سیویلیکا را در شبکه های اجتماعی دنبال نمایید.

بررسی تاثیر روش های مختلف تصحیح اتمسفری در برآورد زی توده جنگل با استفاده از شاخص های گیاهی

Publish Year: 1403
Type: Journal paper
Language: Persian
View: 51

This Paper With 18 Page And PDF Format Ready To Download

Export:

Link to this Paper:

Document National Code:

JR_JFRD-10-2_003

Index date: 1 October 2024

بررسی تاثیر روش های مختلف تصحیح اتمسفری در برآورد زی توده جنگل با استفاده از شاخص های گیاهی abstract

مقدمه و هدف: بازتاب سطح زمین به طور قابل­توجهی تحت تاثیر شرایط جوی مانند بخار آب و ذرات معلق در هوا است. به ویژه، اثرات جذب و پراکندگی زمانی قوی­تر می­شوند که ویژگی­های هدف، اجسام غیر درخشان مانند مناطق آبی یا پوشش گیاهی باشند؛ بنابراین به عنوان رویکرد سنجش از دور، تصحیح اتمسفر برای به حداقل رساندن این اثرات و تبدیل مقادیر عدد رقومی به بازتاب سطحی مورد نیاز است. این پژوهش با هدف بررسی چهار مدل تصحیح اتمسفریک، شامل (۱) تفریق شئ تیره (DOS)، (۲) تحلیل اتمسفری خط دید سریع ابرمکعب های طیفی (FLAASH)، (۳) شبیه سازی دوم سیگنال ماهواره ای در طیف خورشیدی (۶SV)، (۴) مدل تصحیح توپوگرافی اتمسفر (ATCOR) و مقایسه آنها با تصویر اصلی سنجنده OLI برای تخمین مقدار زی­توده روی زمینی (AGB) جنگل سری ۱۱ آواردیم حوزه نه شفارود استان گیلان انجام شد تا اثربخشی روش­های تصحیح اتمسفریک برای ماهواره ۸Landsat  بررسی شود.مواد و روش­ها: برای برآورد زی­توده، تعداد ۲۴۶ قطعه نمونه ۳۶۰۰ مترمربعی با ابعاد شبکه ۳۰۰ × ۳۰۰ متر به صورت منظم تصادفی در عرصه پیاده شد. برای نمونه­برداری و پیدا کردن قطعات نمونه از دستگاه GPS دستی (مدل Garmin GPS MAP ۶۴s با دقت ۳± متر)  استفاده شد و برای این کار قبل از شروع آماربرداری طول و عرض جغرافیایی نقاط (قطعات نمونه) را وارد دستگاه GPS کرده و سپس با استفاده از دستگاه فوق قطعات نمونه در عرصه مشخص و مشخصه های قطر برابرسینه، ارتفاع درختان و درختچه های موجود (قطر بیش از ۵/۷ سانتی متر) اندازه گیری و سپس در فرم­های مربوطه ثبت شد. تصاویر سنجنده OLI ماهواره لندست ۸ از سایت جهانی USGS استخراج شد. انتخاب تصاویر با توجه به فصل، میزان حداقل پوشش ابری و همچنین در فصل رویش نزدیکی به زمان حداکثر سبزینگی انجام شد. این تصاویر در سطح L۱T ارائه شده و با نقشه های رقومی کاملا انطباق دارد. در این تحقیق از ۷ باند سنجنده OLI ماهواره لندست ۸ مربوط به گذر/ ردیف شماره ۳۴/۱۶۶ استفاده شده است. ماهواره ترا قبل از عبور ماهواره لندست ۸ بر فراز ایران با اختلاف زمانی حدود نیم ساعت به وقت محلی تهیه تصویر می­نماید. با توجه به