برآورد شاخص سطح برگ محصولات گندم و جو با استفاده از شاخصهای گیاهی مستخرج از تصاویر ماهوارهای

نوع مقاله: مقاله پژوهشی

نویسندگان

1 دانشجوی دوره کارشناسی ارشد گروه آبیاری و آبادانی پردیس کشاورزی و منابع طبیعی دانشگاه تهران

2 استادیار گروه آبیاری و آبادانی پردیس کشاورزی و منابع طبیعی دانشگاه تهران

3 استادیار گروه مهندسی آب دانشگاه گیلان

چکیده

شاخص‌های گیاهی (VI) مختلف برای برآورد شاخص سطح برگ سبز گیاهان (gLAI) از خود ویژگی‌های متفاوتی نشان می‌دهند. هدف از انجام این مطالعه، برآورد gLAI در گیاهان گندم و جو با استفاده از شاخص‌های گیاهی و ارایه روابطی است که بتواند gLAI را در تمام بازه تغییرات آن، بدون کم شدن حساسیت شاخص گیاهی نسبت به gLAI، به خوبی برآورد کند. استخراج روابطی برای برآورد gLAI با استفاده از شاخص‌های گیاهی محاسبه شده از محصولات سنجنده مودیس و داده‌های میدانی gLAI، و ارزیابی دقت روابط به دست آمده با استفاده از شاخص‌های آماری، تحلیل حساسیت آن‌ها و ارایه شاخص گیاهی برتر در برآورد gLAI از مهم‌ترین مراحل انجام این تحقیق است. برای نیل به این اهداف، gLAI در سال زراعی 94-1393 با روش تخریبی در اراضی کشت و صنعت هزار جلفا واقع در شبکه آبیاری قزوین اندازه‌گیری شد. نتایج اندازه­گیری‌های میدانی نشان داد gLAI برای گندم از 07/0 تا 81/5 و برای جو از 01/0 تا 76/3 تغییر می‌کند. VIهای مستخرج از باندهای 1 و 2 سنجنده مودیس شامل شاخص گیاهی تفاضلی نرمال شده (NDVI)، شاخص نسبت ساده (SR)، شاخص طیف گسترده پویا (WDRVI)، شاخص تفاوت وزن (WDVI) و شاخص گیاهی تعدیل شده خاک (SAVI) بود که برای برآورد gLAI به کار گرفته شد. بهترین رابطه به دست آمده مربوط به شاخص گیاهی WDRVI با  برابر با 78/0 و RMSE  برابر با 73/0 انتخاب گردید. نتایج حاصل از تحلیل حساسیت نشان داد روابط به دست آمده بر اساس شاخص گیاهی WDRVI به خوبی می‌تواند gLAI را در تمام بازه تغییرات آن برآورد کند. شاخص‌های گیاهی NDVI و SAVI در بازه 2gLAI< بهتر از سه شاخص گیاهی دیگر عمل می‌نمایند.

کلیدواژه‌ها


عنوان مقاله [English]

Estimation of Green Leaf Area Index of Winter Wheat and Barley Using Spectral Vegetation Indices Derived from MODIS data

نویسندگان [English]

  • Ali Mokhtari 1
  • Hamideh Noory 2
  • Majid Vazifedoust 3
  • Arezoo Nazi Ghameshlou 2
1 MCS Student of Irrigation and Drainage Engineering, Department of Irrigation and Reclamation Engineering, University of Tehran
2 Assistant Professor, Department of Irrigation and Reclamation Engineering, University of Tehran
3 Assistant Professor, Department of Water Engineering, University of Guilan
چکیده [English]

Vegetation Indices (VI) show different results in green leaf area index (gLAI) estimation. The objective of this study is to estimate the gLAI of winter wheat and barley using spectral vegetation indices and presenting equations that are able to properly estimate gLAI on its entire range without any reduction in VIs’ sensitivity to gLAI. Taking field data into account for developing gLAI estimation equations using different VIs derived from MODIS imagery, accuracy assessment of these functions using statistical indices, sensitivity analysis, and presenting the best-fit function for gLAI estimation are the main steps of this study. gLAI was destructively sampled in the fields of Hezarjolfa agro-industry located in Qazvin irrigation network in 2015.Results showed that gLAI changes from 0.07 to 5.81 for wheat and from 0.01 to 3.76 for barley. VIs used in this study derived from band 1 and 2 of MODIS imagery were Normalized different vegetation index (NDVI), simple ratio (SR), wide dynamic range vegetation index (WDRVI), weighted difference vegetation index (WDVI), and soil adjusted vegetation index (SAVI). The best-fit function was concluded from WDRVI with  of 0.78 and RMSE of 0.73. Even though the sensitivity analysis showed that WDRVI can properly estimate gLAI in its entire range, NDVI and SAVI had better results in estimating gLAI<2 than other VIs.

