این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
پژوهش های تولید گیاهی، جلد ۲۹، شماره ۲، صفحات ۷۹-۹۹
عنوان فارسی به کارگیری الگوریتم ادغام مکانی-زمانی در استخراج شاخص های طیفی گیاه در مراحل رشد برنج (مورد مطالعه: شمال شهرستان ساری)
چکیده فارسی مقاله 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.
کلیدواژه‌های فارسی مقاله لندست 8، سنتینل 2، شاخص سطح برگ و نقشه پوشش گیاهی،
عنوان انگلیسی Use spatial- temporal Fusion Algorithm to extract vegetation indices in rice growth stages Abstract
چکیده انگلیسی مقاله Use spatial- temporal Fusion Algorithm to extract vegetation indices in rice growth stagesAbstractBackground and objectives: Earth monitoring satellites and vegetation indices are very useful to study the plant greenness at different stages of growth. Widely paddy fields in the north of the Iran has provided the opportunity for research related to rice crops by new technologies, but cloudy sky in plant growth periods leads to remote sensing information in humid areas is less welcomed. The existence of spatial-temporal fusion algorithms has provided the opportunity and rebuilding satellite images in cloudy periods to use remote sensing data in the period of plant growth. In this study, spatial-temporal fusion algorithm were used to rebuilding the images of Landsat 8 and Sentinel 2 satellites during the growing season of rice to estimate the leaf area index as a representative of vegetation health and development at different stages of growth.Materials and methods: To achieve the objectives of this study, images of Landsat 8 and Sentinel 2 satellites were used. In the cloud period, with the help of STARFM algorithm, two satellite images were rebuilt and used to extract Normalized Difference Vegetation Index (NDVI), Rice Growth Vegetation Index (RGVI) and Soil Adjustment Vegetation Index (SAVI).To estimate leaf area index by satellite images, a suitable relationship was obtained between vegetation indices and rice leaf area index at different stages of growth.Results: Due to the cloudiness in July and the peak of greenery of the rice plant, using the STARFM algorithm to rebuild the images was very efficient. With the help of 15 images in the whole rice growth period (90 days), four linear relationships were established between Normalized Difference Vegetation Index (NDVI), Rice Growth Vegetation Index (RGVI) and Soil Adjustment Vegetation Index (SAVI) for four stages of growth with leaf area index. The highest and lowest correlation coefficients were observed between vegetation indices and leaf area index of 0.96 for NDVI index in transplanting and maturing stage and 0.75 for RGVI index in transplanting stage, respectively. Also, the map of changes in leaf area index for both satellites during the crop growth period showed well the changes in the greenness of rice cover.Conclusion: In general, it seems that by using satellite data and image rebuilding on cloudy days, it is possible to achieve the leaf area index with high accuracy and extract various information such as age and growth stage for the rice plant
کلیدواژه‌های انگلیسی مقاله لندست 8, سنتینل 2, شاخص سطح برگ و نقشه پوشش گیاهی
نویسندگان مقاله فاطمه جعفری صیادی |
دانشجوی دکتری رشته مهندسی آب، گرایش آبیاری و زهکشی، گروه مهندسی آب، دانشکده مهندسی زراعی، دانشگاه علوم کشاورزی و منابع طبیعی ساری، ساری، ایران

محمدعلی غلامی سفیدکوهی |
نویسنده مسئول، دانشیار گروه مهندسی آب، دانشکده مهندسی زراعی، دانشگاه علوم کشاورزی و منابع طبیعی ساری، ساری، ایران.

همت الله پیردشتی |
استاد گروه زراعت، دانشکده علوم زراعی، دانشگاه علوم کشاورزی و منابع طبیعی ساری، ساری، ایران

مجتبی خوش روش |
دانشیار گروه مهندسی آب، دانشکده مهندسی زراعی، دانشگاه علوم کشاورزی و منابع طبیعی ساری، ساری، ایران.

نشانی اینترنتی https://jopp.gau.ac.ir/article_6102_8a481f6552ecbe72b39e5e74d7251e41.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات