پديد آورندگان :
پردل، فاطمه دانشگاه شهركرد، شهركرد , ابراهيمي، عطاالله دانشگاه شهركرد، شهركرد , عزيزي، زهرا دانشگاه آزاد اسلامي، تهران
كليدواژه :
شاخص گياهي , تصحيح اتمسفري , نرمال سازي راديومتريكي , كاليبراسيون تصاوير , پايش پوشش گياهي
چكيده فارسي :
تصحيح اتمسفري تصاوير ماهوارهاي هنگاميكه شاخصهاي گياهي براي تعيين تغييرات به كار ميروند، از اهميت زيادي برخوردار است. در اين پژوهش، چهار روش تصحيح اتمسفري در برآورد پوششگياهي با استفاده از شاخصهاي گياهي ارزيابي و اعتبارسنجي شد. براي اين منظور، پوشش سبز گياهي در 19 نقطه و با فواصل 400-1000متر در امتداد ترانسكتي به طول 10 كيلومتر و با 5 كوادرات در هر نقطه اندازهگيري شد (در هر دوره 95 كوادرات و در كل چهار دوره نمونه برداري، 380 كوادرات). سپس، تصاوير متناظر با تاريخهاي نمونه برداري به چهار روش تصحيح شامل1) تصحيح اتمسفري جوّي آني (QUAC) 2) تصحيح اتمسفري تجزيه وتحليل سريع خط ديد-اتمسفر ازطريق طيف ابر مكعب (FLAASH) 3) نرمالسازي تصاوير چندزمانه به روش تبديل آشكارسازي تغييرات چند متغيّره وزندار (IR-MAD) و 4) تبديل اعداد رقومي به بازتابش بالاي جوّ (TOA) اعمال شد. سپس دو شاخص نرمال شده پوشش گياهي و شاخص پوشش گياهي مقاوم به جوي محاسبه شد. در مرحله بعد، اعتبار سنجي مدلهاي رگرسيوني خطي براي رابطه بين پوشش و شاخصهايگياهي با دو شاخصگياهي مذكور و بر مبناي چهار روش تصحيح بيان شده، بر اساس 33 درصد از دادههاي زميني انجام شد. مقادير ضريب همبستگي و تبيين، ريشه ميانگين مربعات خطا، ميانگين مطلق خطا و اريبي به عنوان سنجههاي اعتبار هر روش محاسبه شد. پس از دستيابي به بهترين روش تصحيح، 10 شاخصگياهي ديگر نيز علاوه بر دو شاخص ذكر شده، محاسبه و در نهايت پس از دستيابي به مدل برآورد تاج پوشش منطقه، نقشه تاج پوشش گياهي براي چهار زمان تهيه شد. نتايج اعتبارسنجي نشان داد، مقدار ضريب تبيين و ريشه ميانگين مربعات خطا در روش تجزيه و تحليل سريع خط‌ديد اتمسفر از طريق طيف ابر مكعب، نسبت به روشهاي تصحيح جوّي آني، تبديل آشكارسازي تغييرات چند متغيره وزندار و تبديل به بازتابش بالاي جوّ، دقت بهتري داشت. مقدار ضريب تبيين به ترتيب برابر 61/0، 37/0، 2/0 و 57/0 براي شاخص پوششگياهي مقاوم جوّي و برابر 54/0، 39/0، 21/0 و 56/0 براي شاخص نرمال شده پوشش گياهي ميباشد. به‌علاوه، مقادير ريشه ميانگين مربعات خطا برابر 77/0، 97/0، 13/1 و 8/0براي شاخص پوششگياهي مقاوم به جوي و برابر 83/0، 96/0، 12/1 و 81/0 براي شاخص نرمال شده پوشش گياهي ميباشد. نقشههاي تاج پوشش گياهي نمايانگر ناهمگني مكاني تاج پوشش در مرتع مرجن بوده و امكان برآورد تاج پوشش تمام فصول رويشي از يك مدل وجود دارد.
چكيده لاتين :
Atmospheric correction of satellite images is important when vegetation indices are used to monitor changes.
In this study, four methods of atmospheric correction were evaluated and validated using vegetation indices
for monitoring vegetation. For this purpose, vegetation cover was measured at 19 points at intervals of 400-
1000 m along a 10 km transect with 5 quadrats per point (95 quadrats in each period and 380 quadrats in
total). Then, the synchronous images to the sampling dates in four correction methods including 1) QUick
Atmospheric Correction (QUAC) 2) Fast Line-of-sight Atmospheric Analysis of Hypercubes (FLAASH) 3)
Image Normalization of Iteratively Reweighted Multivariate Alteration Detection (IR-MAD) and 4) converting
of digital numbers to Top-Of-Atmospher (TOA) reflectance techniques were applied. After that, Normalized
Diffrences Vegetation Indx (NDVI) and Atmospheric Resistant Vegetation Indx (ARVI) were calculated. Next,
the validation of linear regression models for the relationship between vegetation cover and vegetation indices
with the two aforementioned vegetation indices was carried out based on 33 percent of testing data. Correlation
coefficient (R) and R-squared (R2), Root Mean Square Error (RMSE), Absolute Mean Error (AME) and Bias
were calculated as validity measures for each method. After achieving the best correction method, 10 other
vegetation indices were calculated in addition to the two mentioned indices. Finally, after finding the best
canopy estimation model, a vegetation canopy map was depicted for four time periods. Validation results
showed that the FLAASH method is a superlative method in comparison to the other methods of QUAC, IRMAD
and TOAin terms of RMSE and R. The R value was 0.61, 0.37, 0.2 and 0.57 for ARVI and 0.54, 0.39, 0.21
and 0.56 for NDVI, respectively. In addition, RMSE values were 0.77, 0.97, 1.13 and 0.8 for ARVI and 0.83,
0.96, 1.12 and 0.81 for NDVI, respectively. The vegetation canopy maps show the spatial heterogeneity of
canopy cover in Marjan rangeland and its capability of estimating and monitoring the canopy cover of
rangeland vegetation at different seasons using the developed model.
canopy cover in Marjan rangeland and its capability of estimating and monitoring the canopy cover of
rangeland vegetation at different seasons using the developed model.
