برآورد بيوماس بالاي سطح زمين در گياه تاغ با استفاده از شاخص هاي پوشش گياهي (مطالعه موردي: مرك، بيرجند)

Estimating of above ground biomass of Haloxylon using sattelite based vegetation indices (Case study: Marak, Birjand

روند رو به گسترش بياباني شدن اراضي و حركت تپه هاي ماسه اي در مناطق مختلف جهان و از جمله ايران، از بزرگ ترين چالش هاي محيط زيستي است كه مقابله و مهار آن از دغدغه هاي جهاني بشمار مي آيد. گونه هاي مختلف جنس تاغ از مهمترين گونه هاي تثبيت كننده ماسه هاي روان هستند كه به طور وسيعي در عمليات بيولوژيك احياء مناطق بياباني، در حال استفاده مي باشند. يكي از كاربردهاي داده هاي ماهواره اي برآورد بيوماس گياهي است. در اين تحقيق، از تصاوير ماهواره اي لندست 8، جهت تهيه نقشه بيوماس گياه تاغ در تاغ زارهاي استان خراسان جنوبي استفاده شد. به اين منظور 11 شاخص گياهي مبتني بر سنجش از دور شامل NDVI، DVI، RVI، WDVI، IPVI، PVI، TSAVI، SAVI وBrightness، Greenness، Wetness محاسبه شد. به منظور بررسي همبستگي بين بيوماس و داده هاي ماهواره اي، 30 پلات (30×30 متر مربع) با پراكنش مناسب در منطقه تعيين و داده هاي پوشش گياهي آن اندازه گيري شد. جهت ارزيابي تنوع و دسته بندي شاخص ها از روش هاي تجزيه مولفه هاي اصلي و آناليز خوشه اي استفاده شد. در آخر، از هر دسته شاخص موثر انتخاب و مدل هاي رگرسيوني برازش گرديد. نتايج نشان داد كه مدل رگرسيوني حاصل از شاخص TSAVI با مقدار خطاي 18/7=RMSE و 0/43= R2 بهترين برآورد را در تخمين بيوماس هوايي گياه تاغ دارد.

Arid land degradation is the biggest environmental challenges in 21st century. Saxaul (Haloxylon spp) is one of the most important species for sand dunes fixation، widely used in reclamation of arid lands. One of the applications of satellite data is to estimate the biomass of plants. In this study، Landsat 8 satellite images were used for mapping the biomass of Haloxylon plants in the South Khorasan province. Then، 11 vvegetation indices (DVI، IPVI، NDVI، PVI، RVI، SAVI، TSAVI، WDVI، Brightness، Wetness، Greenness) were calculated. To determine the correlation between biomass and satellite data، 30 plots of 30*30 m 2 were used in the region and vegetation parameters were measured. Principal component analysis and cluster analysis were used to classify the indices. Finally، the effective indices were selected and the regression models were fitted. Results showed that the regression model obtained from the TSAVI index with RMSE of 14.9 and R 2 =0.43 had the best estimation for the above ground biomass of Haloxylon.