کلیدواژه‌ها [English]

  • Green leaf are index
  • MODIS
  • Remote Sensing
  • Vegetation Index
فرید حسینی،ع.، آستارایی،ع.، ثنایی­نژاد،ح.، میرحسینی موسوی،پ. 1391. تخمین شاخص سطح برگ با استفاده از داده‌های ماهواره‌ای IRS در منطقه نیشابور. پژوهش­های زراعی ایران. 3 :577-582.
بادیه نشین،ع.، نوری،ح.، وظیفه‌دوست،م. 1393. واسنجی معادلات برآورد شاخص سطح برگ محصولات ذرت و چغندرقند با استفاده از داده‌های ماهواره‌ای سنجنده مادیس (شبکه آبیاری قزوین). تحقیقات آب و خاک ایران. 45. 2 :155-165.
یمانی،م.، مزیدی،ا. 1387. بررسی تغییرات سطح و پوشش گیاهی کویر سیاه­کوه با استفاده از داده­های سنجش از دور. پژوهش‌های جغرافیایی. 40. 64 :12-1.
رحمانی،ن.، شاهدی،ک.، میر‌یعقوب‌زاده،م. 1390. ارزیابی شاخص‌های پوشش گیاهی مورد استفاده در سنجش از دور (مطالعه موردی: حوضه هریسک). همایش ژئوماتیک 90.
Aparicio,N., Villegas,D., Araus,J.L., Casadesus,J., Royo,C. 2002. Relationship between growth traits and spectral vegetation indices in durum wheat. Crop science. 42.5: 1547-1555.
Buermann,W., Dong,J., Zeng,X., Myneni,R.B., Dickinson,R.E. 2001. Evaluation of the utility of satellite-based vegetation leaf area index data for climate simulations. Journal of Climate. 14.17: 3536-3550.
Bulcock,H.H., Jewitt,G.P.W. 2010. Spatial mapping of leaf area index using hyperspectral remote sensing for hydrological applications with a particular focus on canopy interception. Hydrology and Earth System Sciences.14.2: 383-392.
Choudhury,B.J., Ahmed,N.U., Idso,S.B., Reginato,R.J., Daughtry,C.S. 1994. Relations between evaporation coefficients and vegetation indices studied by model simulations. Remote sensing of environment. 50.1: 1-17.
Clevers,J.G. 1988. The derivation of a simplified reflectance model for the estimation of leaf area index. Remote Sensing of Environment. 25.1: 53-69.
Fang,H., Liang,S., Hoogenboom,G. 2011. Integration of MODIS LAI and vegetation index products with the CSM-CERES-Maize model for corn yield estimation. International Journal of Remote Sensing, 32.4: 1039-1065.
Gitelson,A.A., Via,A., Arkebauer,T.J., Rundquist,D.C., Keydan,G., Leavitt,B. 2003. Remote estimation of leaf area index and green leaf biomass in maize canopies. Geophysical Research Letters. 30. 5. 1248: 52-51
Gitelson,A.A. 2004. Wide dynamic range vegetation index for remote quantification of biophysical characteristics of vegetation. Journal of plant physiology. 161.2: 165-173.
Govaerts,Y.M., Verstraete,M.M., Pinty,B., Gobron,N. 1999. Designing optimal spectral indices: A feasibility and proof of concept study. International journal of remote sensing. 20.9: 1853-1873.
Huete,A.R. 1988. A soil-adjusted vegetation index (SAVI). Remote sensing of environment. 25.3: 295-309.
Jordan,C.F. 1969. Derivation of leaf‐area index from quality of light on the forest floor. Ecology. 50.4: 663-666.
Jonckheere,I., Fleck,S., Nackaerts,K., Muys,B., Coppin,P., Weiss,M., Baret,F. 2004. Review of methods for in situ leaf area index determination: Part I. Theories, sensors and hemispherical photography. Agricultural and forest meteorology. 121.1: 19-35.
Nguy-Robertson,A., Gitelson,A., Peng,Y., Via,A., Arkebauer,T., Rundquist,D. 2012. Green leaf area index estimation in maize and soybean: Combining vegetation indices to achieve maximal sensitivity. Agronomy Journal. 104.5: 1336-1347.
Nguy-Robertson,A.L., Gitelson,A.A. 2015. Algorithms for estimating green leaf area index in C3 and C4 crops for MODIS, Landsat TM/ETM+, MERIS, Sentinel MSI/OLCI, and Venµs sensors. Remote Sensing Letters. 6.5: 360-369.
Qi,J., Kerr,Y.H., Moran,M.S., Weltz,M., Huete,A.R., Sorooshian,S., Bryant,R. 2000. Leaf area index estimates using remotely sensed data and BRDF models in a semiarid region. Remote sensing of environment. 73.1: 18-30.
Rouse Jr,J., Haas,R.H., Schell,J.A., Deering,D.W. 1974. Monitoring vegetation systems in the Great Plains with ERTS. NASA special publication. 351. 309.
Schmidt,M., Lipson,H. 2009. Distilling free-form natural laws from experimental data. science, 324.5923: 81-85.
Vina,A., Gitelson,A.A. 2005. New developments in the remote estimation of the fraction of absorbed photosynthetically active radiation in crops. Geophysical Research Letters. 32. 17. 1-4. [L17403]. Vina,A., Gitelson,A.A., Nguy-Robertson,A.L., Peng,Y. 2011. Comparison of different vegetation indices for the remote assessment of green leaf area index of crops. Remote Sensing of Environment, 115.12: 3468-3478.
Weiss,M., Baret,F., Smith,G.J., Jonckheere,I., Coppin,P. 2004. Review of methods for in situ leaf area index (LAI) determination: Part II. Estimation of LAI, errors and sampling. Agricultural and Forest Meteorology. 121.1: 37-53.
Xie,Q., Huang,W., Liang,D., Chen,P., Wu,C., Yang,G., Zhang,D. 2014. Leaf area index estimation using vegetation indices derived from airborne hyperspectral images in winter wheat. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing. 7.8: 3586-3594.