[صفحه اصلی ]   [Archive] [ English ]  
:: صفحه اصلي :: درباره نشريه :: آخرين شماره :: تمام شماره‌ها :: جستجو :: ثبت نام :: ارسال مقاله :: تماس با ما ::
بخش‌های اصلی
صفحه اصلی::
اطلاعات نشریه::
آرشیو مجله و مقالات::
برای نویسندگان::
داوران::
ثبت نام و اشتراک::
تماس با ما::
تسهیلات پایگاه::
بایگانی مقالات زیر چاپ::
آمار نشریه::
::
جستجو در پایگاه

جستجوی پیشرفته
..
دریافت اطلاعات پایگاه
نشانی پست الکترونیک خود را برای دریافت اطلاعات و اخبار پایگاه، در کادر زیر وارد کنید.
..
آمار سایت
مقالات منتشر شده: 317
نرخ پذیرش: 63
نرخ رد: 37
میانگین داوری: 209 روز
میانگین انتشار: 347 روز
..
:: دوره 7، شماره 2 - ( 6-1398 ) ::
جلد 7 شماره 2 صفحات 153-133 برگشت به فهرست نسخه ها
تأثیر روش‌های تصحیح جوی بر رابطه میان شاخص‌های گیاهی و تاج پوشش (مطالعه موردی: مرتع مرجن بروجن)
فاطمه پردل* ، عطاالله ابراهیمی ، زهرا عزیزی
دانشگاه شهرکرد
چکیده:   (2742 مشاهده)
تصحیح اتمسفری تصاویر ماهواره­ای هنگامی­که شاخص­های گیاهی برای تعیین تغییرات به کار می­روند، از اهمیت زیادی برخوردار است. در این پژوهش، چهار روش تصحیح اتمسفری در برآورد پوشش­گیاهی با استفاده از شاخص­های گیاهی ارزیابی و اعتبارسنجی شد. برای این منظور، پوشش سبز گیاهی در 19 نقطه و با فواصل 400-1000متر در امتداد ترانسکتی به طول 10 کیلومتر و با 5 کوادرات در هر نقطه اندازه­گیری شد (در هر دوره 95 کوادرات و در کل چهار دوره نمونه­برداری، 380 کوادرات). سپس، تصاویر متناظر با تاریخ­های نمونه­برداری به چهار روش تصحیح شامل1) تصحیح اتمسفری جوّی آنی (QUAC) 2) تصحیح اتمسفری تجزیه­و­تحلیل سریع خط‌دید-اتمسفر ازطریق طیف ابر مکعب (FLAASH) 3) نرمال­سازی تصاویر چندزمانه به روش تبدیل آشکارسازی تغییرات چند متغیّره وزن­دار (IR-MAD) و 4) تبدیل اعداد رقومی به بازتابش بالای جوّ (TOA) اعمال شد. سپس دو شاخص نرمال شده پوشش گیاهی و شاخص پوشش­گیاهی مقاوم به جوی محاسبه شد. در مرحله بعد، اعتبار سنجی مدل­های رگرسیونی خطی برای رابطه بین پوشش و شاخص­های­گیاهی با دو شاخص­گیاهی مذکور و بر مبنای چهار روش تصحیح بیان شده، بر اساس 33 درصد از داده­های زمینی انجام شد. مقادیر ضریب همبستگی و تبیین، ریشه میانگین مربعات خطا، میانگین مطلق خطا و اریبی به عنوان سنجه­های اعتبار هر روش محاسبه شد. پس از دستیابی به بهترین روش تصحیح، 10 شاخص­گیاهی دیگر نیز علاوه بر دو شاخص ذکر شده، محاسبه و در نهایت پس از دستیابی به مدل برآورد تاج پوشش منطقه، نقشه تاج پوشش گیاهی برای چهار زمان تهیه شد. نتایج اعتبارسنجی نشان داد، مقدار ضریب تبیین و ریشه میانگین مربعات خطا در روش تجزیه و تحلیل سریع خط‌دید اتمسفر از طریق طیف ابر مکعب، نسبت به روش­های تصحیح جوّی آنی، تبدیل آشکارسازی تغییرات چند متغیره وزن­دار و تبدیل به بازتابش بالای جوّ، دقت بهتری داشت. مقدار ضریب تبیین به ترتیب برابر 61/0، 37/0، 2/0 و 57/0 برای شاخص پوشش­گیاهی مقاوم جوّی و برابر 54/0، 39/0، 21/0 و 56/0 برای شاخص نرمال شده پوشش گیاهی می­باشد. به‌علاوه، مقادیر ریشه میانگین مربعات خطا برابر 77/0، 97/0، 13/1 و 8/0برای شاخص پوشش­گیاهی مقاوم به جوی و برابر 83/0، 96/0، 12/1 و 81/0 برای شاخص نرمال شده پوشش گیاهی می­باشد. نقشه­های تاج پوشش گیاهی نمایانگر ناهمگنی مکانی تاج پوشش در مرتع مرجن بوده و امکان برآورد تاج پوشش تمام فصول رویشی از یک مدل وجود دارد.
واژه‌های کلیدی: شاخص‌ گیاهی، تصحیح اتمسفری، نرمال سازی رادیومتریکی، کالیبراسیون تصاویر، پایش پوشش‌گیاهی
متن کامل [PDF 1666 kb]   (1850 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: سنجش از دور
دریافت: 1395/6/20 | پذیرش: 1397/3/5 | انتشار: 1398/6/31
فهرست منابع
1. [1] M. Mesdaghi, Range Management in Iran. Mashhad: Astan Ghods Razavi Press,Iran, 2004.
2. [2] M. Migliavacca, G. Galvagno, E. Cremonese, M. Rossini, M. Meroni, and O. Sonnentag, "Using digital repeat photography and eddy covariance data to model grassland phenology and photosynthetic CO2 uptake," Agricultural and Forest Meteorology, pp. 1325- 1337, 2011. [DOI:10.1016/j.agrformet.2011.05.012]
3. [3] N. G. Silleos, T. K. Alexandridis, I. Z. Gitas, and K. Perakis, "Vegetation Indices: Advances Made in Biomass Estimation and Vegetation Monitoring in the Last 30 Years," Geocarto International, vol. 21, 2006. [DOI:10.1080/10106040608542399]
4. [4] K. Brinkmann, U. Dickhoefer, E. Schlecht, and A. Buerkert, "Quantification of aboveground rangeland productivity and anthropogenic degradation on the Arabian Peninsula using Landsat imagery and field inventory data," Remote Sensing of Environment, vol. 115, pp. 465-474, 2011. [DOI:10.1016/j.rse.2010.09.016]
5. [5] I. M. Morrison, "Changes in the lignin and hemicellulose concentrations of ten varieties of temperate grasses with increasing maturity.," Grass Forage Science, vol. 35, pp. 93-287, 1980. [DOI:10.1111/j.1365-2494.1980.tb01525.x]
6. [6] G. C. Fahey, M. Collins, D. R. Mertens, and L. E. Moser, Forage quality, evaluation, and utilization: American Society of Agronomy, Inc., 1994.
