تحليل و مدل‌سازي همبستگي بين LAI و شاخص‌هاي گياهي حاصل از مشاهدات طيف‌سنجي

Analyzing and Modeling of Correlation between LAI and Vegetation Indices using Spectroradiometric Observations

بررسي خصوصيات انواع پوشش‌هاي گياهي به‌عنوان يكي از پارامترهاي موثر در تبادل انرژي بين جو و سطح زمين در مطالعات زيست‌محيطي، منابع طبيعي و كشاورزي اهميت بسياري دارد. امروزه فناوري سنجش ‌از ‌دور با ارايه اطلاعات طيفي گسترده و متنوع موجب تسهيل در مطالعه پوشش‌هاي گياهي در سطح زمين و به‌ويژه تخمين پارامترهاي بيوفيزيكي آنها شده است. يكي از مهم‌ترين پارامترهاي فيزيكي به‌كار گرفته‌شده در تحليل‌هاي مختلف مربوط به مطالعه پوشش‌هاي گياهي، شاخص سطح برگ (LAI) است. در پژوهش حاضر ضمن تحليل و مدل‌سازي ارتباط بين LAI و شاخص‌هاي گياهي مختلف، با استفاده از مشاهدات طيف‌سنجي آزمايشگاهي، به بررسي محدوديت‌هاي مدل رياضي موجود در برآورد LAI، ارايه راهكارهايي به‌منظور افزايش دقت و صحت نتايج اين مدل و همچنين طراحي يك شاخص جديد پرداخته شده ‌است. نتايج نشان دادند كه از ميان شاخص‌هاي گياهي متداول، دو شاخص Simple Ratio و SAVI-2 داراي كمترين RMSE (حدود 08/0 در واحد LAI) بوده و شدت اشباع‌شدگي مدلي كه برازش‌ داده‌اند از شاخص‌هاي ديگر كمتر است. دو شاخص مذكور كارايي بالاتري در تخمين LAI به‌ويژه در مناطق با تراكم پوشش گياهي آنها زياد، دارند و مي‌توان با اطمينان بالايي در مدل‌سازي خطي برآورد LAI از آنها استفاده كرد.

Investigation of various types of vegetation’s characteristics as an effective parameter in the energy exchange between the atmosphere and Earthʹs surface is very important in environmental, natural resources and agriculture studies. Nowadays, using remote sensing techniques with a wide range of valuable spectral information facilitate the study of vegetation, especially in estimation of the biophysical parameters. One of the most important biophysical parameters used in the various analyses related to the study of vegetation is Leaf Area Index (LAI). In this study, in addition to the analyzing and modeling of the relationship between LAI and vegetation indices (VIs) via spectrometry observations, the limitations of the mathematical model for estimation of LAI has been explored, some practical guidelines have been provided to improve the accuracy of the model as well as a new vegetation index has been designed. Finally, the results showed that through the conventional vegetation index, Simple Ratio (SR) and Second Soil Adjusted Vegetation Index (SAVI-2) have the minimum RMSE (about 0.08 in LAI unit) and the fitted models using their formulas in comparison with the other indices have the minimum rate of saturation. In other words, these indices are more efficient to estimation of the LAI; especially in high density vegetation area and can be used with high reliability in linear models for LAI estimation. Keywords: Spectroradiometry, Leaf Area Index, Vegetation Index, Sensitivity Analysis.