- همه نشریات
- نشریات علمی سازمان تحقیقات، آموزش و ترویچ کشاورزی
- مجلات ترویجی سازمان تحقیقات، آموزش و ترویج کشاورزی
- سایر نشریات سازمان تحقیقات، آموزش و ترویج کشاورزی
- نشریات علمی انجمن ها
- علوم آب و خاک
- علوم اقتصاد و ترویج کشاورزی
- علوم جنگل, مرتع و آبخیزداری
- علوم دامی و شیلات
- علوم زراعی و باغی
- علوم گیاهپزشکی
- علوم مهندسی و مکانیزاسیون کشاورزی
- نشریات با زبان انگلیسی
- نشریات با زبان فارسی
- نشریات دانشگاه آزاد اسلامی
- نشریات علمی
پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 283 |
| تعداد نشریات سازمان | 81 |
| تعداد شماره‌ها | 2,722 |
| تعداد مقالات | 31,022 |
| تعداد مشاهده مقاله | 27,189,663 |
| تعداد دریافت فایل اصل مقاله | 16,171,237 |
کاربرد اطلاعات سنجش از دور برای برآورد تولید و درصد پوشش گیاهان (منطقه مورد مطالعه: مراتع اطراف تالاب چغاخور در استان چهارمحال و بختیاری) | ||
| تحقیقات مرتع و بیابان ایران | ||
| مقاله 6، دوره 28، شماره 3، مهر 1400، صفحه 450-471 اصل مقاله (1.26 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22092/ijrdr.2021.125012 | ||
| نویسندگان | ||
| جمال ایمانی* 1؛ عطاءالله ابراهیمی2؛ بهرام قلی نژاد3؛ پژمان طهماسبی2 | ||
| 1دکترای علوم مرتع دانشگاه شهرکرد، کارشناس اداره منابع طبیعی استان کردستان، ایران | ||
| 2دانشیار، گروه مرتع و آبخیزداری، دانشکده منابع طبیعی و علوم زمین، دانشگاه شهرکرد، ایران | ||
| 3استادیار، گروه مرتع و آبخیزداری، دانشکده منابع طبیعی، دانشگاه کردستان، ایران | ||
| چکیده | ||
| این تحقیق به‌منظور بررسی تفاوت چند شاخص سنجش از دوری، چهار اندازه مختلف پلات و دو روش نمونهبرداری متفاوت برای برآورد درصد پوشش و تولید گیاهان در سه جامعه گیاهی در سال 1392 انجام شد. نمونهبرداری زمینی در سه جامعه با پوشش گیاهی غالب متفاوت به دو شکل شش و سه پلاتی انجام شد. چهار ابعاد مختلف پلات به صورت تودرتو برای برآورد تولید و درصد پوشش استفاده شد. نمونهبرداریها در هر جامعه در داخل 30 پیکسل در امتداد سه ترانسکت با ارتفاع متفاوت انجام گردید (روش نمونهبرداری و آزمایش آنها براساس نظر محقق انجام شد). تراکم گیاهان غالب با شمارش پایهها در هر پلات، درصد پوشش گیاهان به‌صورت تخمین و تولید نیز در قالب نمونهگیری مضاعف در رابطه با درصد پوشش اندازهگیری شد. نتایج نشان داد با افزایش سطح پلات، میزان همبستگی شاخصهای گیاهی تصویر لندست و معنیداری آنها در رابطه با تولید و درصد پوشش گیاهان افزایش خواهد یافت. اما این افزایش در جامعه 2 در بیشتر شاخصها با گیاهان غالب بوتهای چشمگیرتر است. به‌طوری‌که در این جامعه بیشتر شاخصهای مورد بررسی در پلات 3*3 دارای همبستگی و مدل قابل اعتباری هستند و در سه اندازه پلات 1*1، 2*1 و 2*2، مدلهای حاصل دارای اعتبار کافی نبوده و دارای RMSE بالایی میباشند. در جامعه یک با گیاهان غالب پهنبرگ، تنها مدل حاصل در پلات 1*1 و در جامعه دو با گیاهان غالب بوتهای مدل حاصل در پلاتهای 1*1 و 2*1 از نظر آماری قابل اعتبار نیستند، هرچند گاهی دارای همبستگی معنیداری میباشند. نتایج حاصل از دو الگوی مختلف در دو جامعه 1 و 3 از نظر آماری متفاوت بود و در جامعه 2 اختلاف معنیداری بین آنها وجود نداشت. با توجه به نتایج بررسی شاخصها از نظر همبستگی و اعتبار مدل حاصل از آنها میتوان دو شاخص NDVI و CTVI را در جامعه 1، شاخصهای NDVI و TSAVI1 را در جامعه 2 و NDVI، NRVI و TSAVI1 را در جامعه 3 برای برآورد تولید و درصد پوشش گیاهان با استفاده از تصاویر ماهوارهای توصیه کرد. | ||
| کلیدواژه‌ها | ||
| لندست 8؛ تفکیک طیفی و زمینی؛ شاخصهای گیاهی سنجش از دوری؛ ضریب همبستگی و مدل رگرسیونی | ||
| عنوان مقاله [English] | ||
| Application of remote sensing information to estimate production and plant cover percentage(Study area: Rangelands around Choghakhor Wetland in Chaharmahal and Bakhtiari Province) | ||
| نویسندگان [English] | ||
| Jamal Imani1؛ Ataollah Ebrahimi2؛ Bahram Gholinejad3؛ Pejman Tahmasebi2 | ||
