انجمن سنجش از دور ایراننشریه سنجش از دور و GIS ایران2008-596614420221222Comparison of Deep Learning and Cascade Classifiers Approaches for Object Detection in Autonomous UAV Landingمقایسة روشهای یادگیری عمیق و طبقهبندیکنندة آبشاری در تشخیص اشیا، در فرود اتوماتیک پرندههای بدون سرنشین11810068410.52547/gisj.14.4.1FAبهروز مرادیکارشناس ارشد فتوگرامتری، دانشکدة مهندسی نقشهبرداری، دانشگاه صنعتی خواجه نصیرالدین طوسیعباسعلی مهرباندکتری هوافضا، دانشکده هوافضا، دانشگاه فردوسی مشهدمرتضی محمدیدکتری هوافضا، دانشکده هوافضا، دانشگاه فردوسی مشهدJournal Article20190804Autonomous landing is a key challenging in the domain of UAV navigation systems. Developing an autonomous landing system requires a precise estimation of the UAV pose relative to landing marker, particularly in vision systems this involves precise Helipad recognition. It seems that traditional approaches including cascade classifiers, image matching and segmentation techniques to have major challenges in different weather conditions and scales. On the other hand, convolutional neural networks (CNNs) have been introduced as a powerful tool in the visual recognition systems in the recent years but the high computational cost of this techniques, limited their performance in the low cost and light weight UAVs. The aim of this paper is to compare the convolutional neural networks and cascade classifier for helipad detection. The results show that CNNs are invariant under translation, rotation, scaling and occlusion. The detection accuracy of this method is 99.1 % which is 3 % more than cascade classifier while its running time is suitable for real time UAV applications.<br /><strong> </strong>فرود اتوماتیک یکی از موضوعات و چالشهای مهم در حوزة کنترل و اتوماسیون پهپادهای بدون سرنشین است. توسعة الگوریتمهای فرود اتوماتیک نیازمند تعیین موقعیت پهپاد نسبتبه محل فرود است که این کار، در حوزههای پردازش تصویر، به تشخیص دقیق و سریع محل فرود نیاز دارد. ازجمله روشهای معمول، در این زمینه، طبقهبندیکنندة آبشاری و تناظریابی و قطعهبندی تصویر است که بهنظر میرسد، با تغییرات آبوهوایی و مقیاس متفاوت، این الگوریتمها با چالش مواجه شوند. از طرف دیگر، در سالهای اخیر شبکههای کانولوشنی عمیق بهمنزلة مدلهایی قوی بهمنظور شناسایی و تشخیص اشیا در تصاویر بهکار رفتهاند؛ بااینحال با توجه به بار محاسباتی زیاد، این مدلها هنوز در حوزة پرندههای بدون سرنشینی که از لحاظ سختافزاری سبکاند و قدرت پردازش ضعیفی دارند، کاربرد جدی نیافتهاند. هدف این مقاله مقایسة دو روش شبکههای عمیق کانولوشنی و طبقهبندیکنندة آبشاری برای تشخیص آنی محل فرود است. نتایج عملیکردن روش ارائهشده روی یک پرندة Parrot AR Drone2.0 نشان میدهد که شبکههای کانولوشنی در مقابل دوران، مقیاس، انتقال و حتی پنهانشدگی پایداری بسیار زیادی دارند. دقت تشخیص در این روش 1/99 است که، در قیاس با روش طبقهبندیکنندة آبشاری، 3% بیشتر است و درعینحال از لحاظ سرعت نیز، مناسب کاربردهای آنی است.https://gisj.sbu.ac.ir/article_100684_4827c45784bbf807d36c8d62d69dc89f.pdfانجمن سنجش از دور ایراننشریه سنجش از دور و GIS ایران2008-596614420221222A Review of Remote Sensing Methods in Identifying and Monitoring Forest Firesمروری بر روشهای مبتنیبر سنجش از دور در شناسایی و پایش آتشسوزی جنگل195210157510.52547/gisj.14.4.19FAزهره رودسرابیدانشجوی کارشناسی ارشد مهندسی فتوگرامتری، دانشگاه صنعتی نوشیروانی بابلعلی سام خانیانیاستادیار گروه مهندسی نقشهبرداری، دانشگاه صنعتی نوشیروانی بابلعباس کیانیاستادیار گروه مهندسی نقشهبرداری، دانشگاه صنعتی نوشیروانی بابلJournal Article20210120Numerous studies on the phenomenon of fire over the past several decades have provided