Naderi M. Retrieving Parameters of Leaf Area Index, Chlorophyll Content and Fraction of Vegetation Cover Using an Empirical-Statistical Approach from Chris-Proba Satellite Hyperspectral Images over the Barrax area in Spain. MJSP 2021; 25 (3) :1-27
URL:
http://hsmsp.modares.ac.ir/article-21-45407-fa.html
نادری مهدی. بازیابی پارامتر های شاخص سطح برگ، مقدار کلروفیل و سطح پوشیده شده با پوشش گیاهی با استفاده از رویکرد آماری-تجربی از تصاویر ابرطیفی ماهواره کریس-پروبا در منطقه باراکس اسپانیا. آمایش فضا و ژئوماتیک. 1400; 25 (3) :1-27
URL: http://hsmsp.modares.ac.ir/article-21-45407-fa.html
دانشگاه تربیت مدرس ، naderimahdi@modares.ac.ir
چکیده: (2872 مشاهده)
بازیابی پارامترهای بیوفیزیکی و بیوشیمیایی پوشش گیاهی که در طیف گستردهای از برنامهها مانند مطالعات اقلیمی، نرخ فتوسنتز، وضعیت تغذیهای گیاهان و چرخههای ژئوشیمیایی مورد استفاده قرار میگیرند، از اهمیت بالایی برخوردار است. آگاهی از این پارامترها دید مناسبی دربارۀ سلامت گیاهان، وضعیت رشد آنها و کیفیت پوشش گیاهی فراهم میآورد و امکان بررسی طولانیمدت پویایی پوشش گیاهی را میسر میسازد. بهطورکلی، رویکردهای بازیابی پارامتر در دو گروه کلی رویکردهای آماری ـ تجربی و رویکردهای مبتنی بر مدلهای فیزیکی قرار میگیرند. در این مطالعه بازیابی پارامترهای شاخص سطح برگ (LAI)، مقدار کلروفیل و سطح پوشیدهشده با پوشش گیاهی (FVC) با استفاده از رویکرد آماری ـ تجربی از تصاویر ماهوارهای کریس ـ پروبا در منطقۀ باراکس اسپانیا ارائه شده است. در این رویکرد برای بازیابی پارامترهای پوشش گیاهی، نیازمند دادههای میدانی جمعآوریشده و یک تصویر ماهوارهای از منطقه مورد مطالعه بوده تا با فراهم کردن این دادهها و برقراری ارتباط بین آنها، مدل کالیبرهشده و با استفاده از روشهای رگرسیون خطی و غیرخطی نسبتبه بازیابی پارامترهای پوشش گیاهی اقدام کرد. نتایج حاصل از این مطالعه نشان دادند که در بازیابی شاخص سطح برگ، مقدار کلروفیل و سطح پوشیدهشده با پوشش گیاهی بهترتیب مدلهای Exponential GPR (RMSE= 0.78, R2=0.77, MAE=0.49)، Rational Quadratic GPR (RMSE= 4.55, R2=0.36, MAE=3.61) و Squared Exponential GPR (RMSE=0.11, R2=0.71, MAE=0.09) بهترین برآورد و برازش با دادههای میدانی را ارائه دادند. تجزیه و تحلیل نقشههای بازیابیشدۀ شاخصهای LAI، مقدار کلروفیل و FVC نشان دادند که مدلهای فرایند گاوسی که از روشهای رگرسیون غیرخطی هستند، در مقایسه با روشهای رگرسیون خطی و روشهای ماشینبردار پشتیبان، در بازیابی پارامترهای مذکور عملکرد بهتری داشتهاند. نقشههای بازیابیشده نشان میدهند که مدلهای مختلف گاوسی نهتنها در بازیابی شکل اراضی کشاورزی موفق عمل کرده، بلکه تغییرات شاخصهای LAI، مقدار کلروفیل و FVC داخل اراضی کشاورزی را نیز با دقت مطلوبی بازیابی کردهاند.
نوع مقاله:
پژوهشی اصیل |
موضوع مقاله:
مدلها، تکنیک ها و روش های برنامه ریزی دریافت: 1399/6/1 | پذیرش: 1400/4/31 | انتشار: 1400/7/10