مطالب تخصصی

پرکاربردترین شاخص های گیاهی در سنجش از دور ابرطیفی

نوشته شده توسط Amirhossein.Ahrari@Gmail.com
علاقمندان به سنجش از دور ابرطیفی این موضوع علمی با ارزش را از دست ندهند.

در این آموزش پرکاربردترین شاخص های گیاهی مورد استفاده در سنجش از دور ابرطیفی آموزش داده شده است. در این صفحه بصورت خلاصه شاخص های مذکور معرفی شده است. درصورتی که نیاز به فرمول های هریک از شاخص ها دارید فایل PDF این مطلب آموزشی را بصورت رایگان از همین صفحه دانلود نمایید. 

در این مقاله آموزشی برخی از شاخص های طیفی گیاهی کاربردی برای تصاویر ابرطیفی ارائه شده است. شاخص های ارائه شده در این بخش صرفا برای داده های ابرطیفی به منظور مطالعه سبزینگی کیاه استفاده میشود. پیش در در بخش مطالب سایت GIRS در ارتباط با ۲۱ شاخص طیفی گیاهی در زمینه سبزینگی گیاه برای داده های ماهواره لندست نکاتی را بیان کردیم. در این مقاله هدف آن است تا کاربران با شاخص های طیفی سبزینگی گیاه برای داده ابرطیفی آشنا شوند.


سبزینگی گیاه تابعی از موارد متعددی است که در زیر به آن اشاره شده است :

  • میزان سطح برگ
  • مواد و ترکیبات شیمیایی موجود در گیاه
  • هندسه تاج پوشش
  • میزان کلروفیل موجود در گیاه

شاخص سبزینگی ابرطیفی به مانند شاخص سبزینگی چندطیفی برای برآورد میزان فوتوسنتز استفاده میشود که در آگاهی از وضعیت گیاه به عنوان اطلاعات اصلی محسوب میشود. شاخص های ابرطیفی معمولا برای استفاده از داده های اسپکترومتری زمینی، هوایی و ماهواره ای بکاربرده میشود.

این شاخص ها برای مطالعه میزان سلامتی گیاه در زمین های زراعی و برآورد میزان سلامت محصول نیز بسیار مفید و کاربردی است. به عبارت دیگر از این شاخص ها برای مطالعه و مدیریت زمین های زراعی و آنالیز آنها به همراه تغییراتی که در بازه های زمانی مختلف میتوانند داشته باشند استفاده میشود.

بسیاری از شاخص های ابرطیفی گیاه به مانند شاخص های چند طیفی از باندهای قرمز و مادون قرمز نزدیک استفاده نموده اند که در بازه ۶۹۰ تا ۷۴۰ نانومتر است. این بازه بازه ای است که در آن بواسطه وجود کلروفیل در گیاه، بیشترین جذب و بازتاب امواج الکترومغناطیسی در رفتار طیفی گیاه ایجاد میشود.

باند مادون قرمز نزدیک در مقایسه با باند قرمز از طول موج و میزان نفوذ بیشتری برخوردار است، درنتیجه اطلاعات بیشتری را در ارتباط با ترکیبات و ساختارهای درونی گیاه در اختیار کاربران قرار میدهد.

استفاده از باند قرمز (لبه قرمز) امکان شناسایی بسیاری از تغییرات کوچک در پوشش گیاهی را فراهم می آورد. با توجه به اینکه در سنجش از دور ابرطیفی این شناسایی با دقت بیشتری صورت میگیرد، لذا راحت تر و دقیق تر میتوان تغییرات ایجاد شده در پوشش های گیاهی را مدل سازی نمود.


مهم ترین شاخص های طیفی ابرطیفی که با استفاده از نرم افزار ENVI میتوان آنها را محاسبه نمود عبارت اند از :
شاخص (Modified Chlorophyll Absorption Ratio Index (MCARI
این شاخص به عنوان یکی از مشتقات شاخص CARI است که در ارتباط با برآورد فراوانی کلروفیل در گیاه استفاده میشود. این شاخص در سال ۲۰۰۰ میلادی به منظور کاهش میزان خاک پس زمینه و سطوح غیر فوتوسنتزی تصحیح شده است.
شاخص (Modified Chlorophyll Absorption Ratio Index Improved (MCARI2

این شاخص به مانند شاخص MCARI است با این تفاوت که برآورد شاخص سطح برگ را بهتر انجام میدهد. در این شاخص از ضریب فاکتور تعدیل خاک استفاده شده و در عین حال حساسیت آن نسبت به شاخص سطح برگ حفظ و در برابر اثر کلروفیل مقاوم است.