an extensive set of input data and implementation and evaluation methods. However, this vast array of results and research is structured to provide a roadmap to new users in the field and guidance on various applications and conditions that have not yet been analyzed. In other words, the absence of coherent research on the relative performance of different remote sensing processes in the fire is felt to produce various products or the resulting utilities. To fill this gap, a relatively comprehensive analysis of fire studies in remote sensing publications has been performed in this study. Some of the general factors evaluated in the pre, during, post-fire studies were the manipulation of input data, the review of algorithms, and their development, as these are factors that can be controlled by analysts to improve the Final accuracy of analyzes and results. One of the important issues in the field of fire after the identification and discovery of fire, due to the permanent changes in the structure and composition of vegetation, is to study how vegetation is restored and its growth rate during the years after the fire. According to a study of fire studies in the country, about 48% of them are related to the identification and spread of fire and the remaining 52% are related to resuscitation and recovery. In a review of research related to identification studies, it was found that approximately 5% of its share was done using learning methods and the remaining 43% was done using traditional methods. At the same time, of the study-related share of Resuscitation studies approximately 21% to examine vegetation and 31% of the soil under the fire surface. The findings of this study can be useful in helping researchers to make decisions in the selection of data and algorithms used according to the purpose of study, in different branches of studies associated with fire. However, in addition to these general guidelines, an analyst can consider personal preferences or the benefits of a particular algorithm that may be relevant to a particular program.مطالعات متعددی که طی چندین دهة اخیر درمورد پدیدة آتشسوزی انجام شده، مجموعة گستردهای از دادههای ورودی و روشهای اجرا و ارزیابی را فراهم کرده است. بااینحال این مجموعة گستردة نتایج و تحقیقات، بهصورت ساختاریافته، بهمنظور ارائة نقشة راه به کاربران جدید این حوزه و راهنمایی در زمینة کاربردها و شرایط گوناگونی فراهم آمده است که تا کنون تحلیل نشدهاند. بهعبارتی دیگر، خلأ تحقیقی منسجم درمورد عملکرد نسبی فرایندهای گوناگون سنجش از دور در این حوزه، بهمنظور تولید اطلاعات متفاوت و مرتبط با کاربریها، احساس میشود. برای رفع این خلأ، در این تحقیق، تحلیلی نسبتاً جامع از مطالعات انجامشده دربارة آتشسوزی در نشریات سنجش از دور صورت پذیرفته است. چند عامل کلی مورد ارزیابی در مطالعات پیش، حین و پس از آتشسوزی، تغییر در دادههای ورودی، بررسی الگوریتمها و توسعة آنها بودند زیرا تحلیلگران میتوانند این عوامل را کنترل کنند تا دقت نهایی تحلیلها و نتایج حاصل را بهبود بخشند. یکی از مسائل مهم در موضوع آتشسوزی، پس از شناسایی و کشف آتش، با توجه به تغییرات دائمی ایجادشده در ساختار و ترکیب پوشش گیاهی، بررسی نحوة بازیابی پوشش گیاهی و میزان رشد آن طی سالیان پس از آتشسوزی است. براساس بررسی انجامشده دربارة مطالعات آتشسوزی در کشور، حدود 48% از این پژوهشها به شناسایی و گسترش آتشسوزی و حدود 52% دیگر به احیا و بازیابی پرداختهاند. در بررسی تحقیقات دربارة مطالعات شناسایی، مشخص شد که تقریباً 5% از آنها با استفاده از روشهای یادگیری و 43% دیگر با روشهای سنتی انجام شدند. درعینحال از سهم مرتبط با مطالعات