به کارگیری الگوریتم ادغام مکانی-زمانی در استخراج شاخص های طیفی گیاه در مراحل رشد برنج (مورد مطالعه: شمال شهرستان ساری)
سابقه و هدف: وجود ماهواره‌های پایش سطح زمین این امکان را فراهم می‌کند تا بتوان در مراحل مختلف رشد وضعیت سبزینگی گیاه را با کمک شاخص‌های گیاهی مختلف مورد بررسی قرار داد. گستردگی زمین‌های شالیزاری در مناطق شمالی کشور این فرصت را فراهم نموده تا پژوهش‌های مربتط با محصول برنج توسط فناوری‌های نوین امکان‌پ...
Saved in:
| Main Authors: | , , , |
|---|---|
| Format: | Article |
| Language: | fas |
| Published: |
Gorgan University of Agricultural Sciences and Natural Resources
2022-06-01
|
| Series: | Pizhūhish/hā-yi tulīd-i giyāhī |
| Subjects: | |
| Online Access: | https://jopp.gau.ac.ir/article_6102_8e76699bb4c122901bea8a00d943650c.pdf |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| _version_ | 1832586586095616000 |
|---|---|
| author | فاطمه جعفری صیادی محمدعلی غلامی سفیدکوهی همت الله پیردشتی مجتبی خوش روش |
| author_facet | فاطمه جعفری صیادی محمدعلی غلامی سفیدکوهی همت الله پیردشتی مجتبی خوش روش |
| author_sort | فاطمه جعفری صیادی |
| collection | DOAJ |
| description | سابقه و هدف: وجود ماهواره‌های پایش سطح زمین این امکان را فراهم می‌کند تا بتوان در مراحل مختلف رشد وضعیت سبزینگی گیاه را با کمک شاخص‌های گیاهی مختلف مورد بررسی قرار داد. گستردگی زمین‌های شالیزاری در مناطق شمالی کشور این فرصت را فراهم نموده تا پژوهش‌های مربتط با محصول برنج توسط فناوری‌های نوین امکان‌پذیر شود اما وجود ابرناکی در دوره‌های رشد گیاه منجر می‌شود تا اطلاعات حاصل از سنجش از دور در مناطق مرطوب با استقبال کمتری روبرو شود. وجود الگوریتم‌های ادغام مکانی-زمانی این فرصت را فراهم نموده است تا بتوان در دوره‌های ابرناکی به بازسازی تصاویر ماهواره‌ای پرداخته و امکان بهره‌گیری از داده‌های دورسنجی را در دوره رشد گیاهی فراهم نمود. در این پژوهش از الگوریتم ادغام مکانی- زمانی به منظور بازسازی تصاویر ماهواره‌های لندست 8 و سنتینل 2 در دوره رشد گیاه برنج استفاده شد تا شاخص سطح برگ به عنوان نماینده‌ای از سلامت و توسعه‌یافتگی پوشش گیاهی در مراحل مختلف رشد محاسبه شود.مواد و روش‌ها: برای دستیابی به اهداف این پژوهش، تصاویر ماهواره‌های لندست 8 و سنتینل 2 مورد استفاده قرار گرفت. در دوره ابرناکی با کمک الگوریتم STARFM تصاویر دو ماهواره بازسازی و برای استخراج شاخص‌های تفاوت نرمال‌شده گیاهی (NDVI)، رشد برنج (RGVI) و پوشش گیاهی با اصلاح خاک (SAVI) مورد استفاده قرار گرفت. به منظور برآورد شاخص سطح برگ با استفاده از تصاویر ماهواره‌ای رابطه‌ای مناسب میان شاخص‌های گیاهی و شاخص سطح برگ برنج (رقم طارم هاشمی) در مراحل مختلف رشد به دست آمد.یافته‌ها: با توجه به ابرناکی در تیرماه و اوج سبزینگی گیاه برنج، استفاده از الگوریتم STARFM برای بازسازی تصاویر بسیار کارآمد بود. با کمک 15 تصویر در کل دوره رشد برنج (90 روز) چهار رابطه خطی بین شاخص‌های تفاوت نرمال‌شده گیاهی (NDVI)، رشد برنج (RGVI) و پوشش گیاهی با اصلاح خاک (SAVI) برای چهار مرحله از رشد با شاخص سطح برگ ایجاد شد که بالاترین و پایین‌ترین ضریب همبستگی بین شاخص‌های سنجش از دوری و شاخص سطح برگ به ترتیب 96/0 برای شاخص NDVI در مرحله نشا و رسیدن و 75/0 برای شاخص RGVI در مرحله نشا مشاهده شد. همچنین نقشه تغییرات شاخص سطح برگ برای هر دو ماهواره در دوره رشد زراعی به خوبی تغییرات سبزینگی پوشش برنج را نمایش داد.