استفاده از تصاویر ماهواره ای برای مطالعات پوشش گیاهی ( مقایسه شاخص های مختلف گیاهی – مطالعه موردی منطقه نیشابور)
Publish Year: 1387
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 4,841
This Paper With 10 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
NCAMEM05_208
تاریخ نمایه سازی: 18 خرداد 1387
Abstract:
امروزه کسب آگاهی و د انش در رابطه با پوشش گیاهی و سلامت آن نقش مهمی را در مدیریت خاک ها ایفا می کند . به منظور بررسی و پایش پوشش گیاهی در مقیاس جهانی و ناحیه ای دسترسی به هنگام به داده های میدانی یا صحرایی معمولا دشوار و محدود می باشد. همچنین برآورد پوشش گیاهی به روش معمولی که شامل برآورد کلی از پوشش گیاهی است هم زمان بر است و هم اطلاعات چندان دقیقی را به دست نمی دهد . از این رو سنجش از دور فن آوری بسیار مفیدی است که با داشتن خصوصیاتی نظیر فراهم ساختن یک دید وسیع و یکپارچه از یک منطقه، قابلیت تکرار پذیری، سهل الوصول بودن اطلاعات و دقت بالای اطلاعات حاصله، صرفه جویی در زمان بر سایر روش ها ارجحیت داده می شود . ترکیب نتایج حاصل از مشاهدات و اندازه گیری های مزرعه ای با داده های سنجش از دور می تواند نقشه های به هنگام خصوصیات محصولات را ارائه نماید که این امر در تعریف واحدهای مدیریت دقیق ارزشمند است . استفاده از شاخص های پوشش گیاهی که امروزه در سطح وسیعی از آنها
استفاده می شود نیز می تواند برای کمی کردن تولید خالص سالانه در مقیاس های متفاوت و جهانی و تفکیک پوشش گیاهی در مقیاس های قاره ای، جهانی و ناحیه ای به کار گرفته شود . تحقیق حاضر با ان گیزه ی یافتن روشی سریع همراه با دقتی قابل قبول برای شناسایی و طبقه بندی پوشش گیاهی، تصاویر ماهواره ای و شاخص های مختلف گیاهی را مورد استفاده قرار داده است . مقایسه نتایج روش های مختلف طبقه بندی و اعمال شاخص های گیاهی متفاوت بر تصویر امکان طبقه بندی پوشش گیاهی را مورد بحث و بررسی قرار می دهد.
Keywords:
Authors
سید حسین ثنایی نژاد
عضو هیئت علمی گروه مهندسی آب، دانشگاه فردوسی مشهد
علیرضا آستارایی
عضو هیئت علمی گروه خاکشناسی، دانشگاه فردوسی مشهد
پریسا میرحسینی
کارشناس ارشد خاکشناسی
عاطفه کشاورزی
کارشناس ارشد خاکشناسی
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 :