| 1PhD Candidate of Rangeland Science, Shahrekord University- Expert, Department of Kurdistan Natural Resources, Iran | ||
| 2Associate Professor, Associate Professor, Faculty of Natural Resource and Earth Sciences, Shahrekord University, Iran | ||
| 3Assisstant Professor, Department of Range and Watershed Management, Kurdistan University, Iran | ||
| چکیده [English] | ||
| The present study was conducted to investigate the differences between several remote sensing indices, four different plot sizes and two different sampling methods to estimate the percentage of plant cover and production in three plant communities in 2013. Ground sampling was performed in three communities with different dominant vegetation in two forms of six and three quadrats. Four different dimensions of the quadrats were used nested to estimate production and coverage percentage. Sampling was performed in each community within 30 pixels along three transects with different heights (sampling method and testing were performed according to the researcher opinion). Dominant plant density was measured by counting the bases per plot, plant cover percentage as an estimate and production in the form of double sampling in relation to cover percentage. The results showed that with increasing plot area, the degree of correlation of plant indexes of Landsat image and their significance in relation to production and percentage of plant cover will increase. But this increase in community 2 is more dramatic in most respects with predominantly shrubs. As in this community, most of the studied indicators in 3 × 3 plot have a correlation and a reliable model, and in the three sizes of 1×1, 2×1 and 2×2 plots, the resulting models are not valid enough and have high RMSE. In community one with dominant broadleaf plants, only the model obtained in 1×1 plot and in community two with dominant plants, the model obtained in 1×1 and 1×2 plots are not statistically valid, although sometimes they have a significant correlation. The results of two different models are statistically different in communites 1 and 3 and there was no significant difference between them in community 2. According to the results of the study of indicators in terms of correlation and model validity, the two indicators NDVI and CTVI can be used in community 1, NDVI and TSAVI1 in community 2 and NDVI, NRVI and TSAVI1 in community 3 recommended for estimating production and percentage of plant cover using satellite images. | ||
| کلیدواژه‌ها [English] | ||
| Landsat 8, spectral and terrestrial segregation, plant characteristics of remote sensing, correlation coefficient, regression model | ||
| مراجع | ||
|
Arzani, H., 1998. Using digital Landsat TM image data for estimate production and vegetation cover. Iranian Journal of Natural Resources, 50(1): 11-21. Arzani, H., Dehdari, S. And King, G., 2011. Estimates of rangeland production estimation through vegetation measurement, Rangeland and Desert Research, 18(1): 1-16. Amiri, F., 2010. Using remote sensing data for vegetation cover assessment in Semi-Arid Rangelands of center province of Iran. World Applied Sciences Journal, 11 (12): 1537-1546. Anderson, G. L. and Hanson, J. D., 1993. Evaluating hand-help radiometer derived vegetation indices for estimating above ground biomass on semiaid rangelands. Remote Sensing of Environment journal, 45: 165- 175. Curtis, J.T. and McIntoch, R.P., 1950., The interrelation of certain analytic