نتیجه‌گیری: در مجموع به نظر می رسد با استفاده از داده‌های ماهواره‌ای و بازسازی تصاویر در روزهای ابرناکی، می‌توان به شاخص سطح برگ با دقت بالایی دست یافت و اطلاعات مختلف همچون سن و مرحله رشد را برای گیاه برنج استخراج نمود. |
| format | Article |
| id | doaj-art-8d62bd12b8c44bd1957d804c428f83fc |
| institution | Kabale University |
| issn | 2322-2050 2322-2778 |
| language | fas |
| publishDate | 2022-06-01 |
| publisher | Gorgan University of Agricultural Sciences and Natural Resources |
| record_format | Article |
| series | Pizhūhish/hā-yi tulīd-i giyāhī |
| spelling | doaj-art-8d62bd12b8c44bd1957d804c428f83fc2025-01-25T07:00:23ZfasGorgan University of Agricultural Sciences and Natural ResourcesPizhūhish/hā-yi tulīd-i giyāhī2322-20502322-27782022-06-01292799910.22069/jopp.2022.18887.27876102به کارگیری الگوریتم ادغام مکانی-زمانی در استخراج شاخص های طیفی گیاه در مراحل رشد برنج (مورد مطالعه: شمال شهرستان ساری)فاطمه جعفری صیادی0محمدعلی غلامی سفیدکوهی1همت الله پیردشتی2مجتبی خوش روش3دانشجوی دکتری رشته مهندسی آب، گرایش آبیاری و زهکشی، گروه مهندسی آب، دانشکده مهندسی زراعی، دانشگاه علوم کشاورزی و منابع طبیعی ساری، ساری، ایراننویسنده مسئول، دانشیار گروه مهندسی آب، دانشکده مهندسی زراعی، دانشگاه علوم کشاورزی و منابع طبیعی ساری، ساری، ایران.استاد گروه زراعت، دانشکده علوم زراعی، دانشگاه علوم کشاورزی و منابع طبیعی ساری، ساری، ایراندانشیار گروه مهندسی آب، دانشکده مهندسی زراعی، دانشگاه علوم کشاورزی و منابع طبیعی ساری، ساری، ایران.سابقه و هدف: وجود ماهواره‌های پایش سطح زمین این امکان را فراهم می‌کند تا بتوان در مراحل مختلف رشد وضعیت سبزینگی گیاه را با کمک شاخص‌های گیاهی مختلف مورد بررسی قرار داد. گستردگی زمین‌های شالیزاری در مناطق شمالی کشور این فرصت را فراهم نموده تا پژوهش‌های مربتط با محصول برنج توسط فناوری‌های نوین امکان‌پذیر شود اما وجود ابرناکی در دوره‌های رشد گیاه منجر می‌شود تا اطلاعات حاصل از سنجش از دور در مناطق مرطوب با استقبال کمتری روبرو شود. وجود الگوریتم‌های ادغام مکانی-زمانی این فرصت را فراهم نموده است تا بتوان در دوره‌های ابرناکی به بازسازی تصاویر ماهواره‌ای پرداخته و امکان بهره‌گیری از داده‌های دورسنجی را در دوره رشد گیاهی فراهم نمود. در این پژوهش از الگوریتم ادغام مکانی- زمانی به منظور بازسازی تصاویر ماهواره‌های لندست 8 و سنتینل 2 در دوره رشد گیاه برنج استفاده شد تا شاخص سطح برگ به عنوان نماینده‌ای از سلامت و توسعه‌یافتگی پوشش گیاهی در مراحل مختلف رشد محاسبه شود.مواد و روش‌ها: برای دستیابی به اهداف این پژوهش، تصاویر ماهواره‌های لندست 8 و سنتینل 2 مورد استفاده قرار گرفت. در دوره ابرناکی با کمک الگوریتم STARFM تصاویر دو ماهواره بازسازی و برای استخراج شاخص‌های تفاوت نرمال‌شده گیاهی (NDVI)، رشد برنج (RGVI) و پوشش گیاهی با اصلاح خاک (SAVI) مورد استفاده قرار گرفت. به منظور برآورد شاخص سطح برگ با استفاده از تصاویر ماهواره‌ای رابطه‌ای مناسب میان شاخص‌های گیاهی و شاخص سطح برگ برنج (رقم طارم هاشمی) در مراحل مختلف رشد به دست آمد.