>
Fa   |   Ar   |   En
   مقایسه ی شاخص های گیاهی جهت تشخیص مناطق رویشی مانگرو با استفاده از تصاویر لندست  
   
نویسنده گندمی یاسمن ,سواری احمد ,دوست شناس بابک ,آرخی صالح
منبع علوم و فنون دريايي - 1402 - دوره : 22 - شماره : 2 - صفحه:18 -26
چکیده    کاربرد های روز افرون سنجش از راه دور برای به نقشه در آوردن و پایش تغییرات مانگرو ها به منظور مدیریت پایدار منابع زیستی روشی عملی است. طی چند دهه ی اخیر پیدایش شاخص های گیاهی متفاوت اثر قابل توجهی بر فرایند های به نقشه در آوردن مانگروها و دیگر اکوسیستم های جنگلی داشته است. دراین مطالعه چهار شاخص گیاهی مختلف شامل شاخص نرمال شده ی تفاضل پوشش گیاهی (ndvi)، شاخص پوشش گیاهی تعدیل شده با خاک(savi)، شاخص نسبت پوشش گیاهی(sr) و همچنین شاخص گیاهی تغییر یافته(tvi) با هم مقایسه شدند تا مناسب ترین شاخص برای جداسازی مناطق مانگرویی خلیج نایبند با استفاده از تصویر ماهواره ی  لندست با قدرت تفکیک مکانی 30 متر از سال 2012 شناسایی شود. برای جداسازی مناطق مانگرویی از غیر مانگرویی از روش طبقه بندی نظارت شده ی حداکثر احتمال (mlc) استفاده شد. نتایج نشان داد که بهترین و بالاترین صحت (%96.85) به ترکیب بین باند های سنجنده به همراه شاخص های گیاهی ndvi و  saviمربوط می شود.
کلیدواژه سنجش از دور، شاخص های گیاهی، طبقه‌بندی نظارت شده، صحت کلی، ضریب کاپا، خلیج نایبند
آدرس دانشگاه علوم و فنون دریایی خرمشهر, دانشکده علوم دریایی و اقیانوسی, گروه زیست شناسی دریا, ایران, دانشگاه علوم و فنون دریایی خرمشهر, دانشکده علوم دریایی و اقیانوسی, گروه زیست شناسی دریا, ایران, دانشگاه علوم و فنون دریایی خرمشهر, دانشکده علوم دریایی و اقیانوسی, گروه زیست شناسی دریا, ایران, دانشگاه گلستان, دانشکده علوم انسانی, گروه جغرافیا, ایران
پست الکترونیکی arekhi1348@yahoo.com
 
   comparison of plant indices to identify mangrove vegetation areas using landsat images  
   
Authors gandomi yasaman ,savari ahmad ,doustshenas babak ,arekhi saleh
Abstract    the increasing application of remote sensing for mangrove mapping and monitoring is practical for sustainable management of the biological resources. the emergence of several vegetation indices (vis) has certainly given significant impacts on mangrove and other forest mappings. in this study, four different vegetation indices including normalized different vegetation index (ndvi), simple ratio (sr), soil adjusted vegetation index (savi) and triangular vegetation index (tvi) were compared to discover a suitable vegetation index for identifying mangrove area in nayband bay, boushehr, iran and using landsat imagery with 30-m from 2012. maximum likelihood classifier (mlc) was used to classify mangrove and nonmangrove area. the results demonstrated that the best accuracy (96.85%) was from combination between 7 landsats spectral bands and some vegetation indices including ndvi and savi.
Keywords mangrove ,vegetation index ,maximum likelihood classifier (mlc) ,overall accuracy ,kappa coefficien
 
 

Copyright 2023
Islamic World Science Citation Center
All Rights Reserved