and synthetic phytosociologica. Journal of Ecology, 41: 434-445. Houseini, Z., Khajedin, J., Azarnivan, H., Farahpour, M. and Khalilpourm, E., 2007. Estimation plant cover and preparation plan of plants by using of ETM+ image. Rangeland journal, 1: 79-90. Duncan, J., Stow, D., Franklin, J. and Hope, A., 1993. Assessing the relationship between spectral vegetation indices and shrub cover in the Jornada Basin, New Mexico. International Journal of Remote Sensing, 14: 3395- 3416. Hadian, F., Jafari, R., Bashiri, H. and Soltani, S., 2011. Assessment of plant indices to researching rangeland communities. Rangeland journal, 4: 420-429. Hardisky, M. A., Daiber, F. C., Roman, C. T. and Klemas, V., 1984. Remote sensing of biomass and annual net aerial primary productivity of a salt mash. Remote Sensing of Environment journal, 16: 91- 106. Jasinsky, M. F. and Eagleson, P. S., 1989. The structure of red-infrared scattergrams of semi vegetated landscapes. IEEE Transactions on Geoscience and Remote Sensing, 37: 46- 56. Kusuma P., Hively, W.D. and McCarty, W., 2015. Evaluating the relationship between biomass, percent groundcoverand remote sensing indices across six winter cover crop field’s inMaryland, United States. International Journal of Applied Earth Observation and Geoinformation, 39: 88- 102. Moleele, N. M. and Arnberg, W., 1998., Color infRared aerial PhotogRaphy vs panchromatic PhotogRaphy in monitoring browse availability to cattle. In Proceedings of the Botswana Institution of Engineers. Moleele, N., Ring rose, S., Arenberg W. Lunden B. and Vanderpost, C., 2001., Assessment of egetation Indexes useful for browse production in semi-arid ranglands.Journal of International Remote Sensing, 22(5): 41-756. Pickup, G., 1989. New land degradation survey techniques for arid Australia: problems and prospects. Australia Rangland. Journal, 11: 74-82. DOI: 10. 1071.RJ9890074. Pickup, G., Chewings, V. H. and Nelson., D. J., 1993. Estimating changes in vegetation cover over time in ardi rangelands using Landst MSS data. Journal of Remote sensing Environment, 43: 243-263. Qi, J., Chehbouni, A., Huete, A. R., Kerr, Y. H. and Sorooshian, S., 1994. A modified soil adjusted vegetation index. Remote Sensing of Environment journal, 48: 119- 126. Rouse, J.W., Has, R.H., Shell, D., Deering, W. and Harlan, J.C., 1974. Monitoring the vernal advancement of retrogradation of natural vegetation. Final Report, Type III, NASA/GSFC, Greenbelt, MD, 371pp. Thorp, K. R., French, A. N. and Rango, A., 2013. Effects of image spatial and spectral characteristics on mapping semiarid rangelands vegetation using multiple end member spectral mixture analysis (MESMA). Remote Sensing of Environment journal, 132: 120- 130. Tucker, C. J. and Ripple, H., 1985. Sattelite remote rensing of total herbaceus biomass production in the senegalese sahel. Journal of Remote Sensing of Environment, 17: 233- 249. Waller, S.S., Brown, M. A. and Lewis, Y. K., 1981. Factors involved in estimating green biomass by canopy spectral reflectance measurments. Journal of Range management, 34: 105- 108. Zare Chahouki, M., Happy, F., and Yousefi, M. And Shafizadeh, M., 2013. Determining the appropriate number, level and shape of the plot for sampling of vegetation in the middle Taleghan rangelands. Journal of Watershed Management Research, 26(99): 134-139. | ||
|
آمار تعداد مشاهده مقاله: 263 تعداد دریافت فایل اصل مقاله: 155 |
||
سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب