ارزیابی شاخصهای طیفی استخراج شده ازتصاویرماهواره لندست 8 به منظور تخمین میزان بیوماس محصول کلزا مطالعه موردی: چهارحوزه آبریزاستان گلستان
Publish place: The 2rd National Conference on New Findings in Agricultural Sciences, the Environment and Sustainable Natural Resources
Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 765
This Paper With 10 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ASESNR02_008
تاریخ نمایه سازی: 6 اسفند 1395
Abstract:
پژوهشگران مختلف سنجش ازدوردرطول دودهه گذشته نقش شاخصهای گیاهی حاصل ازداده های ماهواره ای را بررسی منابعطبیعی ارزیابی کرده و به همبستگی مناسبی بین این شاخص ها با پارامترهای گیاهی رسیده اند درتحقیق حاضر به بررسی توانایی شاخصهای طیفی درتخمین بایومس محصول کلزا درسطح چهارحوزه آبریز محمدآباد، قرن اباد، زرین گل و قره سو واقع دراستان گلستان پرداخته شدها ست دانه های روغنی بعدازغلات به عنوان دومین منبع تولید انرژی درتغذیه انسان مطرح می باشند عملیاتی میدانی اندازه گیری بایومس درزمان رسیدگی کامل محصول کلزا خرداد 1395 انجام شد دوتصویر ازماهواره LANDSAT سنجنده ,TIRS/OLI یکی دراواسط فصل رشدکلزا زمان گلدهی و دیگری دراواخر فصل رشد به منظور استخراج وتعیین شاخصهای گیاهی ازقبیل RVI و SAVI, NDVI, IPVI, DVI مورداستفاده قرارگرفتند سپس همبستگی بین داده های زمینی و شاخصهای گیاهی فوق که حاصل ترکیب باندهای مختلف می باشد ارزیابی و پس ازازمایش مدلها نتایج به دست آمده نشان داد که شاخص گیاهی DVI با ضریب تبیین 71درصد نسبت به دیگر شاخصهای استفاده شده ازدقت بالاتری درتخمین بیوماس برخوردار است براساس اطلاعات بدست آمده ازاین تحقیق میتوان بیان نمود که بااستفاده ازتصاویرماهواره LANDSAT-8 امکان تخمین بایومس بادقت قابل قبولی وجود دارد
Keywords:
Authors
فاطمه الهی
دانش آموخته کارشناسی ارشداگرواکولوژی دانشگاه علوم کشاورزی و منابع طبیعی گرگان
بهنام کامکار
دانشیارگروه زراعت دانشگاه علوم کشاورزی و منابع طبیعی گرگان
حسین کاظمی
استادیار گروه زراعت دانشگاه علوم کشاورزی و منابع طبیعی گرگان
امید عبدی
کارشناس ارشدمنابع طبیعی گرگان
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 :