بهقصد تخمین تولید کلزا ارزیابی شد. در ادامه، رابطة میزان تولید با شاخص پیشنهادی بررسی و مشخص شد که شاخصNDYI ، در طول زمان گلدهی، دقتی بیشتر از سایر شاخصها دارد (r = 0.73). با تلفیق دادههای سری زمانی لندست و مادیس مبتنیبر الگوریتم مدل تطبیقی ادغام بازتابندگی مکانی و زمانی بهبودیافته (ESTARFM)، همبستگی و RMSE (kg/ha) بهترتیب 7% و 0.11 افزایش و کاهش یافت. تحقیق حاضر نشان داد که استفاده از تکنیکهای تلفیق داده امکانِ افزایش کارآیی شاخصهای طیفی را بهمنظور تخمین تولید محصول فراهم میکند.
سهیل رادیوم؛ حسین عقیقی؛ حمید صالحی شهرابی
چکیده
تبخیر و تعرق یکی از اجزای مهم بیلان انرژی و آب است. کارآمدترین روش محاسبه میزان تبخیر و تعرق واقعی در مقیاس وسیع، استفاده از تصاویر ماهوارهای و سنجش از دور میباشد. اجرای الگوریتمهای محاسبه تبخیر و تعرق مانند سبال نیازمند محاسبه تبخیر تعرق مرجع و در نتیجه بدست آوردن مقادیر دما و رطوبت هوا و سرعت باد است. معمولا در محاسبات مربوط ...
بیشتر
تبخیر و تعرق یکی از اجزای مهم بیلان انرژی و آب است. کارآمدترین روش محاسبه میزان تبخیر و تعرق واقعی در مقیاس وسیع، استفاده از تصاویر ماهوارهای و سنجش از دور میباشد. اجرای الگوریتمهای محاسبه تبخیر و تعرق مانند سبال نیازمند محاسبه تبخیر تعرق مرجع و در نتیجه بدست آوردن مقادیر دما و رطوبت هوا و سرعت باد است. معمولا در محاسبات مربوط به تبخیر و تعرق از اطلاعات بدست آمده از نزدیکترین ایستگاه (های) هواشناسی به منطقه موردمطالعه استفاده میشود که میتواند همراه با خطا باشد. به همین دلیل در این مطالعه، از سنسورهای اینترنت اشیا جهت اندازه گیری دقیق دمای هوا در ارتفاع 2 متری از سطح زمین و همچنین رطوبت هوا و سرعت باد در منطقه مورد مطالعه استفاده شده است. منطقه مورد مطالعه در این تحقیق، مزارع شرکت کشت و صنعت مغان در استان اردبیل است. در این تحقیق تعداد 23 نود در تعدادی از مزارع شرکت کشت و صنعت مغان نصب و راه اندازی گردید. الگوریتم بیلان انرژی سطح زمین (سبال) جهت محاسبه میزان تبخیروتعرق با تصاویر لندست 8 سال 1394 مورداستفاده قرار است.
فرزانه حدادی؛ محسن آزادبخت؛ مائده بهی فر بهی فر؛ حمیدصالحی شهرابی؛ امیر معینی راد
دوره 10، شماره 3 ، فروردین 1397، ، صفحه 53-76
چکیده
در طول چند دهه گذشته، شاخصهای پوششگیاهی متعددی برای تخمین تولید محصولات کشاورزی توسعه داده شدهاند که هر یک از آنها با توجه به باندهای مورد استفاده و فرمول جبری خود، به مقادیر متفاوتی از تراکم و شاخص سطح برگ گیاهان زراعی حساسیت دارند. مطالعه بعضی از محصولات زراعی چندساله مانند یونجه، که در هر سال به دفعات برداشت میشود، بسیار ...
