واسنجی معادلات برآورد شاخص سطح برگ محصولات ذرت و چغندرقند با استفاده از داده‌های ماهواره‏ای سنجنده مودیس (شبکه آبیاری قزوین)

نوع مقاله : مقاله پژوهشی

نویسندگان

1 کارشناس ارشد آبیاری و زهکشی پردیس کشاورزی و منابع طبیعی دانشگاه تهران

2 استادیار پردیس کشاورزی و منابع طبیعی دانشگاه تهران

3 استادیار گروه مهندسی آب دانشگاه گیلان

چکیده

یکی از رایج‏ترین روش‏های تعیین تغییرات مکانی و زمانی شاخص سطح برگ (LAI) در مقیاس منطقه‌ای استفاده از معادلات تجربی مبتنی بر تفاضل نرمال‌شدة بازتابش سطحی است. این تحقیق با هدف ارزیابی و واسنجی معادلات موجود در مراجع و بهینه‏سازی ضرایب این معادلات ریاضی برای برآورد LAI انجام گرفت. بدین منظور مقادیر LAIدر طول دورة رشد سه محصول اصلی کشت تابستانه در شبکة آبیاری قزوین اندازه‏گیری و مقادیر LAI ماهواره‏ای با استفاده از شاخص گیاهی تعدیل‌شدة خاک، حاصل از تصاویر سنجندة مودیس ماهوارة ترا، تعیین شد. نتایج حاکی از خطای نسبی بالای معادلات موجود در مراجع در برآورد LAI در همة گیاهان مطالعه‌شده (مجذور میانگین مربعات خطا (RMSE) 7/4-3 متر مربع بر متر مربع) بود. در مجموع از میان معادلات اصلاحی به‌دست‌آمده در این تحقیق بهترین معادله، با داشتن مقدار RMSE برابر با 57/1 و ضریب تبیین برابر با 72/0، به عنوان برآوردکنندة LAI ازتصاویرمودیسبرای ترکیب سه گیاه به‌دست آمد.

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

Calibration of leaf area index estimating equations in maize and sugar beet based on MODIS sensor satellite data (Qazvin irrigation network)

نویسندگان [English]

  • Alireza Badiehneshin 1
  • Hamideh Noori 2
  • Majid Vazifehdoost 3
1
2
3
چکیده [English]

The most widespread method to determine temporal and spatial variations of LAI in a regional scale is empirical relationships based on the normalized difference of reflectance bands of satellite data. This study was done to evaluate the equations of remotely sensed LAI estimation and optimize their parameters. Therefore, LAI was measured in the field for summer growing season in irrigated fields in the Qazvin irrigation network. Remotely sensed LAI was estimated using the soil adjusted vegetation index (SAVI) that derived from the TERRA-MODIS images. Results of this paper showed that LAI estimating by reference equations for all crops have high value of the root mean square error (RMSE) (3- 4.7). Calibration of LAI according to SAVI was done to determine the best model constants. The modified version of the equation was obtained as the best LAI estimation equation with RMSE equal to 1.57 and coefficient of determination (R2) equal to 0.72.

کلیدواژه‌ها [English]

  • leaf area index
  • Optimization
  • remote sensing
  • Vegetation index

فایل ها

هم رسانی

ارجاع به این مقاله

آمار