۲۳۵۸۰پ
per
کاربرد مدل ذوزنقه اپتیکی و داده‌های سنجش از دور برای ارزیابی وضعیت آب خاک و گیاه در مقیاس مزرعه‌ای
Application of optical trapezoid model and remote sensing data to evaluate the soil and plant water status at field-scale
/رضاحسن‌پور
: کشاورزی
، ۱۳۹۹
، کبیری
۱۷۲ص
چاپی - الکترونیکی
دکتری
علوم خاک گرایش فیزیک و حفاظت خاک
۱۳۹۹/۰۷/۰۹
تبریز
امروزه با توسعه علم سنجش از دور و به‌کارگیری ماهواره‌های جدید، امکان دسترسی به تصاویر با توان تفکیک مکانی، زمانی و طیفی مناسب فراهم گردیده است .یکی از کاربردهای اساسی سنجش از دور، پایش وضعیت آب خاک و پوشش گیاهی می‌باشد که در سال‌های اخیر توجه بسیاری از محققان را جلب کرده است .از دهه۱۹۷۰ ، با استفاده از نواحی مختلف طیف الکترومغناطیسی مثل اپتیکی، حرارتی و مایکروویو روش‌های مختلفی برای برآورد رطوبت خاک و پوشش گیاهی ارائه شده است .اخیرا مدلی تحت عنوان مدل ذوزنقه اپتیکی (OPTRAM) ارائه شده است که از داده‌های سنجش از دور اپتیکی برای برآورد رطوبت خاک استفاده می‌کند .این مدل بر اساس فرضی است که یک شکل ذوزنقه‌ای از توزیع داده‌های شاخص پوشش گیاهی (VI) در مقابل انعکاس تبدیل شده مادون قرمز طول موج کوتاه (STR) با فرض یک رابطه خطی بین VI و STR حاصل می‌شود .بررسی منابع و همچنین پژوهش حاضر نشان می‌دهد که رابطه بین VI و STR در هر دو شرایط خشک و مرطوب، به‌ویژه در دامنه وسیع پوشش گیاهی، غیرخطی است .بنابراین، در این پژوهش، OPTRAM با معرفی لبه‌های غیرخطی به فضایSTR - VIاصلاح و سپس با استفاده از داده‌های سنتینل۲ ، از OPTRAM اصلاح شده) یعنی MOPTRAM) برای برآورد رطوبت خاک سطحی (surf) و رطوبت ناحیه ریشه (rz) استفاده شد .برای این منظور، surf و rz در یک مزرعه ذرت به مساحت ۱۰ هکتار در ایستگاه تحقیقاتی کرکج دانشگاه تبریز به‌طول جغرافیایی ۵۳ ۲۵ ۴۶ تا ۰۵ ۲۶ ۴۶ شرقی و عرض جغرافیایی ۱۰ ۰۱ ۳۸ تا ۲۶ ۰۱ ۳۸ شمالی در طول فصل رشد اندازه‌گیری شد .صحت برآوردهای MOPTRAM در مقایسه با OPTRAM برای surf و rz در دامنه وسیع پوشش گیاهی افزایش یافت RMSE .و R۲ برای برآورد surf با MOPTRAM به ترتیب ۰۳۶/۰ سانتی‌متر مکعب بر سانتی‌متر مکعب و ۷۵/۰ و برای برآورد با OPTRAM به‌ترتیب ۰۴۷/۰ و ۶۹/۰ بود که دلالت بر صحت برآورد بیشتر برای مدل اصلاح شده در منطقه مورد مطالعه دارد .این دو مدل برای برآورد رطوبت پوشش گیاهی نیز مورد استفاده قرار گرفت .برای این منظور، ویژگی‌های مرتبط با وضعیت آب گیاه مثل ضخامت آب معادل (EWT) محتوای آب برگ(LWC) ، محتوای نسبی آب(RWC) ، پتانسیل آب برگ(LWP) ، دمای کانوپی (Tc) و شاخص تنش آبی محصول (CWSI) در مزرعه مذکور اندازه‌گیری شد .بر اساس نتایج، MOPTRAM درستی برآورد بهتری نسبت به OPTRAM برای ویژگی‌های مذکور ارائه داد RMSE .برای برآوردEWT ،LWC ، RWC و LWP به‌ترتیب ۰۰۳/۰ گرم بر سانتی‌متر مربع، ۷۵/۳ درصد، ۵۶/۶ درصد و ۳۷/۰ بار بود .بین شاخص رطوبت پوشش گیاهی (VMI) حاصل شده از MOPTRAM با CWSI همبستگی نسبتا بالایی برقرار گردید .تراکم پوشش گیاهی بر همبستگی بین دو شاخص مذکور تأثیر گذاشت به‌طوری که R۲ در اوایل و اواخر فصل رشد به‌ترتیب حدود ۵۴/۰ و ۷۲/۰ بود .در این پژوهش، ضریب گیاهی پایه (Kcb) با بهره‌گیری از شاخص‌های پوشش گیاهی استخراج شده از تصاویر سنتینل ۲ و از روی رابطه تئوری ارائه شده، برآورد گردید .نتایج نشان دهنده قابلیت بالای روش مذکور در برآورد Kcb بود به‌طوری که R۲ حدود ۸۴/۰ و RMSE حدود ۱۸/۰ به‌دست آمد .محتوای کلروفیل یکی از پارامترهای مهم بیوفیزیکی پوشش گیاهی است که در این پژوهش، قابلیت برآورد آن با تصاویر سنتینل ۲ به دو روش پردازشگر بیوفیزیکی اسنپ و شاخص‌های پوشش گیاهی مورد ارزیابی قرار گرفت .نتایج نشان داد که پردازشگر مذکور با R۲ حدود ۷۱/۰ و سه شاخص کلروفیل زمینی مریس(MTCI) ، شاخص کلروفیل لبه قرمزedge -CIred و شاخص موقعیت لبه قرمز سنتینل (S۲REP) ۲ به‌ترتیب با R۲ حدود۷۲/۰ ، ۶۹/۰ و ۶۸/۰ بهترین همبستگی را با مقادیر اندازه‌گیری شده فراهم کردند
