برآورد سطح زیر کشت و ضریب گیاهی برنج با استفاده از سنجش از دور
Publish place: دومین کنگره ملی آبیاری و زهکشی ایران
Publish Year: 1395
Type: Conference paper
Language: Persian
View: 1,198
This Paper With 7 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
Export:
Document National Code:
NCIID02_062
Index date: 25 January 2017
برآورد سطح زیر کشت و ضریب گیاهی برنج با استفاده از سنجش از دور abstract
داده های ماهواره ای به دلیل داشتن ویژگی هایی مانند چند زمانی بودن و دید وسیع و یکپارچه همواره قادر هستند در تامین اطلاعاتلازم در جنبه های مختلف جوامع گیاهی از جمله سطح زیر کشت، تاریخ کشت، مراحل رشد گیاهی، تنش های محیطی و غیره نقشمهمی را ایفا کنند. این در حالی است که کسب این اطلاعات در مقیاس وسیع با استفاده از روشهای رایج، کاری بسیار وقت گیر وهزینه بر است. تحقیق حاضر با هدف تعیین مساحت تحت پوشش شالیزارهای برنج و ضریب گیاهی آن در دشت میاندورود انجام شدهاست. به این منظور از تصاویر تاریخ های 21 خرداد، 23 مرداد و 9 مهر سال 1394 سنجنده OLI استفاده شد. با استفاده از نرم افزار ArcMAP 10.2 پیش پردازش تصاویر، شاخص تفاوت نرمال شده گیاهی و طبقه بندی نظارت شده انجام شد. نتایج نشان داد که با استفاده از سه نقشه در تاریخ های انتخابی، سطح زیر کشت برنج به ترتیب با دقت 86، 85 و 92 درصد محاسبه شد. سپس تغییراتشاخص تفاوت نرمال شده گیاهی و ضریب گیاهی به منظور تعیین رابطه بین این دو پارامتر برای سه تاریخ انتخابی که بیانگر سه مرحلهاز رشد زراعی برنج است به دست آمد. در پایان معادلات برای سه مرحله رویشی، زایشی و برداشت به ترتیب دارای ضریب تعیین 0/62، 0/71 و 0/66 بودند.
برآورد سطح زیر کشت و ضریب گیاهی برنج با استفاده از سنجش از دور Keywords:
برآورد سطح زیر کشت و ضریب گیاهی برنج با استفاده از سنجش از دور authors
فاطمه جعفری صیادی
دانشجوی کارشناسی ارشد آبیاری و زهکشی، دانشگاه علوم کشاورزی و منابع طبیعی ساری
محمدعلی غلامی سفیدکوهی
استادیار گروه مهندسی آب، دانشگاه علوم کشاورزی و منابع طبیعی ساری
میرخالق ضیاتباراحمدی
استاد گروه مهندسی آب، دانشگاه علوم کشاورزی و منابع طبیعی ساری
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 :