نوع مقاله : مقاله پژوهشی

نویسندگان

• میترا شیرازی ¹
• غلامرضا زهتابیان ²
• حمیدرضا متین فر ³

¹ نویسنده مسئول، کارشناس ارشد بیابان‌زدایی، دانشکده منابع طبیعی، دانشگاه تهران

² استاد، دانشکده منابع طبیعی، دانشگاه تهران

³ استادیار، دانشکده کشاورزی، دانشگاه لرستان

چکیده

امروزه علاقه­مندی زیادی به بررسی محتوای کیفی داده­های ماهواره‌ای برای مطالعات مختلف علوم زمین وجود دارد. شاخص­ها یکی از روشهای بارزسازی در استخراج اطلاعات مفید در تصاویر ماهواره‌ایست. در این تحقیق سعی شده است تا اثر شاخص­های مختلف ازجمله شاخص­هایMIRV2 GREENNESS, TVI, VNIR, MND, MSAVI, GEMI, TSAVI, SAVI, PD322 ,BI, INT1, INT2, PVI, SI1, SI2, SI3,  GEMI, و WDVI در بارزسازی پوشش سطح زمین در منطقه­ای در شمال­غربی استان تهران در نزدیکی هشتگرد بررسی شود. پوشش اراضی غالب منطقه را پوشش گیاهی متراکم (بیشتر شامل اراضی کشاورزی و پوششهای متراکم درختچه­ای اطراف آبراهه‌ها در خردادماه) و اراضی لخت تشکیل می­دهد. نتایج نشان می­دهد که شاخص­های NIR, RA, IPVI, DVI, TSAVI و IR1در بارزسازی پوششهای گیاهی مناطق خشک و شاخص­هایSI3, INT1, PVI, TVI, BI, SI2  وSI1 در بارزسازی سطح شوری مناسب می‌باشند. بررسی همبستگی شاخص­های مختلف با یکدیگر نشان داد که شاخص­های گیاهی بغیر از شاخص DVI با یکدیگر دارای همبستگی بیش از 8/0 و همبستگی شاخص DVI با سایر شاخص­های گیاهی حدود 4/0 می­باشد. در ضمن تمامی شاخص­های شوری دارای همبستگی بیش از 9/0 با یکدیگر می­باشند. بنابراین می­توان نتیجه گرفت که در منطقه مطالعاتی با استفاده از تصاویر سنجنده LISS-III، از شاخص­های پوشش گیاهی که توانایی در بارزسازی پوشش گیاهی دارند می­توان برای مطالعات مربوط به پوشش گیاهی و تهیه نقشه پوشش گیاهی استفاده نمود. همچنین از شاخصهای شوری که دارای توانایی در بارزسازی سطح شور می­باشند می­توان برای مطالعات مربوط به شوری و تهیه نقشه­های شوری استفاده نمود. در ضمن می­توان از شاخص­های پوشش گیاهی که دارای همبستگی بالایی با یکدیگر می‌باشند بجای یکدیگر و از شاخص­های شوری که دارای همبستگی بالایی با یکدیگر می­باشند بجای یکدیگر استفاده نمود.
 

کلیدواژه‌ها

• شاخص‌های شوری
• شاخص‌های گیاهی
• سنجنده Liss-III
• نقشه پوشش سطح زمین
• همبستگی
• خط خاک

عنوان مقاله [English]

Survey of capability of remote sensing indices for enhancement of land cover in arid areas (case study: Najmabad)

نویسندگان [English]

• Mitra Shirazi ¹
• Gholam reza Zehtabian ²
• Hamid reza Matinfar ³

چکیده [English]

Recently there is a great deal of interest in the quantitative characterization of temporal and spatial vegetation patterns with remotely sensed data for the study of earth system science. One of important methods for extracting information from satellites image is use of indices. In this study for enhancement of land cover in region of northwest Tehran near Hashtgerd some indices such as BI, MIRV2, GREENNESS, TVI, VNIR, MND، NIR, OSAVI, RA, NDVI, IR1, MSI IPV ,MSAVI, SAVI, TSAVI, PD322 ,BI, INT1, INT2, PVI, SI1, SI2, SI3, GEMI, WDVI Are used.  Most of study area covers by density of vegetation (such as irrigation farming and vegetation cover around streams) and bare lands. The results have shown that TSAVI, DVI, IPVI, RA, NIR, IR1 Indices have the most effective efficiency for vegetation enhancement and SI2, BI, TVI, PVI, INT1, SI3, SI2 indices have the most effective efficiency for salinity surface. This study addressed that all of vegetation indices except DVI have correlation more than 0.8 and DVI has correlation around 0.4 with others. Meanwhile all of salinity indices have more than 0.9 correlations with each other. As conclusion, this study has shown that IRS satellites image have high accuracy for providing land cover map by use of vegetation indices, also use of salinity indices having high capability for salinity surface can be used for providing salinity maps, meanwhile vegetation indices with high correlation can be used instead each other for providing vegetation maps.
 

کلیدواژه‌ها [English]

• salinity indices
• vegetation indices
• Liss-III sensor
• land cover map
• Correlation
• soil line