پایدار بودن شرایط اتمسفر در این اخلاف زمانی کم امکان استفاده از اطلاعات MODIS هم گام با لندست ۸ وجود دارد. همچنین در این پژوهش از سه محصول روزانه MODIS برای هر یک از تصاویر لندست ۸ باقدرت تفکیک مکانی ۵۰۰ متر، شامل: MOD۰۴ (ضخامت نوری ذرات معلق در محدوده ۵۵۰ میکرومتر)، MOD۰۵ (بخار آب) و MOD۰۷ (ازن کل)، استفاده شد. DEM حاصل از ASTER باقدرت تفکیک مکانی ۳۰ متر از سایت جهانی USGS دریافت شد. از مدل DEM به طور مستقیم در روش تصحیح اتمسفری SV۶ استفاده گردید. همچنین برای روش تصحیح اثر اتمسفر ATCOR مدل DEM جهت تهیه نقشه شیب، جهت، دید آسمان مورداستفاده قرار گرفت.یافته­ها: نتایج نشان داد که مدل تصحیح اتمسفریک بر مبنای کد انتقال تابشی SV۶ در بیشتر شاخص های گیاهی حاصله از داده های سنجنده OLI ماهواره لندست ۸ عملکرد مطلوبی داشته است. بالاترین نتایج آنالیز همبستگی را شاخص ARVI حاصل از مدل تصحیح اتمسفری SV۶ با ضریب همبستگی ۸۰۱/۰ به خود اختصاص داده است. همچنین در حالت استفاده از روش  FLAASH بیشترین و کمترین میزان همبستگی را به ترتیب شاخص های ARVI (۷۷۹/۰) و RVI (۵۸۶/۰) به خود اختصاص داده اند. در روش تصحیح اتمسفریک DOS یا شئ تیره بیشترین و کم ترین میزان همبستگی به ترتیب مربوط به شاخص های GARI (۷۶۲/۰) و EVI (۵۱۸/۰) است و در آخر در روش ATCOR بیشترین و کم ترین میزان همبستگی به ترتیب مربوط به شاخص های NDVI (۷۳۲/۰) و GNDVI (۴۵۴/۰) است. به طورکلی، در برآورد مقدار زی­توده جنگل، مدل تصحیح اتمسفریک SV۶ با کمترین درصد RMSE (۰۴/۱۵ درصد) بهترین عملکرد را نشان داد و پس از آن مدل های FLAASH، ATCOR و DOS بیشترین دقت را داشتند.نتیجه­گیری کلی: برآورد و پایش میزان بیوماس روی زمینی برای مطالعات تغییر اقلیم، تولید چرخه کربن، تخصیص مواد غذایی و انباشت سوخت، مطالعات رفتار آتش و ... در اکوسیستم ضروری است. همچنین اعمال تصحیحات اتمسفری بر روی باندهای اصلی تصاویر در فرایند پیش­پردازش قبل از طبقه­بندی و استخراج شاخص­های گیاهی جهت رفع اثرات ناخواسته اتمسفر امری ضروری و اجتناب­ناپذیر است و سبب بهبود صحت نتایج می شود. از نتایج به دست آمده در پژوهش حاضر می توان پیشنهاد کرد که مدل تصحیح اتمسفریک SV۶، با ادغام بخار آب و عمق نوری آئروسل حاصل از محصولات MODIS، برای تخمین زی­توده روی زمینی بر اساس داده های سنجش ازدور مناسب تر است، به ویژه هنگام استفاده از داده هایی که در تابستان به­دست می آیند، زمانی که بخار آب و دما هر دو بالا است و تاج پوشش جنگل در توسعه کامل است.در نهایت، پیشنهاد می شود که از مدل تصحیح اتمسفریک SV۶ برای برآورد زی­توده روی زمینی جنگل موردبررسی بر اساس داده های سنجش ازدور استفاده شود.

