کاربرد اطلاعات سنجش از دور برای برآورد تولید و درصد پوشش گیاهان (منطقه مورد مطالعه: مراتع اطراف تالاب چغاخور در استان چهارمحال و بختیاری)

این تحقیق به‌منظور بررسی تفاوت چند شاخص سنجش از دوری، چهار اندازه مختلف پلات و دو روش نمونه برداری متفاوت برای برآورد درصد پوشش و تولید گیاهان در سه جامعه گیاهی در سال 1392 انجام شد. نمونه برداری زمینی در سه جامعه با پوشش گیاهی غالب متفاوت به دو شکل شش و سه پلاتی انجام شد. چهار ابعاد مختلف پلات به صورت تودرتو برای برآورد تولید و درصد پوشش استفاده شد. نمونه برداری ها در هر جامعه در داخل 30 پیکسل در امتداد سه ترانسکت با ارتفاع متفاوت انجام گردید (روش نمونه برداری و آزمایش آنها براساس نظر محقق انجام شد). تراکم گیاهان غالب با شمارش پایه ها در هر پلات، درصد پوشش گیاهان به‌صورت تخمین و تولید نیز در قالب نمونه گیری مضاعف در رابطه با درصد پوشش اندازه گیری شد. نتایج نشان داد با افزایش سطح پلات، میزان همبستگی شاخص های گیاهی تصویر لندست و معنی داری آنها در رابطه با تولید و درصد پوشش گیاهان افزایش خواهد یافت. اما این افزایش در جامعه 2 در بیشتر شاخص ها با گیاهان غالب بوته ای چشمگیرتر است. به‌طوری‌که در این جامعه بیشتر شاخص های مورد بررسی در پلات 3*3 دارای همبستگی و مدل قابل اعتباری هستند و در سه اندازه پلات 1*1، 2*1 و 2*2، مدل های حاصل دارای اعتبار کافی نبوده و دارای rmse بالایی می باشند. در جامعه یک با گیاهان غالب پهن برگ، تنها مدل حاصل در پلات 1*1 و در جامعه دو با گیاهان غالب بوته ای مدل حاصل در پلات های 1*1 و 2*1 از نظر آماری قابل اعتبار نیستند، هرچند گاهی دارای همبستگی معنی داری می باشند. نتایج حاصل از دو الگوی مختلف در دو جامعه 1 و 3 از نظر آماری متفاوت بود و در جامعه 2 اختلاف معنی داری بین آنها وجود نداشت. با توجه به نتایج بررسی شاخص ها از نظر همبستگی و اعتبار مدل حاصل از آنها می توان دو شاخص ndvi و ctvi را در جامعه 1، شاخص های ndvi و tsavi1 را در جامعه 2 و ndvi، nrvi و tsavi1 را در جامعه 3 برای برآورد تولید و درصد پوشش گیاهان با استفاده از تصاویر ماهواره ای توصیه کرد.

Application of remote sensing information to estimate production and plant cover percentage(Study area: Rangelands around Choghakhor Wetland in Chaharmahal and Bakhtiari Province)

The present study was conducted to investigate the differences between several remote sensing indices, four different plot sizes and two different sampling methods to estimate the percentage of plant cover and production in three plant communities in 2013. Ground sampling was performed in three communities with different dominant vegetation in two forms of six and three quadrats. Four different dimensions of the quadrats were used nested to estimate production and coverage percentage. Sampling was performed in each community within 30 pixels along three transects with different heights (sampling method and testing were performed according to the researcher opinion). Dominant plant density was measured by counting the bases per plot, plant cover percentage as an estimate and production in the form of double sampling in relation to cover percentage. The results showed that with increasing plot area, the degree of correlation of plant indexes of Landsat image and their significance in relation to production and percentage of plant cover will increase. But this increase in community 2 is more dramatic in most respects with predominantly shrubs. As in this community, most of the studied indicators in 3 × 3 plot have a correlation and a reliable model, and in the three sizes of 1×1, 2×1 and 2×2 plots, the resulting models are not valid enough and have high RMSE. In community one with dominant broadleaf plants, only the model obtained in 1×1 plot and in community two with dominant plants, the model obtained in 1×1 and 1×2 plots are not statistically valid, although sometimes they have a significant correlation. The results of two different models are statistically different in communites 1 and 3 and there was no significant difference between them in community 2. According to the results of the study of indicators in terms of correlation and model validity, the two indicators NDVI and CTVI can be used in community 1, NDVI and TSAVI1 in community 2 and NDVI, NRVI and TSAVI1 in community 3 recommended for estimating production and percentage of plant cover using satellite images.