نقشه پوشش گیاهی با کمک شاخصهای NDVI و VI بر روی تصاویر لندست ETM+ حوضه افین استان خراسان جنوبی
Publish place: 2nd Conference on Environmental Planning and Management
Publish Year: 1391
Type: Conference paper
Language: Persian
View: 1,976
This Paper With 8 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
ESPME02_391
Index date: 11 June 2012
نقشه پوشش گیاهی با کمک شاخصهای NDVI و VI بر روی تصاویر لندست ETM+ حوضه افین استان خراسان جنوبی abstract
کسب اطلاعات درباره وضعیت پوشش گیاهی از قبیل میزان و پراکنش آنها از اهمیت زیادی برخوردار است. استفاده از داده های ماهواره ای، امکان مطالعه گسترده پوشش گیاهی را فراهم می سازد. به منظور کاهش اثر عوامل ناخواسته بر اطلاعات پوشش گیاهی و افزایش آنها از شاخصهای گیاهی استفاده می کنند. در واقع شاخصهای گیاهی برای متمایز ساختن پوشش گیاهی با پدیده-های دیگر که توسط تک باندها ممکن نیست، بکار می رود. در این مطالعه مقایسه ای بین نتایج حاصل از شاخصهای NDVI و VI برای تهیه نقشه پوشش گیاهی حوضه آبریز افین به کمک تصاویر ماهواره ای لندست ETM+ انجام گرفته است. همچنین از نرم افزار ERDAS 8.4 و ILWIS3.0 جهت تجزیه وتحلیل تصاویر، طبقه بندی و تهیه نقشه پوشش گیاهی استفاده گردیده است. طبقه بندی به روش نظارت شده و با الگوریتم حداکثر احتمال انجام شد. نتایج نشان داد که شاخص NDVI نسبت به شاخص VI از صحت بهتری برای تهیه نقشه پوشش گیاهی برخوردار می باشد ولی در بعضی نقاط، هر دو این شاخصها به دلیل پوشش گیاهی ضعیف منطقه در تشخیص مراتع دچار اشتباه شده و از صحت لازم برخوردار نیستند. همچنین مقایسه دو تصویر ماهواره ای در طی سالهای 2002 تا 2010 نشان می دهد که به دلیل خشکسالی از تراکم پوشش گیاهی کاسته شده و سبب تغییر وضعیت پوشش گیاهی منطقه گردیده است. .
نقشه پوشش گیاهی با کمک شاخصهای NDVI و VI بر روی تصاویر لندست ETM+ حوضه افین استان خراسان جنوبی Keywords:
نقشه پوشش گیاهی با کمک شاخصهای NDVI و VI بر روی تصاویر لندست ETM+ حوضه افین استان خراسان جنوبی authors
جابر سلطانی
استادیار گروه مهندسی عمران دانشگاه زابل
فاطمه حاجی آبادی
دانشجوی کارشناسی ارشد آبیاری و زهکشی دانشگاه زابل
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :