استفاده از تصاوير ماهواره لندست در برآورد شاخص سطح برگ برنج در سطوح وسيع

Estimation of Rice LAI in a Large Scale Using Landsat Imageries

محاسبه دقيق شاخص سطح برگ (LAI) نقش مهمي در افزايش دقت برآورد تبخير-تعرق و ميزان تاثير تنش هاي محيطي مانند خشكي بر گياهان دارد. اندازه گيري اين شاخص مهم در سطح وسيع بسيار هزينه بر و وقت گير است. فناوري سنجش ازدور امكان اندازه گيري آسان LAI را در اين شرايط فراهم نموده است. اين پژوهش باهدف بررسي دقت استفاده از تصاوير ماهواره اي براي اندازه گيري LAI برنج با استفاده از داده هاي LAI اندازه گيري شده در 10 مزرعه طي 4 مرحله زراعي در سال 1389 در سطح شهرستان فومن استان گيلان انجام گرديده است. نتايج نشان داد دقت اين روش بسته به ميزان پوشش گياهي متغيير است ولي در مرحله پوشش كامل از دقت بالايي برخوردار است .(R2>0/85) در دوره ابتدايي رشد (پنجه زني) نمايه NDVI و در مرحله پوشش كامل استفاده از نمايه SAVI منجر به رابطه خطي بهتري با شاخص سطح برگ شده است.

Leaf area index (LAI) is an important index in crop evapotranspiration estimation and in monitoring abiotic stresses like water stress. The LAI determination using direct methods is costly as well as time consuming, making it nearly impossible especially over large scales. For these reasons, attempts have been made to forecast LAI using remotely sensed vegetation indices (i.e., the Normalized Difference Vegetation Index, NDVI). The present study aimed to estimate rice LAI in a large scale using remote sensing imageries from Landsat 5 and 7. Actual LAI were measured during 2010 in four different growing phases in 10 paddy fields of Fouman, Guilan, the northern part of Iran. The samples were taken from the fields and the LAI were measured by a LAI meter in laboratory. The results showed that the accuracy of estimation of LAI by Landsat imageries changed during the season, but the best results gained in rice full coverage in flowering phase (R2=0.85). In the early stage of rice growing season using NDVI and in full coverage using SAVI gave the best correlation of LAI estimation