شبیه‌سازی بازتاب طیفی و تخمین کلروفیل و رطوبت برگ بنه pistacia mutica بر اساس مدل prospect4

سابقه و هدف: جنگل‌های زاگرس به عنوان وسیع‌ترین زیست‌بوم جنگلی ایران عمدتاً از گونه‌های بلوط و بنه تشکیل یافته است. گونه pistacia mutica اگر‌چه توانایی سازگاری با شرایط نامطلوب محیطی را دارد، اما مانند سایر گونه‌ها برای استقرار و رویش بهینه، نیازمند شرایط محیطی متناسب با نیاز اکولوژیکی خود است. به دلیل شرایط اقلیمی و شاخه‌زاد بودن، رشد قطری و ارتفاعی در این درختان بطئی است. بنابراین بررسی وضعیت کمی و کیفی جنگل از طریق اندازه‌گیری و پایش مشخصات کمی با نتایج دقیق همراه نخواهد بود. در‌مقابل بررسی ویژگی‌های بیوشیمیایی و بیوفیزیکی برگ و تاج‌پوشش این درختان می‌تواند روش مناسب‌تری برای مطالعه و پایش آن‌ها در اختیار قرار دهد. کلروفیل و رطوبت گیاه، پارامتر‌های مهمی در تعیین وضعیت فیزیولوژیکی، شرایط سلامت و تعیین وضعیت استرس درختان هستند. برآورد این پارامتر‌ها از داده‌های سنجش‌از‌دور و نزدیک‌سنجی با استفاده از مدل‌های انتقال تابشی که براساس قوانین فیزیک و نحوه تعامل امواج با درختان کار می‌کنند، امکان‌پذیر است. مدل prospect برای تخمین مقدار کلروفیل، مقدار آب و ماده خشک برگ در واحد سطح براساس اندازه‌گیری‌های بازتاب طیفی ارائه شده است. در سال‌های اخیر آتش‌سوزی، آفات و بیماری‌ها تغییرات آب و هوایی و خشکسالی به تدریج رشد و کیفیت این گونه را تحت تاثیر قرار داده است. از آنجا که اولین نشانه‌های تنش در درختان، در برگ آن‌ها ظاهر می‌شود، از این‌رو در این تحقیق ضرورت بررسی وضعیت کمی و کیفی این گونه بر‌اساس پارامترهای بیوشیمیایی برگ آن از طریق روش‌های غیر‌مخرب نزدیک‌سنجی مطرح شد. موادو روش‌ها: 20 درخت بنه به‌طور تصادفی در جنگل کود‌سیاه بخش فلارد استان چهارمحال و بختیاری انتخاب شدند و میزان پارامتر‌های کلروفیل، مقدار آب معادل و مقدار ماده خشک برگ در آزمایشگاه محاسبه شد. بازتاب طیفی نمونه برگ‌ها به وسیله طیف‌سنج svc hr1024 اندازه‌گیری شد. اطلاعات حاصل از داده‌های طیف‌سنجی و مقادیر پارامتر‌های بیوفیزیکی و بیوشیمیایی برگ در جعبه ابزار artmo وارد شد. سپس از مدل انتقال تابشی prospect4 برای شبیه‌سازی بازتاب طیفی و تخمین رطوبت و کلروفیل برگ گونه pistacia mutica استفاده شد. از ترکیب شبیه‌سازی‌ها با رگرسیون حداقل مربعات بخشی، عملکرد مدل prospect4 در تخمین میزان کلروفیل و رطوبت برگ این گونه ارزیابی شد. یافته‌ها: به‌منظور ارزیابی مدل در تخمین میزان کلروفیل و رطوبت برگ از شاخص‌های r2 و rmse بین مقادیر اندازه‌گیری شده و برآورد شده استفاده شد. نتایج نشان داد که مدل prospect4 در ترکیب با رگرسیون pls دقت مناسبی در تخمین رطوبت (0028/0= ,rmse73/0=r2) و کلروفیل برگ (61/2=,rmse72/0=r2) دارد. نتایج آزمون t جفتی از شاخص‌های طیفی نشان داد که شاخص‌های ari، ari2، dwsi، ndwi و p550 تفاوت معنی‌داری بین طیف اندازه‌گیری شده و شبیه‌سازی شده نداشتند. نتیجه‌گیری: براساس نتایج این تحقیق، ترکیب مدل‌های انتقال تابشی با روش‌های رگرسیونی مانند pls قدرت زیادی در پیش‌بینی پارامتر‌های گیاهی دارند. بکار‌گیری سایر مدل‌های انتقال تابشی با چندین گونه گیاهی با دامنه مقادیر بیشتری از پارامترها، همچنین تکنیک‌هایی مانند اطلاعات قبلی، راه‌حل‌های چندگانه و سایر روش‌های رگرسیونی در شبیه‌سازی بازتاب طیفی و تخمین پارامتر‌های معرف وضعیت کیفی جنگل قابلیت بررسی در جنگل‌های زاگرس را داشته و می‌تواند در سطوح گسترده از طریق داده‌های ماهواره‌ای بررسی شود.