احیا نیز، تقریباً 21% به بررسی پوشش گیاهی و 31% به بررسی خاک زیر سطح آتش پرداختند. یافتههای این تحقیق میتواند به محققان، برای تصمیمگیری در انتخاب دادهها و الگوریتمهای مورد استفاده، با توجه به هدف مطالعه، در شاخههای گوناگون مطالعات مرتبط با آتشسوزی کمک مؤثری برساند. بااینحال تحلیلگران میتوانند، علاوهبر این دستورالعملهای کلی، ترجیحات شخصی یا مزایای الگوریتم ویژهای را که ممکن است به برنامهای خاص مربوط باشد، در نظر بگیرند.https://gisj.sbu.ac.ir/article_101575_1ecdfb87793f8d1fb0eca437f2c43a84.pdfانجمن سنجش از دور ایراننشریه سنجش از دور و GIS ایران2008-596614420221222Estimation of Maximum and Minimum Daily Air Temperature Using MODIS Surface Temperature Productsتخمین دمای هوای بیشینه و کمینة روزانه با استفاده از محصولات دمای سطح زمین سنجندة مادیس537010157410.52547/gisj.14.4.53FAمحمد طاوسیدانشجوی کارشناسی ارشد گروه مهندسی آبخیزداری، دانشکدة منابع طبیعی و علوم دریایی، دانشگاه تربیت مدرس، نور، مازندرانمهدی وفاخواهاستاد گروه مهندسی آبخیزداری، دانشکدة منابع طبیعی و علوم دریایی، دانشگاه تربیت مدرس، نور، مازندرانوحید موسویاستادیار گروه مهندسی آبخیزداری، دانشکدة منابع طبیعی و علوم دریایی، دانشگاه تربیت مدرس، نور، مازندران0000-0002-4563-1178Journal Article20210619Due to the importance of meteorological data and limitations of data gathering from ground stations, remote sensing can play an important role in the preparation of these data. The purpose of this study was to quantitatively evaluate the Land Surface Temperature (LST) obtained from Moderate Resolution Imaging Spectroradiometer (MODIS) sensor images for estimating the maximum and minimum daily air temperature in the Taleghan watershed. For this purpose, the maximum and minimum daily air temperature data of three existing ground stations for the period 2009 to 2015 were obtained. Day and night LST and Normalized Difference Vegetation Index (NDVI) values of MODIS were also prepared. The relationships between each of the effective variables and maximum and minimum daily air temperature in ground stations have been extracted using multiple linear regression method. The results showed that there was a significant correlation between maximum and minimum daily temperature of ground stations with day and night LST and NDVI from MODIS sensor. Therefore, these variables were used in regression relationships. The results of validation showed that the established relationships with all effective variables had the most accuracy. Therefore, the best model for estimating the maximum daily air temperature had , NSE and RMSE values of 0.74, 0.74, and +4.7, respectively and for estimating the minimum daily air temperature had 0.71, 0.72 and +2.9, respectively. Therefore, by converting the surface temperature obtained from MODIS sensor images, the air temperature can be estimated with high accuracy on a daily and monthly scales for various studies.<strong> </strong>با توجه به اهمیت دادههای هواشناسی و وجود محدودیت دادهبرداری در ایستگاههای زمینی، فنّ سنجش از دور میتواند نقش مهمی در تهیة این دادهها ایفا کند. هدف از این پژوهش ارزیابی کمّی دمای سطح زمین (LST) حاصل از تصاویر سنجندة مادیس، برای تخمین دمای هوای بیشینه و کمینة روزانه در حوضة آبخیز طالقان است. برای این منظور، دادههای دمای هوای بیشینه و کمینة روزانة سه ایستگاه هواشناسی زمینی و مقادیر LST روز و شب و NDVI سنجندة مادیس، متعلق به دورة زمانی 2009 تا 2015، دریافت و تهیه شد. سپس با استفاده از روش رگرسیون خطی چندگانه، بین هریک از متغیرهای مؤثر و دمای هوای بیشینه و کمینة روزانه در ایستگاههای زمینی، ارتباط