بررسی تاثیر روش های مختلف تصحیح اتمسفری در برآورد زی توده جنگل با استفاده از شاخص های گیاهی Keywords:

بررسی تاثیر روش های مختلف تصحیح اتمسفری در برآورد زی توده جنگل با استفاده از شاخص های گیاهی authors

Ismaeil Moradi Emam Gheysi

دانشجوی دکتری مدیریت جنگل، دانشکده منابع طبیعی، دانشگاه گیلان، صومعه سرا، ایران

Amir Eslam Bonyad

استاد، گروه جنگلداری، دانشکده منابع طبیعی دانشگاه گیلان، صومعه سرا، ایران

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 :
Agapiou, A.; Hadjimitsis, D.G.; Papoutsa, C.; Alexakis, D.D.; Papadavid, G., ...
Ali, A.; Xu, M.-S.; Zhao, Y.-T.; Zhang, Q.-Q.; Zhou, L.-L.; ...
Canty, M., Automatic Radiometric Normalization of Multitemporal Satellite Imagery with ...
Chander, G.; Markham, B.L; Helder, D.L., Summary of Current Radiometric ...
Crippen, R.E, Calculating the Vegetation Index Faster. Remote Sensing of ...
Muchsin, F.; Dirghayu, D.; Prasasti, I.; Rahayu, M.I.; Fibriawati, L.; ...
Feng, M.; Sexton, J.O.; Huang, C.; Masek, J.G.; Vermote, E.F.; ...
Gitelson, A.A.; Kaufman, Y.J.; Merzlyak, M.N., Use of a Green ...
Hu, Y.; Liu, L.; Liu, L.; Peng, D.; Jiao, Q.; ...
Huete, A.R., A Soil-Adjusted Vegetation Index (SAVI). Remote Sensing of ...
Jordan, C.F., Derivation of Leaf Area Index from Quality of ...
Ju, J.; Roy, D.P.; Vermote, E.; Masek, J.; Kovalskyy, V., ...
Kaufman, Y.J.; Tanré, D., Atmospherically Resistant Vegetation Index (ARVI) for ...
King, M.D.; Tsay, S.C.; Platnick, S.E., Cloud Retrieval Algorithms for ...
Khalili Ardali, Z.; Mirazadi, Z.; Mansour samaei, R., Estimation of ...
Lohrabi, Y.; Abbasi, M.; Soltani, A.; Riyahi Bakhtyari, H.R., Determination ...
Masek, J.G.; Vermote, E.F.; Saleous, N.E.; Wolfe, R.; Hall, F.G.; ...
Menzel, W.; Seemann, S.; Li, J, ۲۰۰۲, MODIS Atmospheric Profile ...
Nazeer, M.; Nichol, J.E.; Yung, Y.K., Evaluation of Atmospheric Correction ...
Nguyen, H.C.; Jung, J., Lee, J.; Choi, S.; Hong, S.; ...
Nuorodini, A.; A.E. Bonyad., Investigating the efficiency of atmospheric effect ...
Pan, Y.; Birdsey, R.A.; Phillips, O.L.; Jackson, R.B., The structure, ...
Pathak, N.V.; Pandya, M.R.; Shah, D.B.; Trivedi, H.J.; Patel, K.D.; ...
Rondeaux, G.; Steven, M.; Baret, F., Optimization of Soil-Adjusted Vegetation ...
Ronoud, Gh.; Darvishsefat, A.A., Estimating aboveground woody biomass of Fagus ...
Rouse, J.W.; Haas, R.W.; Schell, J.A.; Deering, D.W.; Harlan, J.C., ...
Roy, D.P.; Ju, J.; Kline, K., Web-enabled Landsat Data (WELD): ...
Roy, D.P.; Qin, Y.; Kovalskyy, V.; Vermote, E.F.; Ju, J.; ...
Sharifi, A.; Amini, J.; Pourshakouri, F., Allometric model development for ...
Soleimannejad, L.; Bonyad, A.E.; Naghdi, Latifi., Classification of quantitative attributes ...
Vahedi, A.A., Artificial neural network application in comparison with modeling ...
نمایش کامل مراجع