شاخص (Modified Red Edge Normalized Difference Vegetation Index (MRENDVI

این شاخص نسخه اصلاح شده لبه قرمز شاخص NDVI است که بازتاب آینه ای سطح برگ را تصحیح نموده است. این شاخص از حساسیت بسیار بالایی نسبت به لبه قرمز و تغییرات آن برخوردار است. مهم ترین کاربردهای این شاخص در زمینه کشاورزی، پایش جنگل و تنش های گیاهی است.

شاخص (Modified Red Edge Simple Ratio (MRESR

این شاخص نسخه تغییر یافته شاخص Simple Ratio است. در این شاخص از باندهای لبه قرمز استفاده شده و اثر بازتاب آینه ای برگ گیاهان در آن نیز تصحیح شده است. کاربرد این شاخص در زمینه تنش گیاهی در زمین های زراعی، پایش جنگل ها است. مقادیر بدست آمده در تصویر این شاخص از ۰ تا ۳۰ متغیر است. معمولا پوشش گیاهی سبز در این تصویر از بازه مقادیر بین ۲ تا ۸ برخوردار است.

شاخص (Modified Triangular Vegetation Index (MTVI

این الگوریتم شاخص TVI را برای برآوردهای شاخص سطح برگ بهینه سازی میکند از طریق جایگزین کردن طول موج ۷۵۰ نانومتر با ۸۰۰ نانومتر. محدوده ۷۵۰ نانومتر بشدت بواسطه تغییرات برگ و ساختار تاج پوشش تحت تاثیر قرار میگیرد.

شاخص (Modified Triangular Vegetation Index – Improved (MTVI2

این الگوریتم مشابه شاخص MTVI  است اما به شکل بهتری به برآورد شاخص سطح برگ کمک میکند. این شاخص با حفظ ویژگیهای خاک پس زمینه نسبت به LAI از حساسیت کافی برخوردار بوده و در برابر اثر کلروفیل مقاوم است.

شاخص (Red Edge Normalized Difference Vegetation Index (RENDVI

این الگوریتم نسخه اصلاح شده شاخص NDVI برای داده های ابرطیفی است. کاربرد شاخص RENDVI برای پایش جنگل و زمین های زراعی و تنش های آنها است. این شاخص متفاوت از NDVI است و در آن از پیک جذب و بازتاب امواج قرمز و مادون قرمز نزدیک استفاده نشده است. این الگوریتم از حساسیت بسیار بالایی نسبت به لبه قرمز و اثرات آن در رفتار طیفی پوشش گیاهی دارا است.

شاخص (Transformed Chlorophyll Absorption Reflectance Index (TCARI

این الگوریتم به عنوان یکی از چندین شاخص CARI است نشان دهنده افزونگی کلروفیل در گیاه است. این شاخص متاثر از بازتاب خاک می باشد خصوصا در مناطقی که شاخص سطح برگ در آنها از مقدار پایینی برخوردار است.

شاخص (Triangular Vegetation Index (TVI

این شاخص بر اساس مثلث فرضی فضای طیفی که سه راس آن از ۱) پیک بازتاب باند سبز، ۲) کمترین جذب کلروفیل و ۳) جناح های مادون قرمز نزدیک تشکیل شده ایجاد گردیده. زمانی که افزایش کلروفیل باعث افزایش جذب در محدوده قرمز میشود بازتاب در مادون قرمر نزدیک افزایش پیدا میکند و در نتیجه به مساحت مثلث نیز افزوده میگردد. این شاخص برای برآورد شاخص سطح برگ مناسب است با این حال نسبت به افزایش کلروفیل با افزایش تراکم پوشش گیاهی حساس است.

شاخص (Vogelmann Red Edge Index 1 (VREI1

این شاخص از یک حساسیت ترکیبی نسبت به کلروفیل برگ گیاه، سطح برگ های تاج پوشش و آب موجود در آ برخوردار است. این شاخص در مطالعات فنولوژی گیاهی و پایش چرخه آن و مدل سازی میزان بهره وری پوشش گیاهی کاربرد داشته و استفاده میشود.

بازه مقادیر این شاخص بین ۰ تا ۲۰ متغیر بوده و معمولا پوشش گیاهی در آن از مقادیر بین ۴ تا ۸ برخوردار است.

شاخص (Vogelmann Red Edge Index 2 (VREI2

این الگوریتم نیز بصورت ترکیبی نسبت به اثرات کلروفیل موجود در گیاه، سطح برگ تاج پوشش و رطوبت و آب موجود در گیاه حساس است. بازه مقادیر این شاخص به مانند شاخص قبلی بین ۰ تا ۲۰ متغیر بوده و معمولا پوشش گیاهی در آن از مقادیر بین ۴ تا ۸ برخوردار است.

 

نسخه کامل این مطلب به همراه فرمول هریک از شاخص های ذکر شده را از طریق گزینه زیر دانلود نمایید. 

دیدگاهتان را بنویسید