برقرار شد. نتایج نشان داد که بین دمای هوای بیشینه و کمینة روزانه در ایستگاههای زمینی، با LST روز و شب و NDVI حاصل از سنجندة مادیس، همبستگی معنیداری وجود دارد؛ بنابراین از این متغیرها در روابط رگرسیونی استفاده شد. نتایج حاصل از اعتبارسنجی نشان داد روابطی که با همة متغیرهای مؤثر ایجاد شده است بیشترین صحت را دارد؛ بهطوریکه بهترین مدل در تخمین بیشینة دمای هوای روزانه، دارای مقادیر ، NSE و RMSE، بهترتیب 75/0، 75/0 و<em><sup>C</sup></em><sup> </sup><sup>˚</sup><sup> </sup>7/4+ و درمورد کمینة دمای هوای روزانه، بهترتیب 71/0، 71/0 و <em><sup> C</sup></em><sup>˚</sup> 9/2+ است؛ ازاینرو میتوان با تبدیل دمای سطح زمین حاصل از تصاویر سنجندة مادیس، دمای هوا را با دقت بالا در مقیاس روزانه و ماهیانه، برای استفاده در پژوهشهای گوناگون، تخمین زد.https://gisj.sbu.ac.ir/article_101574_dea15b533d720f58c842f842872297af.pdfانجمن سنجش از دور ایراننشریه سنجش از دور و GIS ایران2008-596614420221222The Effect of Different Cluster Sampling Schemes in Estimating the Quantitative Characteristics of Zagros Forests Using Sentinel 2 Sensor Imagesتأثیر طرحهای متفاوت نمونهبرداری خوشهای در برآورد مشخصههای کمّی جنگلهای زاگرس، با استفاده از تصاویر سنجندة سنتینل- 2718610165110.52547/gisj.14.4.71FAنسترن نظریانیپژوهشگر پسادکتری جنگلداری، دانشکدة منابع طبیعی، دانشگاه علوم کشاورزی و منابع طبیعی ساریhttps://orcid.org/00دکتر اصغر فلاحاستاد گروه جنگلداری، دانشکدة منابع طبیعی، دانشگاه علوم کشاورزی و منابع طبیعی ساریحبیب اله رمضانی موزیرجیمحقق، دانشگاه کشاورزی و منابع طبیعی سوئد، اومئو، سوئدحامد نقویاستادیار گروه جنگلداری، دانشکدة علوم کشاورزی و منابع طبیعی، دانشگاه لرستانحمید جلیلونداستاد گروه جنگلداری، دانشکدة منابع طبیعی، دانشگاه علوم کشاورزی و منابع طبیعی ساریJournal Article20210518Gathering accurate information for statistics requires high cost and precision. The time factor is also one of the important issues that should be seriously considered in statistics. Therefore, the use of sampling methods and satellite images will be a good alternative for this purpose. In the present study, the aim of the effect of different cluster sampling schemes in estimating the quantitative characteristics of the traditional forests of Olad Ghobad in Koohdasht township, Lorestan province using Sentinel 2 sensor images. To estimate the studied characteristics, 150 clusters in the form of six designs (triangular, square, star 1, linear, L-shaped, star 2) were implemented in the region. Then, in each subplot, the characteristics of the number and area of the tree canopy were measured. Afterimage preprocessing and appropriate image processing (principal component analysis, texture analysis, and different spectral ratios to create important plant indices), the corresponding digital values of the ground sample plots are extracted from the spectral bands and used as independent variables. Modeling was performed using nonparametric methods of random forest, support vector machine, and nearest neighbor. The results showed that the average density per hectare was 51 and the canopy area was 32.94%. The diagram of the mean squares of the error of the training and test data against the number of trees for the characteristic number per hectare and canopy showed that the optimal number of trees was obtained at approximately 75 and 350 points. The results of validation according to the percentage of squared mean squared error showed that for both density and canopy surface characteristics of random forest algorithm with linear and double star sampling designs with the squared percentage of mean squared error respectively (46.00%) and (10.44%) and Bias (-0.02%, 2.82%) along with cluster sampling designs linear and double star, respectively, had better performance in modeling. In general, the results showed that the use of different cluster sampling schemes, nonparametric modeling methods, and Sentinel2 sensor images can better performance estimate the quantitative characteristics of Zagros forests.گردآوردی اطلاعات میدانی دقیق، بهمنظور مدیریت پایدار مناطق جنگلی، مستلزم صرف زمان و هزینة بالایی است؛ بنابراین استفاده از روشهای نمونهبرداری و تصاویر ماهوارهای جایگزین مناسبی برای این کار خواهد بود. هدف پژوهش حاضر تأثیر طرحهای گوناگون نمونهبرداری خوشهای در برآورد مشخصههای کمّی جنگلهای سامان عرفی اولادقباد شهرستان کوهدشت، استان لرستان، با استفاده از تصاویر سنجندة سنتینلـ 2 است. بهمنظور برآورد مشخصههای مورد بررسی، 150 خوشه در قالب شش طرح (مثلث، مربع، ستارهای 1، خطی، اِلشکل و ستارهای 2) در منطقهای به مساحت تقریبی 4500 هکتار ایجاد شد. هر خوشه شامل چهار ریزقطعهنمونه، با مساحت هفتصد مترمربع (شعاع ریزقطعهنمونة دایرهای برابر با پانزده متر و فاصلة بین ریزقطعهنمونهها از هم، شصت متر) بود. سپس در هر ریزقطعهنمونه، مشخصههای تعداد و مساحت تاج درختان اندازهگیری شد. پس از پیشپردازش و پردازش تصاویر (تجزیة مؤلفة اصلی، آنالیز بافت و ایجاد شاخصهای گیاهی)، ارزشهای رقومی متناظر با قطعات نمونة زمینی از باندهای طیفی استخراج و بهمنزلة متغیرهای مستقل، در نظر گرفته شد. مدلسازی با استفاده از روشهای ناپارامتریک جنگل تصادفی، ماشینبردار پشتیبان و نزدیکترین همسایه انجام شد. نتایج نشان داد میانگین تراکم در هکتار 51 اصله و سطح تاجپوشش 3294 مترمربع در هکتار است. نتایج اعتبارسنجی نشان داد که درمورد هر دو مشخصة تراکم و سطح تاجپوشش، الگوریتم جنگل تصادفی بههمراه طرحهای نمونهبرداری خطی و ستارهای 2، بهترتیب با درصد مجذور میانگین مربعات خطا 00/46 و 44/10 و اریبی (02/0- و 82/2%)، عملکرد بهتری در مدلسازی داشته است. بهطورکلی نتایج اعتبارسنجی مشخص کرد استفاده از طرحهای متفاوت نمونهبرداری خوشهای، روشهای مدلسازی ناپارامتریک جنگل تصادفی و تصاویر سنجندة سنتینلـ 2 کارآیی بهتری در برآورد مشخصة تاجپوشش دارد اما، در مقابل، عملکرد مناسبی در برآورد تعداد در هکتار را نداشته است.https://gisj.sbu.ac.ir/article_101651_e01f8b3fd510b63e5c593b717912bef8.pdfانجمن سنجش از دور ایراننشریه سنجش از دور و GIS ایران2008-596614420221222Determining the Erosion and Sedimentation Using MPSIAC Model and GIS System in Khorkhoreh Watershed, Kurdistan, Iranتعیین میزان فرسایش و رسوب با استفاده از روش MPSIAC و سامانة GIS در حوضة خورخوره، استان کردستان8710210177310.52547/gisj.14.4.87FAعطا امینیدانشیار مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی کردستان، سنندجمهدی کرمی مقدمدانشیار گروه کشاورزی، دانشگاه پیامنور، ایرانمحمدحسین سدریاستادیار مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی کردستان، سنندجسمیه کاظمیدانشجوی دکتری اقتصاد کشاورزی، گروه اقتصاد کشاورزی دانشگاه کردستان، سنندجJournal Article20200924In recent years, with the change of use and development of agricultural lands in the country's basins, the rate of erosion and sediment production has increased. Given that in most sub-basins, the long term data of sedimentation stations have not been recorded, it is difficult to estimate the amount of sedimentation and erosion. The objectives of this study was to determine the factors influencing erosion and sedimentation and to determine the quantitative values of erosion in the Khorkhoreh watershed, Kurdistan, Iran. For this purpose, first, using topographic maps, geology and aerial photographs in