بخشی از مقاله
چکیده
کسب آگاهی و دانش در رابطه با کیفیت و کمیت پوشش گیاهی نقش مهمی در مدیریت صحیح و علمی مزارع ایفا می کند. به منظور بررسی و پایش پوشش گیاهی در مقیاس جهانی و ناحیه ای دسترسی به هنگام به داده های میدانی یا صحرایی معمولا دشوار، محدود، زمان بر و پرهزینه می باشد. همچنین برآورد کیفیت و کمیت پوشش گیاهی به روش معمول اطلاعات چندان دقیقی را به دست نمی دهد.
ترکیب نتایج حاصل از مشاهدات و اندازه گیری های مزرعه ای با داده های سنجش از دور میتواند نقشه های به هنگام خصوصیات محصولات را ارائه نماید. استفاده از شاخص های پوشش گیاهی که امروزه در سطح وسیعی از آنها استفاده می شود، برای برآورد تولید خالص سالانه و تفکیک پوشش گیاهی در مقیاس های قاره ای، جهانی و ناحیه ای به کار گرفته می شود.
تحقیق حاضر با هدف یافتن روشی س ریع همراه با دقتی قابل قبول برای شناسایی و طبقه بندی انواع پوشش گیاهی در مزارع تحت کشت گندم و همچنین پیش بینی مقدار عملکرد این محصول در منطقه جنوب غربی خوزستان، تصاویر ماهواره ای و شاخص های مختلف گیاهی را مورد استفاده قرار داده است. نتایج تحقیق حاضر نشان میدهد از حدود چهل روز قبل از برداشت، شاخصهایی مانند NDVI و GNDVI این قابلیت را دارند که عملکرد مزارع را به ترتیب با تخمین 73/86 و 83/72 درصد پیشبینی نمایند که این امر میتواند در پیشبینی دقیق مقدار گندم تولید شده در هریک از مزارع و مدیریت کلی برداشت نقش ارزشمندی داشته باشد.
مقدمه:
بررسی عملکرد گندم به عنوان اصلی ترین منبع تامین کالری مورد نیاز روزانه در برنامه ریزی های کشاورزی و اقتصادی از اهمیت به سزایی برخوردار است . این گیاه راهبردی دارای بیشترین سطح زیر کشت در کشور است به طوریکه حدود 70-60 درصد اراضی زیر کشت محصولات زراعی در کشور به گندم اختصاص دارد. امروزه روشهای متعددی به منظور بررسی و تخمین عملکرد گندم و و سایر محصولات زراعی مورد استفاده قرار می گیرند که از آن جمله میتوان به روشهای مرتبط با سنجش از دور اشاره کرد
کسب آگاهی و دانش در رابطه با پوشش گیاهی و کیفیت و کمیت آن در مدیریت مزارع نقش مهمی دارد. تولید یک نقشه پوشش گیاهی دقیق یکی از ابزارهای مهم در برنامه ریزی و توسعه به شمار می آید. روشهای سنتی، بررسی و پایش پوشش گیاهی به داده های به هنگام میدانی یا صحرایی معمولا دشوار، محدود و بسیار وقت گیر است. سنجش از دور تکنولوژی بسیار مفیدی است که می توان آن را برای به دست آوردن لایه های اطلاعاتی از خاک و پوشش گیاهی بکار برد
خصوصیاتی نظیر فراهم ساختن دید وسیع و یکپارچه از یک منطقه، مکان مند بودن، قابلیت تکرار پذیری، سهل الوصول بودن اطلاعات، دقت بالای اطلاعات حاصله، توالی زمانی مشخص تصاویر و صرفه جویی در زمان از ویژگیهایی است که استفاده از این گونه اطلاعات را برای بررسی پوشش گیاهی و کنترل تغییرات آن نسبت به سایر روشها ارجحیت می بخشد. بر همین اساس محققین زیادی به منظور بررسی پوشش گیاهی از داده های سنجش از دور استفاده نموده و این تکنیک را مناسب این گونه مطالعات ارزیابی نموده اند
