به کارگیری الگوریتم ادغام مکانی-زمانی در استخراج شاخص های طیفی گیاه در مراحل رشد برنج

سابقه و هدف: هر چند وجود ماهواره های پایش سطح زمین این امکان را فراهم میکند تا بتوان در مراحل مختلف رشد وضعیت سبزینگی گیاه را با کمک شاخص های گیاهی مختلف مورد بررسی قرار داد اما وجود ابرناکی در دوره های رشد گیاه منجر می شود تا اطلاعات حاصل از سنجش از دور در مناطق مرطوب با استقبال کمتری روبرو شود وجود الگوریتم های ادغام مکانی زمانی برای بازسازی تصاویر ماهواره ای امکان بهره گیری از داده های دورسنجی را در دوره رشد گیاهی فراهم نمود هدف از پژوهش حاضر استفاده از الگوریتم ادغامی به منظور بازسازی تصاویر ماهواره های لندست 8 و سنتینل و محاسبه شاخص سطح برگ برنج در مراحل مختلف رشد می باشد. مواد و روش ها: پژوهش حاضر در شالیزارهای دانشگاه علوم کشاورزی و منابع طبیعی ساری در بازه زمانی خرداد الی مرداد ماه سال 1399 انجام گرفت. شاخص سطح برگ برنج با استفاده از روش غیر تخریبی در مزرعه محاسبه و برای برقراری رابطه با شاخص های سنجش از دور استفاده قرار گرفت. برای دستیابی به اهداف این پژوهش تصاویر ماهواره های لندست 8 و سنتینل 2 پس از انجام تصحیح رادیومتریک و اتمسفریک برای استخراج شاخص های تفاوت نرمال شده گیاهی (ndvi)، رشد برنج (rgvt) و پوشش گیاهی با اصلاح خاک (savi) استفاده شد. در دوره ابرناکی با کمک الگوریتم starfm و تصاویر سنجنده مودیس، تصاویر دو ماهواره لندست 8و سنتینل 2 بازسازی و مورد استفاده قرار گرفت. به منظور برآورد شاخص سطح برگ با استفاده از تصاویر ماهواره ای رابطه ای مناسب میان شاخص های گیاهی و شاخص سطح برگ برنج (رقم طارم هاشمی) در مراحل مختلف رشد به دست آمد. یافته ها با توجه به ابرناکی در تیرماه و اوج سبزینگی گیاه ،برنج استفاده از الگوریتم starfm منجر به بازسازی تصاویر در این دوره شد و در نهایت با کمک 15 تصویر در کل دوره رشد برنج چهار رابطه خطی بین شاخص های rgvi ،ndvi و savi برای چهار مرحله از رشد با شاخص سطح برگ ایجاد شد که بالاترین و پایینترین ضریب همبستگی بین شاخص های سنجش از دوری و شاخص سطح برگ به ترتیب ٠/٩٦ برای شاخص ndvi در مرحله نشا و رسیدن و ٠/٧٥ برای شاخص rgvi در مرحله نشا مشاهده شد. هم چنین نقشه تغییرات شاخص سطح برگ برای هر دو ماهواره در دوره رشد زراعی به خوبی تغییرات سبزینگی پوشش برنج را نمایش داد. در مرح رحله نشا مقدار شاخص سطح برگ در محدوده 1/5-0/5 قرار دارد و هر چه پوشش گیاهی کامل تر می شود بر میزان شاخص سطح برگ افزوده و در مرحله های پنجه زنی، خوشه دهی و رسیدن میانگین شاخص سطح برگ در نقشه ها به ترتیب ٢/٥، ٤ و ٣ است. نتیجه گیری: شاخص ndvi با داشتن بالاترین همبستگی (٠/٩٦) با شاخص سطح برگ برآوردگر مناسبی بوده و می توان با استفاده از آن نقشه های شاخص سطح برگ را در مناطق گسترده به دست آورد. در نتیجه با کمک در مجموع به نظر میرسد با استفاده از داده های ماهواره ای و بازسازی تصاویر در روزهای ابرناکی میتوان به شاخص سطح برگ با دقت بالایی دست یافت و اطلاعات مختلف هم چون سن و مرحله رشد را برای گیاه برنج استخراج نمود.

Use spatial- temporal fusion algorithm to extract vegetation indices in rice growth stages

Use spatial temporal Fusion Algorithm to extract vegetation indices in rice growth stagesAbstractBackground and objectives: Earth monitoring satellites and vegetation indices are very useful to study the plant greenness at different stages of growth. Widely paddy fields in the north of the Iran has provided the opportunity for research related to rice crops by new technologies, but cloudy sky in plant growth periods leads to remote sensing information in humid areas is less welcomed. The existence of spatialtemporal fusion algorithms has provided the opportunity and rebuilding satellite images in cloudy periods to use remote sensing data in the period of plant growth. In this study, spatialtemporal fusion algorithm were used to rebuilding the images of Landsat 8 and Sentinel 2 satellites during the growing season of rice to estimate the leaf area index as a representative of vegetation health and development at different stages of growth.Materials and methods: To achieve the objectives of this study, images of Landsat 8 and Sentinel 2 satellites were used. In the cloud period, with the help of STARFM algorithm, two satellite images were rebuilt and used to extract Normalized Difference Vegetation Index (NDVI), Rice Growth Vegetation Index (RGVI) and Soil Adjustment Vegetation Index (SAVI).To estimate leaf area index by satellite images, a suitable relationship was obtained between vegetation indices and rice leaf area index at different stages of growth.Results: Due to the cloudiness in July and the peak of greenery of the rice plant, using the STARFM algorithm to rebuild the images was very efficient. With the help of 15 images in the whole rice growth period (90 days), four linear relationships were established between Normalized Difference Vegetation Index (NDVI), Rice Growth Vegetation Index (RGVI) and Soil Adjustment Vegetation Index (SAVI) for four stages of growth with leaf area index. The highest and lowest correlation coefficients were observed between vegetation indices and leaf area index of 0.96 for NDVI index in transplanting and maturing stage and 0.75 for RGVI index in transplanting stage, respectively. Also, the map of changes in leaf area index for both satellites during the crop growth period showed well the changes in the greenness of rice cover.Conclusion: In general, it seems that by using satellite data and image rebuilding on cloudy days, it is possible to achieve the leaf area index with high accuracy and extract various information such as age and growth stage for the rice plant