GIS environment, type and shape maps of erosion were prepared and evaluated by field survey. Based on the MPSIAC model, the nine factors influencing erosion for all sub-basins were identified separately and the scores of each factor were determined. By summing the factors, the degree of sedimentation for each sub-basin was determined and the amount of sedimentation and special erosion and total erosion in each sub-basin were calculated. The results showed that the topographic factors and the current state of erosion have the most role and the weather factor has the least role in the sedimentation rate of the basin.Moreover, 92% of the total basin has a high degree of sedimentation in the fourth order erosion class. The amount of Sediment Delivery Ratio of the basin (SDR) varies between 32 and 50 percent. The lowest and highest specific erosion rates in different sub-basins were 10 and 35 ton/ha.yr, respectively. Also, the amount of special sediment and special erosion of the whole basin was 6.4 and 17.4 ton/ha.yr, respectively.در سالهای اخیر، با تغییر کاربری و توسعة اراضی کشاورزی در حوضههای کشور، میزان فرسایش و تولید رسوب افزایش یافته است. با توجه به اینکه در بیشتر زیرحوضهها، آمار ایستگاههای رسوبسنجی بهصورت درازمدت ثبت نشده است، برآورد میزان رسوب و فرسایش با مشکلاتی مواجه است. هدف از این پژوهش تعیین عوامل مؤثر در فرسایش و رسوب و تعیین مقادیر کمّی فرسایش در حوضة آبخیز خورخوره در استان کردستان است. به این منظور، ابتدا با استفاده از نقشههای توپوگرافی، زمینشناسی و عکسهای هوایی در محیط GIS، نقشة نوع و گونههای فرسایش تهیه شد و این نقشهها، با بررسیهای صحرایی، تدقیق و ارزیابی شدند. براساس مدل MPSIAC، عوامل نُهگانة مؤثر در فرسایش درمورد تمامی زیرحوضهها، بهتفکیک بررسی شد و امتیازات هر عامل بهدست آمد. با جمع امتیازات عوامل، درجة رسوبدهی برای هر زیرحوضه تعیین و سپس مقدار رسوب و فرسایش ویژه و فرسایش کل در هر زیرحوضه محاسبه شد. نتایج نشان داد عوامل توپوگرافی و وضعیت فعلی فرسایش بیشترین نقش و عامل آبوهوا کمترین نقش را در میزان رسوبدهی حوضه دارند. طبق نتایج، 92% کل حوضه دارای درجة رسوبدهی زیاد در کلاس فرسایش درجة چهار است. نسبت رسوب تحویلی حوضه (SDR) بین 32 تا 50% متغیر است. کمترین و بیشترین مقدار فرسایش ویژه در زیرحوضههای متفاوت، بهترتیب معادل 10 و 35 تن بر هکتار در سال، بهدست آمد. مقدار رسوب ویژه و فرسایش ویژة کل حوضه نیز، بهترتیب 4/6 و 4/17 تن بر هکتار در سال، حاصل شد.<br /><strong> </strong>https://gisj.sbu.ac.ir/article_101773_30b685f76651c5bdff5c1585fc972f2b.pdfانجمن سنجش از دور ایراننشریه سنجش از دور و GIS ایران2008-596614420221222Sensitivity of Vegetation Dryness Index (VDI) to Reflectance of Different Shortwave Infrared Bands in Arid and Semi-Arid Regions
(Case Study: Sistan & Baluchestan Province)حساسیتسنجی شاخص خشکی گیاه (VDI) به بازتابش باندهای گوناگون فروسرخ موج کوتاه در مناطق خشک و نیمهخشک (مطالعة موردی: استان سیستان و بلوچستان)10311810188410.52547/gisj.14.4.103FAکمال امیدواراستاد گروه جغرافیا، پردیس علوم انسانی و اجتماعی، دانشگاه یزدمعصومه نبوی زادهدانشجوی دکتری گروه جغرافیا، پردیس علوم انسانی و اجتماعی، دانشگاه یزداحمد مزیدیدانشیار گروه جغرافیا، پردیس علوم انسانی و اجتماعی، دانشگاه یزد،حمید غفاریاناستادیار گروه جغرافیا، پردیس علوم انسانی و اجتماعی، دانشگاه یزدپیمان محمودیاستادیار گروه جغرافیای طبیعی، دانشکدة جغرافیا و برنامهریزی محیطی، دانشگاه سیستان و بلوچستانJournal Article20201201Drought monitoring is critical for early warning of drought hazard. This study is attempted to develop remote sensing drought monitoring index (VDI), based on Accuracy of different bands of Moderate Resolution Imaging Spectroradiometer data MODIS, VDI focuses about the vegetation water stress.