هدف اصلی در اغلب آنالیزهای سنجش از دور که برای بررسی پوشش گیاهی به کار گرفته می شوند این است که داده های حاصل از محاسبات انجام شده بر روی باندهای طیفی مختلف را که می تواند بیانگر پارامترهایی نظیر درصد پوشش گیاهی، زیست توده و شاخص سطح برگ باشد را به یک مقدار واحد در هر پیکسل ارتباط دهد. در واقع دیدگاه رایج جدید در زمینه ی بررسی و پایش پوشش های گیاهی استفاده از شاخصهای سنجش از دور پوشش گیاهی است
این شاخصها یک ترکیب ریاضی از باندهای متعدد تصاویر رقومی ماهوارهای هستند که از اختلاف معنیدار بازتابش پوشش گیاهی در طول موجهای آبی، قرمز، سبز و مادون قرمز نزدیک استفاده میکنند . این شاخص ها به صورت یک عملیات ریاضی مانند جمع، تفریق، نسبت گیری و یا دیگر ترکیبات خطی می باشند که ارزش هر پیکسل در باندهای مختلف را به یک شاخص عددی تغییر می دهند
از کاربرد شاخصهای گیاهی برای اهداف مختلف چند دهه می گذرد و هنوز هم در سطح وسیعی استفاده می شوند
در میان شاخص های متنوع و متعدد پوشش گیاهی، شاخصهای NDVI، GNDVI و SAVI هر سه از شاخص های پوشش گیاهی جهانی بوده و به عنوان پرکاربردترین شاخصها شناخته شده و در تعیین اطلاعات مکانی و زمانی انواع مختلف پوششهای گیاهی بکار میروند بخصوص شاخص NDVI که کارایی مفید آن در بسیاری از مطالعات مشخص شده است. این شاخص بر پایه این اصل که کلروفیل موجود در ساختار گیاهان قادر است نور قرمز را جذب و لایه مزوفیل برگ نور مادون قرمز نزدیک را منعکس سازد استوار است.
این شاخص با استفاده از معادله NDVI - جدول - 1 محاسبه شده و مقدار آن بین اعداد +1 تا -1 تغییر میکند. مقادیر منفی در این شاخص حاکی از عدم حضور پوشش گیاهی است 1 - ، 4 و . - 8 مقدار این شاخص و نیز شاخص های دیگر پوشش گیاهی تحت تاثیر عواملی قرار میگیرند که آگاهی از آنها نقش کلیدی و مهمی را در مطالعات پوشش گیاهی دارند که در این تحقیق به برخی از آنها اشاره شده است.
اثرات مستقیم وضعیت اقلیمی بر روی زیست توده و الگوهای فنولوژیکی پوشش گیاهی به وسیله NDVI تخمین زده شده و در بسیاری از اکوسیستمها بیان شده است. بر روی این شاخص فاکتورهای زیادی نظیر ساختار گیاهی، اثرات متقابل با تاج پوشش گیاهی، ارتفاع گیاه، ترکیب - ناخالصی - گونه ای، سلامتی و شادابی گیاه، ویژگی های برگ و تنش گیاه، توپوگرافی و ارتفاع اثردار می باشند. از آنجایی که این شاخص، همبستگی مستقیم با تولیدات پوشش گیاهی دارد بنابراین تعداد زیادی از کاربردهای مثبت این شاخص برای اهداف اکولوژیکی نیز بیان شده است
این شاخص امکان مطالعه اطلاعاتی را درباره گسترش مکانی و زمانی اجتماعات پوشش گیاهی، زیست توده گیاهی، کیفیت پوشش گیاهی و میزان توسعه تخریب خاک را در اکوسیستم های متنوع مهیا می سازد. این شاخص می تواند برای کمی کردن تولید خالص سالانه در مقیاس های متفاوت و تفکیک پوشش گیاهی به کار گرفته شود.
