همکاری با انجمن علمی مدیریت و کنترل مناطق بیابانی ایران

نوع مقاله : مقاله پژوهشی

نویسندگان

1 کارشناس ارشد مرتعداری،‌ دانشکده منابع طبیعی،‌ دانشگاه صنعتی اصفهان

2 استادیار، دانشکده منابع طبیعی،‌ دانشگاه صنعتی اصفهان

3 دانشیار، دانشکده منابع طبیعی،‌ دانشگاه صنعتی اصفهان

چکیده

انتخاب تصاویر ماهواره‌ای مناسب در پروژه‌های مختلف ارزیابی و مدیریتی مرتعی برای حصول دقت و صحت مناسب از اهمیت ویژه‌ای برخوردار است. این مطالعه با هدف بررسی تصاویر ماهواره‌ای Landsat5 (سنجنده TM) و IRS-P6(سنجنده AWiFS) در مطالعه سه تیپ مرتعی در شهرستان سمیرم واقع در استان اصفهان انجام شد و 10 شاخص گیاهی از گروه‌های مختلف شامل شاخص‌های براساس شیب، فاصله‌ای و حساس به آب گیاهان مورد محاسبه و ارزیابی قرار گرفتند. میزان همبستگی میان درصد تاج پوشش گیاهی و سایر اجزای غیر زنده زمین با استفاده از روش قدم- نقطه با استقرار چهار ترانسکت 150 متری در 10 نقطه تصادفی (6000 نقطه در هر تیپ گیاهی) اندازه‌گیری گردید. نتایج نشان داد که به طور کلی شاخص‌های گیاهی حاصل از تصویر سنجنده TM به دلیل داشتن قدرت تفکیک بهتر، ضریب تبیین بالاتری داشت که نشان‌دهنده دقت بهتر در بررسی پوشش گیاهی بود و خصوصیات منطقه و وضعیت پوشش گیاهی نیز در میزان همبستگی آن تأثیر داشت. همچنین به دلیل اختلافات طیفی تیپ‌های گیاهی مختلف، کارایی شاخص‌های گیاهی متفاوت بود. به طوری‌که ضرایب تبیین بین درصد تاج پوشش گیاهی زنده با شاخص‌های گیاهی حاصل از تصویر TM بیشتر از تصویر AWIF  بوده است. بیشترین میزان ضریب تبیین مشاهده شده در تصویرTM  در تیپ گیاهی Astragalusspp-Daphnemucronata (85/0SSI=) مشاهده گردید. به طور کلی میزان ضریب تبیین حاصل از تصاویر ماهواره‌ای مطالعه شده با وضعیت مرتع رابطه عکس داشت و شاخص‌های سنجنده TM در وضعیت خیلی ضعیف حداقل 24 درصد کاهش ضریب تبیین داشتند. بنابراین، کارایی یک شاخص گیاهی تا حدود زیادی به وضعیت مرتع، نوع تیپ گیاهی و قدرت تفکیک مکانی داده‌های سنجش از دور وابسته است.
 

کلیدواژه‌ها

عنوان مقاله [English]

Comparison of Landsat5 (TM sensor) and IRS-P6 (AWiFS sensor) satellite images for analyzing rangeland vegetation types (Case study: Semirom, Isfahan)

نویسندگان [English]

  • Fatemeh Hadian 1
  • Hossein Bashari 2
  • Reza Jafari 2
  • Saeed Soltani 3

1 Master of Science in Range Management, Department of Range Management, Isfahan University of Technology

2 Professor, Department of Natural Resources, Isfahan University of Technology, Isfahan

3 Associate Professor, Department of Natural Resources, Isfahan University of Technology, Isfahan

چکیده [English]

Selecting the appropriate satellite images is highly important to achieve acceptable precision and accuracy in rangeland assessment programs. This study aimed to evaluate Landsat5 (TM sensor) and IRS-P6 (AWiFS sensor) satellite images in three rangeland vegetation types in Semirom region, Isfahan. Ten vegetation indices of different groups including slope-based, distance-based and plant-water sensitive indices were calculated and evaluated for all vegetation types. The percentage of canopy cover, litter, rock, gravel, stone and bare ground were determined using step-point method in radial direction (6000 points per rangeland type). Then, the correlations between the measured field components and spectral indices were compared. According to the results, vegetation indices extracted from TM sensor data had higher correlation with field vegetation cover due to its high spatial resolution. Factors such as characteristics of study area, range condition and vegetation types had also vital role in these correlations. The indices were tested against vegetation cover percentage in all vegetation types including Bromus tomentellus, Astragalus spp-Daphne mucronata- and Astragalus spp-Scariola orientalis. The highest determination coefficient was found between live vegetation cover and SSI index (r2=0.85) in Astragalus spp-Daphne mucronata vegetation type. Overall, the results showed that there was an inverse relationship between vegetation cover indices and rangeland condition. TM vegetation indices had minimum of 24 percent of determination coefficient in very poor range condition in comparison with other studied rangeland conditions. Therefore, the performance of a vegetation index highly depends on rangeland condition, vegetation types and also spatial resolution of remote sensing data.