<br /> Spectral studies have demonstrated that due to the large absorption by leaf water, shortwave infrared reflectance (SWIR) is negatively related to leaf water content. Being sensitive to leaf water content, SWIR is widly utilized to construct various remote-sensing indices for example VDI for reflecting vegetation water content, . In this study, Vegetation Drought Index (VDI) was evaluated Based on the sensitivity rate to moisture by shortwave infrared reflectance bands SWIR 5 and 6 (VDI5 and VDI6). The data included the MODIS sensor images from Terra satellite in a period of nineteen years from 2000 to 2018 and Precipitation data are obtained from the Global Land Data Assimilation System (GLDAS), in Sistan & Balouchestan Province, Pearson correlation coefficient was used to evaluate the accuracy of the Drought spatial distribution maps calculated based on the two bands.<br />Results indicate high significant correlation rate between VDI6 and Precipitation data . Study also showed that shortwave infrared band 6 (SWIR) is more sensitive to agricultural drought than band 5,in Sistan and Baluchestan province . The study recommends to use VDI index with and 6 for better early detection and monitoring of agricultural drought in operational drought management programmes.پایش خشکسالی، بهمنظور هشدار سریع برای خطر خشکسالی، بسیار حیاتی و مهم است. در این پژوهش، سعی شده است که شاخص پایش خشکسالی VDI براساس باندهای متفاوت دادههای ماهوارهای مادیس، با تفکیک مکانی متوسط، توسعه یابد. شاخص VDI به تنش آب در گیاهان میپردازد. مطالعات طیفی نشان داده است که بازتابندگی باند فروسرخ موج کوتاه (SWIR) با محتوای آببرگ ارتباط منفی دارد و بهدلیل حساسبودن SWIR به محتوای آببرگ، در ایجاد شاخصهای گوناگون سنجش از دور، ازجمله VDI و بهمنظور شناسایی محتوای آب گیاهان، کاربرد گستردهای دارد. این پژوهش نقشههای خشکسالی شاخص VDI را براساس میزان حساسیت به رطوبت، با استفاده از بازتابش باندهای 5 و 6 فروسرخ موج کوتاه SWIR (VDI5 و VDI6) مادیس، ارزیابی کرده است. بدینمنظور از تصاویر ماهوارهای مادیس و دادههای بارش ماهیانة مدل جهانی GLDAS، در محدودة استان سیستان و بلوچستان در دورة زمانی نوزدهسالهای (2018-2000) استفاده شد. برای ارزیابی دقت نقشههای محاسبهشده براساس دو باند، ضریب همبستگی پیرسون بهکار رفت. نتایج همبستگی بالایی را میان شاخص VDI6 و دادههای بارش نشان داد و مشخص شد که باند 6 موج کوتاه فروسرخ، در استان سیستان و بلوچستان، به شرایط خشک خاک بیشترین واکنش را نشان میدهد؛ ازاینرو این مطالعه استفاده از شاخص VDI براساس باند 6 را برای شناسایی زودهنگام و نظارت بر خشکسالی کشاورزی در برنامههای عملیاتی مدیریت خشکسالی، پیشنهاد میکند.https://gisj.sbu.ac.ir/article_101884_541de13b0c46fc3d1b8e45c22356e73c.pdfانجمن سنجش از دور ایراننشریه سنجش از دور و GIS ایران2008-596614420221222Evaluating Capability of Reflectance Spectrometry for Estimating the Wheat Chlorophyll and Nitrogenارزیابی قابلیت طیفسنجی بازتابی در برآورد میزان کلروفیل و نیتروژن گندم11913410234610.52547/gisj.14.4.119FAعلی صادقیاستادیار گروه جغرافیا و برنامهریزی شهری، دانشکدة علوم جغرافیایی و برنامهریزی، دانشگاه اصفهان0000-0002-2320-7720سهام میرزاییدکتری سنجش از دور، گروه سنجش از دور و GIS، دانشکدة جغرافیا، دانشگاه تهران0000-0002-8724-1725ساغر چاخرلوبخش تحقیقات خاک و آب، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان آذربایجانشرقی، سازمان تحقیقات، آموزش و ترویج کشاورزی، تبریز0000-0001-5264-165Xمهدی غلام نیااستادیار گروه مهندسی عمران، واحد سنندج، دانشگاه آزاد اسلامی، سنندجحسینعلی