Spectral reflectance simulation and estimation of chlorophyll and water content of Pistacia mutica leaf based on PROSPECT4 model

Background and objectives: Zagros forests, as the largest forest ecosystem in Iran, are mainly composed of oak and pistachio species. Although Pistacia mutica has the ability to adapt to adverse environmental conditions, for optimal establishment and growth, like other tree species, it needs environmental conditions appropriate with its ecological needs. Diameter and height growth in these trees are slow due to climatic conditions, so the study of the quantitative and qualitative condition of the forest by measuring and monitoring quantitative characteristics will not be accompanied by accurate results. In contrast, studying the biochemical and biophysical properties of the leaves and canopy of these trees can provide a more appropriate way for studying and monitoring them. Plant chlorophyll and moisture are important parameters in determining the physiological status, health condition, and stress status of trees. It is possible to estimate these parameters from remote sensing and proximity data using radiation transfer models that work according to the physics laws and how electromagnetic radiation interacts with trees. The PROSPECT4 model is one of the newest models proposed to estimate the amount of chlorophyll, water content, and leaf dry matter per unit area based on spectral reflectance measurements. In recent years, fires, pests and diseases, climate change, and drought have gradually affected the growth and quality of pistachio species. Since the first signs of stress in trees appear in their leaves, in this study, the need to investigate the quantitative and qualitative status of this species based on the biochemical parameters of its leaves through nondestructive methods of proximity was considered.Materials and methods: 20 Pistacia trees were randomly selected in the Kood Siyah forest of Felard section of Chaharmahal va Bakhtiari province. The amount of chlorophyll parameters, equivalent water thickness and leaf dry matter were calculated in the laboratory. Spectral reflectance of leaf samples was measured by SVC HR1024 spectrometer. Spectral data and values of leaf biophysical and biochemical parameters were entered in the ARTMO toolbox. Then, PROSPECT4 radiation transfer model was used to simulate spectral reflection and estimate water and leaf chlorophyll of Pistacia mutica. Combining the simulations with least squares regression, the performance of PROSPECT4 model in estimating chlorophyll content and leaf water of this species was evaluated.Results: In order to evaluate the model in estimating chlorophyll content and leaf water content, R2 and RMSE indices were used between the measured and estimated values. The results showed that the PROSPECT4 model in combination with the PLS model has good accuracy in estimating leaf water content (R2 = 0.73, RMSE = 0.0028) and leaf chlorophyll (R2 = 0.72, RMSE = 2.61). The results of paired Ttest of spectral indices showed that ARI,, ARI2,, DWSI,,NDWI and p550 indices were not significantly different between the measured and simulated reflectance. Conclusion: Based on the results of this study, the combination of radiation transfer model with regression methods such as PLS has great power in predicting tree parameters. Estimation of forest quality parameters in a vast area of Zagros forests using satellite data along with other radiation transfer models using several tree species and a range of parameters, as well as techniques such as ancillary information, multiple solutions, and other regression methods of simulating spectral reflectance can be performed.