CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)

برآورد میزان محصول گندم با استفاده از شاخص NDVI و تصاویر سنجنده OLI (منطقه مورد مطالعه بخشی از شهر گیلان غرب)

عنوان مقاله: برآورد میزان محصول گندم با استفاده از شاخص NDVI و تصاویر سنجنده OLI (منطقه مورد مطالعه بخشی از شهر گیلان غرب)
شناسه ملی مقاله: JR_JAMEUM-7-3_002
منتشر شده در در سال 1395
مشخصات نویسندگان مقاله:

کیوان باقری - دانشگاه تهران
زهرا جهانتاب - علوم تحقیقات
علی درویشی - دانشگاه تهران
علی اصغر آل شیخ - دانشگاه خواجه نصیر

خلاصه مقاله:
کسب آگاهی و دانش در رابطه با برآورد میزان محصولات می تواند نقش مهمی را در مدیریت اراضی کشاورزی و برآورد میزان تولید خالص ایفا کند. امروزه تکنیک های سنجش از دور به عنوان یک ابزار مدیریتی برای بسیاری از عناوین و موضوعات مورد توجه می باشد. ترکیب نتایج حاصل از مشاهدات و اندازه گیری های زمینی با این تکنیک ها می تواند با فراهم آوردن داده های به هنگام و قابلیت بالای آنالیز تصاویر، کاربرد گسترده ای در تمامی بخش ها از جمله کشاورزی داشته است و مسیر رسیدن به کشاورزی دقیق را آسان تر کند. در پژوهش حاضر سعی برآن بوده که با استفاده از داده های زمینی موجود از ۳۷ قطعه زمین زراعی و داده های ماهواره ای سنجش از دور و روش های آماری، مدل سازی و برآوردی دقیق از میزان محصول گندم در منطقه گیلان غرب ارائه گردد. لذا جهت بررسی ویژگی ها و فرآیندهای رشد در طول دوره ی کاشت تا برداشت محصول، از داده های سنجنده OLI، و برای نمایش تغییرات زیست توده از شاخص NDVI استفاده شده است. با ترسیم منحنی رشد گندم، ارتباط بین پارامترهای هندسی محاسبه شده از نمودار دوره رشد محصول (مساحت زیر نمودار، ماکزیمم، انحراف معیار، چولگی و کشیدگی) و میزان محصول مشخص شده است، که این قسمت به نوعی جز نوآوری های تحقیق است. در نهایت با اعمال روش تحلیل عاملی با روش PCA روی پارامترها، با ایجاد رابطه رگرسیون خطی، میزان خطا برای هر یک از پارامترها بطور مجزا حساب شده است. با مقایسه نتایج یک رابطه رگرسیونی با بدست آمد. با استفاده از روش تحلیل عاملی میزان به میزان ۰۴/۰ افزایش داده شد و به مقدار ۶۹/۰ رسید.

کلمات کلیدی:
برآورد میزان محصول, گندم, تحلیل عاملی, سنجش ازدور

صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/1749096/