Nowadays, with the development of remote sensing science and the use of new satellites, it is possible to access images with appropriate spatial, temporal, and spectral resolution. One of the main applications of remote sensing is monitoring of soil and vegetation water status, which has attracted the attention of many researchers in recent years. Since the 1970s, various methods for estimating of soil and vegetation moisture have been developed using different areas of the electromagnetic spectrum, such as optical, thermal, and microwaves. Recently a model called Optical Trapezoid Model (OPTRAM) was introduced, which uses optical remote sensing data to estimate soil moisture content. This model is based on the assumption that a trapezoidal shape is obtained from the distribution of vegetation index (VI) versus short-wavelength infrared transformed reflectance (STR), with considering a linear relationship between VI and STR. Literature review, as well as the present study, shows that the relationship between VI and STR may not be linear under both dry and wet conditions, especially with a wide range of vegetation cover. Therefore, in this study, OPTRAM was modified (designated as MOPTRAM) by introducing nonlinear edges into the VI-STR space and then Sentinel-2 data was applied to test the MOPTRAM in terms of its capability to predict surface (surf) and root zone (rz) soil moistures. For this purpose, surf and rz were measured in a maize field with an area of 10 ha in Karkaj research station of Tabriz University, Tabriz, Iran. Accuracy of the predictions from MOPTRAM increased as compared to that from OPTRAM for both surf and rz with a wide range of vegetation cover. The RMSE and R2 for the surf estimates from MOPTRAM were 0.036 cm3/cm3 and 0.748, respectively, with corresponding figures of 0.047 and 0.692 from OPTRAM, implying greater prediction accuracy for the modified model in the studied area. These two models were also used to estimate vegetation moisture contents. For this purpose, plant water status criteria such as equivalent water thickness (EWT), leaf water content (LWC), relative water content (RWC), leaf water potential (LWP), canopy temperature (Tc), and crop water stress index (CWSI) was measured in the mentioned field. Based on the results, MOPTRAM provided better estimation accuracy than OPTRAM for these criteria. The RMSE for the EWT, LWC, RWC and LWP estimates from MOPTRAM were 0.003 g/cm2, 3.75 , 6.56 and 0.37 bar, respectively. There was a relatively high correlation between MOPTRAM-based on vegetation moisture index (VMI) and CWSI. Vegetation cover affected the correlation between the two indices so that R2 at the beginning and end of the growing season were about 0.54 and 0.72, respectively. In this study, the basal crop coefficient (Kcb) was estimated using vegetation indices derived from Sentinel 2 images and based on the proposed theoretical relationship. The results showed the high capability of this method in estimating Kcb with R2 of 0.84 and RMSE of 0.18. Chlorophyll content is one of the biophysical parameters of vegetation. In this study, its estimability with Sentinel-2 images was evaluated by SNAP biophysical processor and vegetation indices (VIs). The results showed that the SNAP biophysical processor with R2 of 0.71 and the three VIs i.e. MERIS terrestrial chlorophyll index (MTCI), red-edge chlorophyll index (CIred-edge), and Sentinel-2 red edge position index (S2REP) with R2 of 0.72, 0.69 and 0.68, respectively, provided best correlation against the measured values
Application of optical trapezoid model and remote sensing data to evaluate the soil and plant water status at field-scale
حسن‌پور، رضا
Hassanpour, reza
داود زارع‌حقی، استاد راهنما
محمدرضا نیشابوری، استاد راهنما
بختیار فیضی‌زاده، استاد مشاور
مهدی رحمتی، استاد مشاور
سیاه و سفید
نمایه‌سازی قبلی