بیشتر
در طول چند دهه گذشته، شاخصهای پوششگیاهی متعددی برای تخمین تولید محصولات کشاورزی توسعه داده شدهاند که هر یک از آنها با توجه به باندهای مورد استفاده و فرمول جبری خود، به مقادیر متفاوتی از تراکم و شاخص سطح برگ گیاهان زراعی حساسیت دارند. مطالعه بعضی از محصولات زراعی چندساله مانند یونجه، که در هر سال به دفعات برداشت میشود، بسیار پیچیده بوده و کمتر مورد توجه قرار گرفته است. لذا در این مقاله، از مهمترین شاخصهای پوششگیاهی توسعه داده شده در برآورد تولید یونجه، توسط تصاویر سری زمانی Sentinel-2 استفاده میشود. در این تحقیق، اقدام به جمعآوری دورهای 144 نمونه، به شیوه تخریبی از مزارع زیرکشت محصول یونجه شرکت کشاورزی و دامپروری مگسال (قزوین)، بهصورت تقریباً نزدیک به زمان گذر ماهواره، شد و سپس کارایی 10 شاخص از معروفترین شاخصهای پوششگیاهی، مبتنی بر تصاویر Sentinel-2 برای تخمین تولید محصول یونجه، مورد ارزیابی قرار گرفت. نتایج تحقیق حاضر، نشان داد که تولید تخمین زدهشده یونجه، با استفاده از شاخص نسبت به سایر شاخصها، دارای بالاترین همبستگی و کمترین جذر میانگین مربعات با دادههای برداشتشده میدانی در اواسط مرداد ماه بوده است. بهعلاوه در نتایج این تحقیق، نشان داده شد که شاخصهای لبه قرمز، مشکل اشباعشدگی شاخصهای پوششگیاهی در محصول یونجه را نتوانستهاند برطرف کنند و شاخصهای پوشش گیاهی سبز، نسبت به شاخصهای لبه قرمز جهت تخمین تولید این محصول، توانایی بیشتری را نشان دادهاند.
علیاکبر متکان؛ داوود عاشورلو؛ حمید صالحی
دوره 8، شماره 4 ، آذر 1395، ، صفحه 65-78
چکیده
مشخصههای استخراجشده از تصاویر ماهوارهای تکزمانه نمیتواند در طبقهبندی محصولات کشاورزی به صحت بالای طبقهبندی منتج شود؛ بدین سبب، استفاده از تصاویر چندزمانه و اطلاعات بافت این تصاویر در پژوهش حاضر بررسی شده است. این تحقیق تفکیک چهار محصول یونجه، گندم، سیبزمینی و خیار را در شهرستان قروه، با استفاده از تصویر تکزمانه و ...
بیشتر
مشخصههای استخراجشده از تصاویر ماهوارهای تکزمانه نمیتواند در طبقهبندی محصولات کشاورزی به صحت بالای طبقهبندی منتج شود؛ بدین سبب، استفاده از تصاویر چندزمانه و اطلاعات بافت این تصاویر در پژوهش حاضر بررسی شده است. این تحقیق تفکیک چهار محصول یونجه، گندم، سیبزمینی و خیار را در شهرستان قروه، با استفاده از تصویر تکزمانه و چندزمانه (ASTER & SPOT5)، بررسی میکند. این تحقیق هفت تصویر مربوط به هفت زمان متفاوت را بررسی کرده و با استفاده از جدول تفکیکپذیری، به این نتیجه رسیده که تصویر 11 تیر بهترین تصویر تکزمانه و ترکیب 11 تیر و 21 مهر بهترین تصویر دوزمانه است. در تحقیق حاضر، از روشGLCM برای استخراج بافت استفاده شده است. برای استخراج شاخصهای بافت از این روش، اندازة تقریبی پنجره با استفاده از واریوگرام تعیین شد و سپس شاخصهای بهدستآمده با باندهای طیفی تصویر تکزمانه و دوزمانه ترکیب شدند. سپس طبقهبندی با استفاده از انواع ترکیبات تصویر تکزمانه و دوزمانه و شاخصهای گوناگون اجرا شد. در طبقهبندی طیفی بهترین تصویر تکزمانه (11 تیر)، صحت کلی طبقهبندی حدود 24% بیشتر از کمترین صحت طبقهبندی مربوط به تصویر 10 مرداد (76.02% در برابر 52.28%) بهدست آمد. صحت طبقهبندی با استفاده از تصویر دوزمانه به حداکثر میرسد و با اضافهکردن تصاویر بعدی، افزایشی ندارد. در تصویر پنجزمانه، صحت طبقهبندی از تصویر دوزمانه بیشتر میشود اما، با اضافهکردن شاخصهای بافت، حدود 5% از صحت طبقهبندی دوزمانه با شاخصهای بافت کاسته شد. بدینترتیب مشخص میشود که بافت میتواند نقشی بیشتر از چند تصویر داشته باشد. بهترین طبقهبندی در بهترین ترکیب دوزمانه (11 تیر و 21 مهر) بهدست آمد (97.48%). در تصاویر تکزمانه، تصویر 11 تیر بالاترین صحت طبقهبندی (95.2%) را بهدست آورد. نتایج نشان داد که استفاده از تصاویر چندزمانه بههمراه شاخصهای بافت، درمقایسه با روشهای مرسوم (بدون استفاده از شاخصهای بافت یا تصاویر چندزمانه)، دقت بسیار بالاتری دارد.