• ارتقاء شاخص ndvi برای پیش بینی خشکسالی با استفاده از تصاویر modis ,aster

    جزئیات بیشتر مقاله
    • تاریخ ارائه: 1387/01/01
    • تاریخ انتشار در تی پی بین: 1387/01/01
    • تعداد بازدید: 1089
    • تعداد پرسش و پاسخ ها: 0
    • شماره تماس دبیرخانه رویداد: -
    روش های مبتنی بر استفاده از شاخص های گیاهی از مهم ترین و رایج ترین روش های تعیین وضعیت پوشش گیاهی منطقه و بالطبع تعیین وضعیت اقلیم منطقه بشمار می روند. غالبا تصاویر ماهواره ای مورد استفاده در زمینه های اقلیم شناسی و خشکسالی تصاویری هستند که دارای قدرت تفکیک زمانی بالا و قدرت تفکیک مکانی پایینی می باشند. لذا بررسی وضعیت اقلیم منطقه در مقیاس های محلی و منطقه ای امکان پذیر نخواهد بود. بنابراین به نظر می رسد. استفاده از تصاویر ماهواره ای با قدرت تفکیک مکانی بالا در کنار این تصاویر، امکان استخراج پوشش گیاهی را با دقت بیشتری فراهم می سازد. شاخص های گیاهیsavi ,ndvi از جمله شاخص های معروفی هستند که برای بررسی وضعیت اقلیم منطقه مورد استفاده قرار می گیرند. روند مطالعاتی در این پژوهش به این صورت است که ابتدا شاخص savi ,ndvi برای تصاویر دو سنجنده modis ,aster محاسبه می گردد، سپس با جستجوی aster در پیکسل های modis، یک همبستگی بین مقادیر این دو شاخص مدل سازی می شود. در این پژوهش، دو مدل برای اصلاح برآورد شاخص های savi ,ndvi سنجنده modis ارائه شده است. در یکی از این دو مدل مستقیما داده های بدست آمده savi ,ndvi از aster (بعد از جداسازی پوشش گیاهی) با savi ,ndvi بدست آمده از modis مقایسه می شوند. این مدل ami نام گذاری شده است. مدل دیگر که در آن اختلاف شاخص های savi ,ndvi بدست آمده ازmodis ,aster بر حسب میزان درصد پوشش گیاهی رگرسیون می شود را مدل peramod نامیده شده است. در بخش آخر این پژوهش نیز به ارزیابی مدل های بدست آمده برای شاخص هایndvi ,savi  پرداخته شده است. نتایج نشان داد که هر دو مدل، مقادیر شاخص های savi ,ndvi را بیشتر از آنچه modis تولید می کند، برآورد می نماید. از بین این دو مدل، بعلت وجود پیکسل های مختلط در نتایج aster، مدل دوم نتایجی بهتر را ارائه می کند.

سوال خود را در مورد این مقاله مطرح نمایید :

با انتخاب دکمه ثبت پرسش، موافقت خود را با قوانین انتشار محتوا در وبسایت تی پی بین اعلام می کنم
مقالات جدیدترین ژورنال ها