7. [7] E. B. Knipling, "Physical and physiological basis for the reflectance of visible and near-infrared radiation from vegetation," Remote Sensing of Environment, vol. 1, pp. 155-159, 1970. [DOI:10.1016/S0034-4257(70)80021-9]
8. [8] T. F. Porter, C. Chen, J. H. Long, and R. L. Lawrence, "Estimating biomass on CRP pastureland: A comparison of remote sensing techniques," biomas and bioenergy, vol. 66, pp. 268-274, 2014. [DOI:10.1016/j.biombioe.2014.01.036]
9. [9] T. Mannschatz, B. Pflug, E. Borg, K. H. Feger, and p. Dietrich, "Uncertainties of LAI estimation from satellite imaging due to atmospheric correction," Remote Sensing of Environment, vol. 153, pp. 24-39, 2014. [DOI:10.1016/j.rse.2014.07.020]
10. [10] P. S. Chavez, "An improved dark-object subtraction technique for atmospheric scattering correction of multispectral data.," Remote sensing of environment, vol. 24, pp. 459-479, 1998. [DOI:10.1016/0034-4257(88)90019-3]
11. [11] R. Richter, D. Schla¨ pfer, and A. Mu¨ller, "An automatic atmospheric correction algorithm for visible/NIR imagery," International Journal of Remote Sensing, vol. 27, pp. 2077-2085, 2006. [DOI:10.1080/01431160500486690]
12. [12] Y. Du, P. M. Teillet, and J. Cihlar, "Radiometric normalization of multitemporal high-resolution satellite images with quality control for land cover change detection," Remote Sensing of Environment, vol. 82, pp. 123-134, 2002. [DOI:10.1016/S0034-4257(02)00029-9]
13. [13] S. H. Liu, C. W. Lin, Y. R. Chen, and C. M. Tseng, "Automatic radiometric normalization with genetic algorithms and a Kriging model," Computers &Geosciences, vol. 43, pp. 42-51, 2012. [DOI:10.1016/j.cageo.2011.12.016]
14. [14] J. Heo and T. W. Fltzhugh, "A Standardized Radiometric Normalization Method for Change Detection Using Remotely Sensed Imagery," Photogrammetric engineering 81 remote sensing, vol. 66, pp. 173-181, 2000.
15. [15] M. J. Canty and A. A. Nielsen, "Automatic radiometric normalization of multitemporal satellite imagery with the iteratively re-weighted MAD transformation," Remote Sensing of Environment, vol. 112, pp. 1025-1036, 2008. [DOI:10.1016/j.rse.2007.07.013]
16. [16] L. Ji, B. K. Wylie, D. R. Nossov, B. Peterson, M. P. Waldrop, J. W. McFarland, et al., "Estimating aboveground biomass in interior Alaska with Landsat data and field measurements," International Journal of Applied Earth Observation and Geoinformation, vol. 18, pp. 451-461, 2012. [DOI:10.1016/j.jag.2012.03.019]
17. [17] R. Darvishzadeh, A. A. Matkan, HosseiniaslA, and M. Ebrahimi Khusefi, "Estimation of vegetation fraction in the Central arid region of Iran using satellite images (Case study: Sheitoor basin, Bafgh)," Arid Biome Scientific and Research Journal, vol. 2, pp. 25-37, 2012.
18. [18] L. S. Bernstein, S. M. Adler-Golden, R. L. Sundberg, and R. Y. Levine, "Validation of the QUick Atmospheric Correction (QUAC) algorithm for VNIR-SWIR multi- and hyperspectral imagery," SPIE Proceedings, Algorithms and Technologies for Multispectral, Hyperspectral, and Ultraspectral Imagery XI. , vol. 5806, pp. 668-678, 2005. [DOI:10.1117/12.603359]
19. [19] Y. J. Kaufman, A. E. Wald, L. A. Remer, B. C. Gao, R. R. Li, and L. Flynn, "The MODIS 2.1- m Channel-Correlation with Visible Reflectance for Use in Remote Sensing of Aerosol," IEEE Transactions On Geoscience And Remote Sensing, vol. 35, pp. 1286-1298, 1997. [DOI:10.1109/36.628795]
20. [20] M. W. Matthew, S. M. Adler-Golden, A. Berk, S. C. Richtsmeier, R. Y. Levine, L. S. Bernstein, et al., "Status of atmospheric correction using a MODTRAN4-based algorithm," SPIE Proceedings, Algorithms for Multispectral, Hyperspectral, and Ultraspectral Imagery VI, vol. 4099, pp. 199-207, 2000. [DOI:10.1117/12.410341]
21. [21] M. Caprioli, B. Figorito, and E. Tarantino, "Radiometric normalization of Landsat ETM+ data for multi-temporal analysis," The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, vol. 34, 2006.
22. [22] M. J. Canty, A. A. Nielsen, and M. Schmidt, "Automatic radiometric normalization of multitemporal satellite imagery," Remote Sensing of Environment, vol. 91, pp. 441-451, 2004. [DOI:10.1016/j.rse.2003.10.024]
23. [23] J. R. Schott, C. Salvaggio, and W. Volchok, J., "Radiometric Scene Normalization Using Pseudoinvariant Features," Remote sensing of environment, vol. 26, pp. 1-18, 1988. [DOI:10.1016/0034-4257(88)90116-2]
24. [24] G. Chander, B. L. Markham, and D. L. Helder, "Summary of current radiometric calibration coefficients for Landsat MSS, TM, ETM+, and EO-1 ALI sensors," vol. 113, pp. 893-903, 2009. [DOI:10.1016/j.rse.2009.01.007]
25. [25] G. L. Anderson, J. D. Hanson, and R. H. Hanson, "Ewaluating Landsat Thematic Mapper Derived Vegetation Indices for Estimating Above-Ground Biomass on Semiarid Rangelands," Remote sensing of environment, vol. 45, pp. 165-175, 1993. [DOI:10.1016/0034-4257(93)90040-5]
26. [26] P. Tahmasebi, A. Ebrahimi, and N. A. Yarali, "The Most Appropirate Quadrate Size and Shape for Determing Some Characteristics of a Semi-steppic Rangeland," Journal of Range and Watershed Management, Iranian Journal of Natural Resources, vol. 65, p. 203_216, 2012.
27. [27] M. Shiyomi and J. Yoshimura, "Measures of spatial heterogeneity for species occurrence or disease incidence with finite-counts," Ecological Research, vol. 15, pp. 13-20, 2000. [DOI:10.1046/j.1440-1703.2000.00326.x]
28. [28] C. L. Maynard, R. L. Lawrence, G. A. Nielsen, and G. Decker, "Modeling vegetation amount using bandwise regression and ecological site descriptions as an alternative to vegetation indices.," GIsci RemotE Sens, vol. 43, pp. 1-14, 2006. [DOI:10.2747/1548-1603.44.1.68]
29. [29] R. D. Jackson and A. Huete, R., "Interpreting vegetation indices," Preventive Veterinary Medicine,, vol. 11, pp. 185-200, 1991. [DOI:10.1016/S0167-5877(05)80004-2]
30. [30] J. G. Lyon, D. Yuan, R. S. Lunetta, and C. D. Elvidge, "A Change Detection Experiment Using Vegetation Indices," Photogrammetric Engineering & Remote Sensing, vol. 64, pp. 143-150, 1998.
31. [31] G. S. Birth and G. Mc Vey, "Measuring the color of growing turf with a reflectance spectroradiometer," Agronomy Journal, vol. 60, pp. 640-643, 1968. [DOI:10.2134/agronj1968.00021962006000060016x]
32. [32] A. J. Richardson and C. L. Wiegand, "Distinguishing Vegetation From Soil Background Information,," Photogramnetric Engineering and Remote Sensing, vol. 43, pp. 1541-1552, 1997.
33. [33] C. R. Perry and L. F. Lautenschlager, "Functional Equvalence of Spectral Vegetation Indices.," Remote Sensing of Environment, vol. 14, pp. 169-182, 1984. [DOI:10.1016/0034-4257(84)90013-0]
34. [34] A. Bannari, A. R. Huete, D. Morin, and F. Zagolski, "Effets de la Couleur et de la Brillance du Sol Sur les Indices de Végétation,," International Journal of Remote Sensing, vol. 17, pp. 1885-1906., 1996. [DOI:10.1080/01431169608948745]
35. [35] J. A. Qi, A. Chehbouni, A. R. Huete, and A. Sorooshian, "A Modified Soil Adjusted Vegetation Index," Remote sensing of environment, vol. 43, pp. 1541-1552, 1994.
36. [36] Y. J. Kaufman and D. Tanre, "Strategy for Direct and Inderect Methods for Correcting the aerosol effect on remote sensing: From AVHRR " Remote sensing of environment, vol. 55, pp. 65-79, 1996. [DOI:10.1016/0034-4257(95)00193-X]
37. [37] A. Huete, R., C. Justice, and W. van Leeuwen, MODIS Vegetation Index (MOD13) Algorithm Theoretical Basis Document, NASA Goddard Space Flight Center, 1999.
38. [38] H. Liu, Q. and A. Huete, "A Feedback Based Modification of the NDVI to Minimize Canopy Background and Atmospheric Noise," IEEE transactions on geoscience and remote sensing, vol. 33, pp. 457-465, 1995. [DOI:10.1109/TGRS.1995.8746027]
39. [39] V. Agon and S. M. Bhamare, "Change detection of vegetation cover Using Remote Sensing and GIS," Journal of research and development, vol. 2, pp. 1-12, 2012.
40. [40] J. Yang, P. J. Weisberg, and N. A. Bristow, "Landsat remote sensing approaches for monitoring long-term tree cover dynamics in semi-arid woodlands: Comparison of vegetation indices and spectral mixture analysis," Remote Sensing of Environment, vol. 119, pp. 62-71, 2012. [DOI:10.1016/j.rse.2011.12.004]
41. [41] D. Hyung Kim, J. O. Sexton, P. Noojipady, C. Huang, A. Anand, and S. Channan, "Global, Landsat-based forest-cover change from 1990 to 2000," Remote Sensing of Environment, vol. 155, pp. 178-193, 2014. [DOI:10.1016/j.rse.2014.08.017]
42. [42] H. Arzani, "Using digital Landsat TM image data for estimate production and vegetation cover,," Iranian Jour. Natural Resources, vol. 50, pp. 11-21, 1998.
43. [43] G. Zehtabian, H. Azarnivand, H. Ahmadi, and S. Kalantari, "Presentation of Suitable Model to Estimate Vegetation Fraction Using Satellite Images in Arid Region (Case Study: Sadough-Yazd, Iran)," Journal of Rangeland Science, vol. 3, pp. 108-117, 2013.
44. [44] T. Miura, A. Huete, R., H. Yoshioka, and B. Holben, N., "An error and sensitivity analysis of atmospheric resistant vegetation indices derived from dark target-based atmospheric correction," Remote Sensing of Environment, vol. 78, pp. 284- 298, 2001. [DOI:10.1016/S0034-4257(01)00223-1]
45. [45] Y. Ke, J. Im, J. Lee, H. Gong, and Y. Ryu, "Characteristics of Landsat 8 OLI-derived NDVI by comparison with multiple satellite sensors and in-situ observations," Remote Sensing of Environment, vol. 164, pp. 298-313, 2015. [DOI:10.1016/j.rse.2015.04.004]
46. [46] F. Pordel, A. Ebrahimi, and z. Azizi, "Evaluation of spatio-temporal change of above-ground phytomass using calculation and extrapolation of Landsat-8 vegetation indices (Case study: Mrajan rangeland, Boroujen)," journal of rangeland, vol. 11, pp. 166-178, 2017



XML     Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:


پردل فاطمه، ابراهیمی عطاالله، عزیزی زهرا. تأثیر روش‌های تصحیح جوی بر رابطه میان شاخص‌های گیاهی و تاج پوشش (مطالعه موردی: مرتع مرجن بروجن). مهندسی فناوری اطلاعات مکانی. 1398; 7 (2) :133-153

URL: http://jgit.kntu.ac.ir/article-1-719-fa.html



بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.
دوره 7، شماره 2 - ( 6-1398 ) برگشت به فهرست نسخه ها
نشریه علمی-پژوهشی مهندسی فناوری اطلاعات مکانی Engineering Journal of Geospatial Information Technology
Persian site map - English site map - Created in 0.05 seconds with 38 queries by YEKTAWEB 4660