داده های سنجش از دور برای پیش بینی میزان عملکرد محصولات نیز می توانند به دو روش به کار گرفته شوند . در روش اول تمرکز بر روی مدل های رشد گیاه است که این مدل ها نیازمند داده های اگرونومیکی و هواشناسی می باشند که معمولا به راحتی قابل دسترس نبوده و در مقیاس های مکانی دلخواه موجود نمی باشند. در روش دوم تخمین عملکرد گیاه بر اساس شاخص های گیاهی امکان پذیر می گردد. در بسیاری از تحقیقات شواهدی از همبستگی بالا بین عملکرد ذرت و محصول سویا و شاخص NDVI ارائه شده است . همچنین نتایج تحقیقات نیز نشان می دهد که با محاسبه NDVI در طول مرحله پر شدن دانه می توان به بهترین شکل عملکرد گیاهان خانواده غلات را تخمین زد
دریسدیل و همکاران نشان دادند که ترکیب نتایج حاصل از مشاهدات و اندازه گیری های مزرعه ای با داده های سنجش از دور می تواند نقشه های به هنگام خصوصیات محصولات را ارائه نماید که در اعمال کشاورزی دقیق بسیار ارزشمند است
رابطه بین NDVI و پوشش گیاهی میتواند بر اساس پراکنش پوشش گیاهی که به صورت ضعیف و پراکنده یا به صورت متراکم باشد بنا شود به این معنی که در مناطقی که پوشش گیاهی پراکنده است و یا در دوره زمانی پس از کشت که گیاهان در مراحل ابتدایی رشد بوده و شاخص LAI کمتر از 3 باشد، NDVI به شدت تحت تاثیر انعکاس خاک قرار میگیرد. بنابراین در این مناطق، کاربرد شاخص تعدیل یا اصلاح شده پوشش گیاهی، SAVI به جای NDVI پیشنهاد شده است. این شاخص به یک کالیبراسیون محلی نیازمند است زیرا پیش بینی اثرات خاک در مناطقی با مقیاس های بزرگ که مجموعه ای از خاک ها و پوشش های گیاهی متفاوتی را دارند بسیار مشکل است
شاخص NDVI به شدت تحت تاثیر متغیرهای روشنایی خاک در زمینه تاج پوشش گیاهی قرار می گیرد و این مساله شناسایی تفاوتهای موجود بین پوششهای گیاهی را مشکل میسازد. مشکلات ویژهای نیز در هنگامی که هدف استخراج خصوصیات خاک از روی اطلاعات پوشش گیاهی باشد وجود دارد 6 - ، 7 و . - 8 تحقیق حاضر با هدف بررسی شاخصهای مختلف پوشش گیاهی و با انگیزه یافتن روشی سریع همراه با دقتی قابل قبول برای شناسایی و ردهبندی انواع پوشش گیاهی و پیش بینی عملکرد محصول با استفاده از تصاویر ماهواره لندست 8 در برخی از مزارع شرکت کشت و صنعت میرزا کوچک خان انجام شده است.
EVI شاخصی بهینه سازی شده به منظور افزایش سیگنال پوشش گیاهی با حساسیتی بهبود یافته در مناطقی با زیست توده بالا است و به منظور ارتقا و بهبود شاخص NDVI بر پوشش گیاهی از طریق یک جفت سیگنال پس زمینه پوشش تاج و کاهش تاثیرات جوی بکار میرود. در حالیکه NDVI به کلروفیل حساس است، EVI بیشتر پاسخگوبه تغییرات ساختاری تاج پوشش میباشد که از آن جمله میتوان به شاخص سطح برگ - LAI - ، نوع و ساختار تاج اشاره کرد. شاخص GNDVI نیز مانند NDVI قادر به بارز سازی پوشش گیاهی سبز است با این تفاوت که باند طیفی سبز بجای باند طیفی قرمز قرار گرفته است
روش پژوهش:
منطقه مورد مطالعه شامل مزارع گندم - واریته چمران - شرکت و صنعت میرزا کوچک خان واقع در جنوب غربی استان خوزستان می باشد. این منطقه که بین حد شمالی 31 درجه و 15 دقیقه و حد جنوبی 30 درجه و 46 دقیقه، حد شرقی 48 درجه و 30 دقیقه و حد غربی 48 درجه و 12 دقیقه واقع شده است. حد شرقی آن را رودخانه کارون و حد غربی آن را جاده اهواز- خرمشهر در بر می گیرد.
شکل -1 محل قرار گیری منطقه مورد مطالعه
- دادههای ماهوارهای داده های ماهواره لندست 8 به علت چند طیفی بودن امکان مطالعه منابع مختلف را در باندهای متنوعی از مرئی تا مادون قرمز و امواج راداری فراهم آورده است. از ویژگی های دیگر این داده ها متنوع بودن آنها می باشد که برای تمام فصول و یا حتی ماههای مختلف تصویرها و دادههای جدیدی دارد که به کاربران مختلف امکان بررسی سریع و به موقع تغییرات پدیده های مختلف مانند تغییر کاربری اراضی و پوشش گیاهی را فراهم می آورد. داده های ماهواره لندست 8 رقومی می باشند و برای سیستم های مختلف جغرافیایی کاربرد دارند
