انتخاب شاخص‌هاي فراطيفي (باريك‌‌باند) بهينه براي تخمين محتواي آبي گياهان، با در نظر گرفتن شرايط متفاوت تراكم تاج پوشش گياه و خاك پس‌زمينه

Selecting the Optimum Narrow-Band Indices for Estimation of Vegetation Water Content, Using, Hyperspectral Data: Effects of Soil Background and Canopy Density

با گسترش سنجش از دورِ فراطيفي، امكان بهره‌گيري از گروه جديدي از شاخص‌هاي طيفي ـ با عنوان شاخص‌هاي باريك‌باند ـ براي تخمين پارامترهاي بيوفيزيكي و بيوشيميايي گياهان به وجود آمده است. هدف از اين مطالعه، مناسب‌ترين نواحي طيفي براي تخمين محتواي آبي گياه با استفاده از شاخص‌هاي گياهي و همچنين بررسي تاثيرات تاج پوشش گياه و خاك پس‌زمينه در انتخاب اين شاخص‌هاست. اندازه‌گيري‌هاي تاج ‌پوشش گياه در آزمايشگاه سنجش از دور با استفاده از دستگاه اسپكترومتر GER 3700 صورت گرفت. دو گروه از شاخص‌هاي گياهي، با عنوان شاخص‌هاي نسبتي و شاخص‌هاي تعديل‌كننده تاثير خاك‌ براي برآورد مقدار محتواي آبي گياه تكوين يافتند و پس از ارزيابي، مقايسه شدند. براي محاسبه شاخص‌هاي باريك‌باند با استفاده از داده‌هاي فراطيفي موجود، تمامي تركيب‌هاي دوباندي ممكن براي 584 باند در دامنه طيفي 400 تا 2400 نانومتر به‌منظور محاسبه شاخص‌هاي باريك‌‌باند و تخمين محتواي آبي گياه،‌ با استفاده رگرسيون خطي مورد ارزيابي قرار گرفتند. دقت نتايج تخمين محتواي آبي گياه با استفاده از شاخص‌ها با باندهاي بهينه به‌دست آمده، با استفاده از مقادير ضريب همبستگي (2R) و ريشه ميانگين مربعات خطا (RMSE) و روش Cross-validation سنجيده شد و مورد مقايسه قرار گرفت. به دليل تنوع در نوع تراكم تاج پوشش‌هاي گياهي مورد بررسي و شرايط متفاوت خاك پس‌زمينه، با تقسيم‌بندي گياهان به دو گروه با خاك پس‌زمينه متفاوت (تيره و روشن)، و همچنين دو تاج پوشش گياهي متراكم و تنك، اين تاثيرات در انتخاب بهترين شاخص‌ها مورد ارزيابي قرار گرفتند. نتايج نشان از آن داشتند كه دقت تمامي شاخص‌ها در داده‌هاي با خاك پس‌زمينه روشن و داده‌هاي داراي تاج پوشش متراكم، به ترتيب در قياس با داده‌هاي داراي خاك پس‌زمينه تيره و تاج پوشش تنك، با دقت بالاتري همراه بودند. ، ، ، ، ، ، ، ) نتايج به‌دست آمده در اين تحقيق، توجه به خاك پس‌زمينه و ساختار تاج پوشش گياهي را در انتخاب بهترين شاخص و باندهاي بهينه براي شاخص‌ها، آشكار مي‌سازد.

Developments in the field of hyperspectral remote sensing have provided the possibility of having new indices for estimation of vegetation biochemical and biophysical properties. The objective of this study was first to explore sensitive spectral bands that are most suitable for estimation of vegetation water content, and then investigating if soil type and canopy density affect on selecting the best narrow band index and the optimum bands for them in estimation of vegetation water content. The spectral measurements have been carried out by using a GER spectroradiometer. Two groups of narrow band vegetation indices, namely ratio based and soil based ones were compared for estimating the vegetation water. All two band combinations involving 584 wavelengths between 400 and 2400 nm were used for calculation of narrow band vegetation indices and estimating vegetation water content by using linear regression model. The predictive performances of hyperspectral indices were then determined and compared, using cross validated R2 and RMSE between the measured and estimated water content. Because of variation in canopy structure of vegetation under study and different soil backgrounds, these effects have been investigated in selecting the best narrow band indices by dividing the samples into two groups with different soil type (dark/light) and thin /thick canopy. The results indicated the better performance of all narrow band indices in light soil type and thick canopy groups, in compare with dark soil type and thin canopy groups respectively (R2CV_dark=0.85, R2CV_light=0.89, RMSECV-dark=0.35, RMSECV-light=0.29, R2CV_thin=0.78, R2CV_thick=0.81, RMSECV-thin=0.36, RMSECV-thick=0.28). The result obtained in this research highlighted the role of background effect and canopy volume in selecting the best vegetation index and optimum spectral bands. Keywords: Vegetation water content (VWC), Hyperspectral remote sensing, Narrow band Vegetation indices.