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 ارایه شده است. شاخص های ارایه 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 می شود.
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 می شود.
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 می شود.
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 می دهد.
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.
این شاخص به عنوان یکی از مشتقات شاخص CARI است که در ارتباط با برآورد فراوانی کلروفیل در گیاه استفاده می شود. این شاخص در سال ۲۰۰۰ میلادی به منظور کاهش میزان خاک پس زمینه و سطوح غیر فوتوسنتزی تصحیح شده است.
این شاخص به مانند شاخص MCARI است با این تفاوت که برآورد شاخص سطح برگ را بهتر انجام می دهد. 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.
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.
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.
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.
این الگوریتم مشابه شاخص MTVI است اما به شکل بهتری به برآورد شاخص سطح برگ کمک میکند. این شاخص با حفظ ویژگی های خاک پس زمینه نسبت به LAI از حساسیت کافی برخوردار بوده و در برابر اثر کلروفیل مقاوم است.
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.
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.
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.
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.
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 دکمه زیر دانلود نمایید.
پربــازدیـدترین مقالات
یک نظر در “پرکاربردترین شاخص های گیاهی در سنجش از دور ابرطیفی”
سلام ببخشید من این محصول رو خریداری کردم اما در خصوص محدوده دامنه این شاخص ها اطلاعات میخوام. یعنی از چه عددی تاچه عددی است؟
با سلام و احترام
حقیقتا دامنه مقادیر همه اونها رو نمیدونم اما در مقالات میتونید پیدا کنید یا اینکه در نرم افزار مستقیما وقتی محاسبه کنید دامنه آنها مشخص می گردد.
موفق باشید
سلام وقتتون بخیر . آیا آموزشی در گوگل ارث انجین دارید که شاخص های بالا توضیح داده باشند؟ من گشتم چیزی نبود ممنون میشم راهنمایی کنید.
شاخص (Modified Red Edge Normalized Difference Vegetation Index (MRENDVI
شاخص (Modified Red Edge Simple Ratio (MRESR
با سلام و احترام
خیر در این رابطه فعلا آموزشی در سایت موجود نیست.
موفق باشید
در مورد خود Red edge position چی اطلاعاتی دارید؟
لبه قرمز محدوده طیفی بین باند قرمز و مادون قرمز نزدیک هست که در آن بیشترین جذب قبل از حداکثر بازتاب مادون قرمز نزدیک اتفاق می افته. نوسانات این محدوده طیفی برای شناسایی محصولات زراعی مختلف استفاده می شود.
موفق باشید