یافته‌ها: با توجه به ابرناکی در تیرماه و اوج سبزینگی گیاه برنج، استفاده از الگوریتم STARFM برای بازسازی تصاویر بسیار کارآمد بود. با کمک 15 تصویر در کل دوره رشد برنج (90 روز) چهار رابطه خطی بین شاخص‌های تفاوت نرمال‌شده گیاهی (NDVI)، رشد برنج (RGVI) و پوشش گیاهی با اصلاح خاک (SAVI) برای چهار مرحله از رشد با شاخص سطح برگ ایجاد شد که بالاترین و پایین‌ترین ضریب همبستگی بین شاخص‌های سنجش از دوری و شاخص سطح برگ به ترتیب 96/0 برای شاخص NDVI در مرحله نشا و رسیدن و 75/0 برای شاخص RGVI در مرحله نشا مشاهده شد. همچنین نقشه تغییرات شاخص سطح برگ برای هر دو ماهواره در دوره رشد زراعی به خوبی تغییرات سبزینگی پوشش برنج را نمایش داد.نتیجه‌گیری: در مجموع به نظر می رسد با استفاده از داده‌های ماهواره‌ای و بازسازی تصاویر در روزهای ابرناکی، می‌توان به شاخص سطح برگ با دقت بالایی دست یافت و اطلاعات مختلف همچون سن و مرحله رشد را برای گیاه برنج استخراج نمود.https://jopp.gau.ac.ir/article_6102_8e76699bb4c122901bea8a00d943650c.pdfلندست 8سنتینل 2شاخص سطح برگ و نقشه پوشش گیاهی |
| spellingShingle | فاطمه جعفری صیادی محمدعلی غلامی سفیدکوهی همت الله پیردشتی مجتبی خوش روش به کارگیری الگوریتم ادغام مکانی-زمانی در استخراج شاخص های طیفی گیاه در مراحل رشد برنج (مورد مطالعه: شمال شهرستان ساری) Pizhūhish/hā-yi tulīd-i giyāhī لندست 8 سنتینل 2 شاخص سطح برگ و نقشه پوشش گیاهی |
| title | به کارگیری الگوریتم ادغام مکانی-زمانی در استخراج شاخص های طیفی گیاه در مراحل رشد برنج (مورد مطالعه: شمال شهرستان ساری) |
| title_full | به کارگیری الگوریتم ادغام مکانی-زمانی در استخراج شاخص های طیفی گیاه در مراحل رشد برنج (مورد مطالعه: شمال شهرستان ساری) |
| title_fullStr | به کارگیری الگوریتم ادغام مکانی-زمانی در استخراج شاخص های طیفی گیاه در مراحل رشد برنج (مورد مطالعه: شمال شهرستان ساری) |
| title_full_unstemmed | به کارگیری الگوریتم ادغام مکانی-زمانی در استخراج شاخص های طیفی گیاه در مراحل رشد برنج (مورد مطالعه: شمال شهرستان ساری) |
| title_short | به کارگیری الگوریتم ادغام مکانی-زمانی در استخراج شاخص های طیفی گیاه در مراحل رشد برنج (مورد مطالعه: شمال شهرستان ساری) |
| title_sort | به کارگیری الگوریتم ادغام مکانی زمانی در استخراج شاخص های طیفی گیاه در مراحل رشد برنج مورد مطالعه شمال شهرستان ساری |
| topic | لندست 8 سنتینل 2 شاخص سطح برگ و نقشه پوشش گیاهی |
| url | https://jopp.gau.ac.ir/article_6102_8e76699bb4c122901bea8a00d943650c.pdf |
| work_keys_str_mv | AT fạṭmhjʿfryṣyạdy bhḵạrgyryạlgwrytmạdgẖạmmḵạnyzmạnydrạstkẖrạjsẖạkẖṣhạyṭyfygyạhdrmrạḥlrsẖdbrnjmwrdmṭạlʿhsẖmạlsẖhrstạnsạry AT mḥmdʿlygẖlạmysfydḵwhy bhḵạrgyryạlgwrytmạdgẖạmmḵạnyzmạnydrạstkẖrạjsẖạkẖṣhạyṭyfygyạhdrmrạḥlrsẖdbrnjmwrdmṭạlʿhsẖmạlsẖhrstạnsạry AT hmtạllhpyrdsẖty bhḵạrgyryạlgwrytmạdgẖạmmḵạnyzmạnydrạstkẖrạjsẖạkẖṣhạyṭyfygyạhdrmrạḥlrsẖdbrnjmwrdmṭạlʿhsẖmạlsẖhrstạnsạry AT mjtbykẖwsẖrwsẖ bhḵạrgyryạlgwrytmạdgẖạmmḵạnyzmạnydrạstkẖrạjsẖạkẖṣhạyṭyfygyạhdrmrạḥlrsẖdbrnjmwrdmṭạlʿhsẖmạlsẖhrstạnsạry |