بهرامیاستاد گروه خاکشناسی، دانشکدة کشاورزی، دانشگاه تربیت مدرسJournal Article20220109Leaf chlorophyll and nitrogen, due to their important role in photosynthesis are among the major biological parameters of plant physiological status. The ability to quantify chlorophyll and nitrogen can provide important information for precision agricultural activities, plant and agricultural resource management planning, and modeling ecosystem services and production capabilities. This study aimed to assess the capability of indices for estimating the amount of chlorophyll and nitrogen in wheat using spectral data at the canopy level and also determine the most suitable spectral regions and absorption features for this purpose. This research was carried out in a greenhouse environment and the spectroscopic measurements were performed using ASD Fieldspec-3 full-range spectral spectroradiometer. Four plant band indices were classified into two groups of ratio- (NDVI, RVI, and DVI) and soil-based indices (SAVI<sub>2</sub>) for the raw spectrum and the first derivative of the spectrum for the total samples, and the results were compared. The parameters of position, depth, area, asymmetry and width were calculated for seven absorption features extracted from continuum-removed spectra, and the correlation of these indices with chlorophyll and nitrogen content of wheat was examined. The results showed that SAVI<sub>2</sub> had a stronger correlation (RMSE = 0.12, R<sup>2</sup> = 0.85) with the chlorophyll content NDVI (RMSE=0.30, R<sup>2</sup>=0.69) had a higher correlation with the nitrogen content, while using the first derivative with NDVI provided better results. Moreover, area and depth parameters of 430-760 nm absorption spectrum were the best indicators for estimating the amount of chlorophyll and nitrogen in wheat, respectively.کلروفیل و نیتروژن برگ، بهدلیل نقش مهمی که در فتوسنتز دارند، از شاخصهای بیولوژیک مهم وضعیت فیزیولوژیک گیاهان بهشمار میروند. توانایی در کمّیسازی میزان کلروفیل و نیتروژن میتواند اطلاعات مهمی در زمینة فعالیتهای کشاورزی دقیق، برنامهریزی مدیریت منابع گیاهی و کشاورزی، و مدلسازی خدمات و قابلیتهای تولید اکوسیستم تهیه کند. هدف از این مطالعه ارزیابی قابلیت شاخصها، بهمنظور تخمین میزان کلروفیل و نیتروژن گندم، با استفاده از دادههای طیفسنجی در سطح تاجپوشش و همچنین تعیین مناسبترین نواحی طیفی و پدیدههای جذبی است. این پژوهش در محیط گلخانه انجام شد و اندازهگیری طیفی با دستگاه طیفسنج Fieldspec-3-ASD صورت گرفت. چهار شاخص باریک باند گیاهی، در قالب دو دستة شاخصهای نسبتی (NDVI، RVI و DVI) و شاخص تعدیلکنندة تأثیر خاک (SAVI<sub>2</sub>) برای بازتاب طیفی و مشتق اول طیف برای کل نمونهها، محاسبه و نتایج آنها مقایسه شد. پارامترهای عمق باند ماکزیمم، طول موج عمق باند ماکزیمم، مساحت، چولگی و پهنای کامل در نصف مقدار بیشینه، درمورد هفت پدیدة جذبی محاسبه و همبستگی این شاخصها با غلظت کلروفیل و نیتروژن گندم بررسی شد. نتایج نشان دادند، درصورتیکه از طیف بازتابندگی استفاده شود، شاخص SAVI<sub>2</sub> ارتباطی قویتر (۱۲<sub>/</sub>۰ =RMSE، ۸۵<sub>/</sub>۰=R<sup>2</sup>) از دیگر شاخصها با میزان کلروفیل نشان میدهد و درمورد شاخصNDVI نیز، این ارتباط قویتر (۳۰<sub>/</sub>۰ =RMSE، ۶۹<sub>/</sub>۰=R<sup>2</sup>) از شاخصهای دیگر با میزان نیتروژن خواهد بود؛ درحالیکه با استفاده از مشتق اول بازتاب طیفی شاخص NDVI نتایج بهتری ارائه میدهند. مساحت و عمق محدودة جذبی ۷۶۰-4۳0 نانومتر برای مطالعة میزان کلروفیل و نیتروژن گندم بهترین شاخصها محسوب میشوند.https://gisj.sbu.ac.ir/article_102346_f681d3e19f81d3c52af9d0ccc03f0691.pdf