تهيه نقشه پراكنش مكاني شاليزارهاي برنج با استفاده از داده‌هاي سري زماني سنجنده MODIS ماهواره TERRA

Mapping the Spatial Distribution of Paddy Rice using Time-series TERAA-MODIS Data

داده‌هاي چندطيفي و چندزمانه براي آماده‌سازي اطلاعات مربوط به توزيع مكاني اراضي برنج از آن رو سودمند هستند كه تمامي اراضي برنج با توجه به زمان در تقويم زراعي مي‌توانند تحت پوشش مخلوطي از آب و خاك باشند. در اين مطالعه به شرح و بسط الگوريتمي به منظور شناسايي و تفكيك شاليزارهاي برنج، با استفاده از داده‌هاي سري زماني NDVI و 2105LSWI مشتق شده از محصول شاخص‌هاي پوشش گياهي 16 روزه MODIS با توان تفكيك مكاني 250 متر (1Q13MOD) پرداخته شده است. اين الگوريتم بر مبناي حساسيت شاخص‌هاي 2105LSWI به افزايش رطوبت سطح در مرحله غرقابي، و نشاكاري و NDVI به افزايش محتواي كلروفيل و تاج پوشش گياه برنج است. برطبق مشاهده‌ها، طي دوره نشاكاري برنج به‌دليل غرقاب كردن زمين، شاخص 2105LSWI افزايش مي‌يابد و بعد از رشد برنج از ارزش آن كاسته مي‌شود، به گونه‌اي كه در همان زمان شاخص NDVI رفتاري معكوس نشان مي‌دهد. در اين تحقيق دو روش براي تعريف اين رابطه بين NDVI و 2105LSWI به منظور تفكيك مكان شاليزارهاي برنج شهرستان آمل در استان مازندران (سال 1390) تكوين گرديد. نتايج با استفاده از عمليات ميداني جامعي با برداشت 183 نقطه كنترلي براي دو كلاس (برنج ـ غيربرنج) انجام گرفت و دقت كلي روش‌ها به ترتيب 21/67 و 87/80 درصد بود. نتايج اين مطالعه نشان از آن داشت كه تهيه نقشه مكاني برنج مبتني بر 1Q13MOD، بالقوه مي‌تواند در مقياس متوسط براي پايش اراضي كشاورزي برنج براساس زمان اجرا شود. كليد‌واژه‌ها: MODIS، نقشه پراكنش مكاني شاليزارهاي برنج، NDVI، 2105LSWI.

In order to prepare information about spatial distribution of rice fields, Multi-Spectral and Multi-Temporal data can be helpful because in addition to the rice, all fields could be covered by mixture of water and soil regarding the time of crop calendar. In this study, we developed a special mapping algorithm that uses NDVI and LSWI2105 time series data derived from MODIS 16-day 250 meter vegetation indices (MOD13Q1) product of MODIS imagery to identify paddy rice fields. This algorithm works based on the sensitivity of LSWI2105 to the surface moisture and NDVI to the vegetation chlorophyll content. As a result, during the period of Rice Transplanting stage because of the field flooding, LSWI2105 will be increased and after the rice growing it will be decreased, and at the same time NDVI has a reverse behavior. In this research two methods has been developed to define the relationship between NDVI and LSWI2105 to detect the location of paddy rice fields in North part of Iran in 2011. Our results were validated with ground field data at 183 well-distributed sample points. The overall Accuracy of two methods are 67.21% and 86.87% respectively. The results of this study indicated that the paddy rice mapping based on MOD13Q1 could potentially be applied at moderate spatial scales to monitor paddy rice agricultural fields on a timely basis. Keywords: MODIS, Paddy Rice Fields, Mapping, LSWI2105, NDVI.