|
|
تعیین مناسبترین طیف الکترومغناطیس برای پیشبینی عناصر غذایی در برخی گونههای مرتعی، با استفاده از طیفسنجی
|
|
|
|
|
نویسنده
|
محمودی علیرضا ,مکرم مرضیه
|
منبع
|
سنجش از دور و gis ايران - 1401 - دوره : 14 - شماره : 3 - صفحه:31 -45
|
چکیده
|
امروزه از علم سنجش از دور برای مطالعات گیاهی ازجمله تعیین مواد مغذی، بیماریهای گیاهی، کمبود آب یا مازاد آن، شناسایی علفهای هرز استفاده میشود. گیاه، براساس ویژگیهایی که دارد، با برخورد امواج الکترومغناطیس به آن واکنشهای متفاوتی در مقابل امواج (میزان جذب، انعکاس یا عبور) از خود نشان میدهد. ازجمله اطلاعاتی که علم سنجش در این زمینه میتواند بهدست آورد میزان مواد مغذی موجود در گیاه است. با تعیین میزان مواد مغذی موجود در گیاه، میتوان از مقدار کود مورد نیاز گیاه آگاهی یافت و از سویی، این مواد مغذی، بهویژه گیاهان مرتعی را شناسایی کرد. هدف از این مطالعه تعیین مواد مغذی موجود در گیاهان مرتعی مریمنخودی دارابی، اسفند، پنجانگشت، اسفند رومی، کُنار، شکر شفا با بهکارگیری دانش سنجش از دور است. برای رسیدن به این هدف، با استفاده از طیفسنج در بازه طیفی 0/3 تا 1/1 میکرومتر، واکنش گیاه به امواج الکترومغناطیس مشخص شد. سپس با تعیین مواد غذایی موجود در این گیاهان، رابطه بین میزان انعکاسهای امواج الکترومغناطیس با مقدار مواد مغذی در این گیاهان تعیین شد. نتایج نشان داد که در گیاه اسفند رومی باند 1026 نانومتر، در گیاه اسفند باند 1040 نانومتر، در گیاه کُنار باند 1046 نانومتر، در گیاه مریمنخودی باند 1030، در گیاه پنجانگشت باند 400 و 1038 و در شکر شفا باند 1038 موثرترین باندها در پیشبینی مقدار p موثرند. از دیگرسو، بهمنظور پیشبینی zn در گیاه اسفند رومی باند 1026 نانومتر، در گیاه اسفند باند 1040، در گیاه کُنار باند 1045، در گیاه مریمنخودی باند 1030، در گیاه پنجانگشت باند 1010 و در شکر شفا باند 1028 موثرترین باندها بهشمار میروند. بهمنظور پیشبینی cu با استفاده از مقادیر باندهای طیفی، مشخص میشود در گیاه اسفند رومی باند 402 نانومتر، در گیاه اسفند باند 410، در گیاه کُنار باند 1046، در مریمنخودی باند 1030، در پنجانگشت و در شکر شفا باند 1038 موثرترین باندها محسوب میشوند.
|
کلیدواژه
|
گیاهان مرتعی، سنجش از دور، امواج الکترومغناطیس، روش رگرسیون خطی
|
آدرس
|
دانشگاه شیراز, دانشکده کشاورزی و منابع طبیعی داراب, بخش مهندسی طبیعت, ایران, دانشگاه شیراز, دانشکده اقتصاد، مدیریت و علوم اجتماعی, بخش جغرافیا, ایران
|
پست الکترونیکی
|
m.mokarram.313@gmail.com
|
|
|
|
|
|
|
|
|
Determining the Most Appropriate Electromagnetic Spectrum for Predicting Nutrients in a Number of Rangeland Species Using Remote Sensing
|
|
|
Authors
|
mahmoodi A.R. ,Mokarram M.
|
Abstract
|
Today, remote sensing is used for plant studies, such as determining nutrient levels, plant diseases, water deficiency or excess, weed identification, and so on. As electromagnetic waves strike the plants, they react in different ways (absorption, reflection or passage) based on the characteristics of the plants. The quantity of nutrients in a plant can be determined through measurement science in plant studies. Since the amount of nutrients in the plant can be determined, it is possible to know how much fertilizer the plant needs. On the other hand, identified the nutrients in the plant, especially rangeland plants. A spectrometer was used to measure the plant’s response to electromagnetic waves in the range of 0.3 to 1.1 m. Following that, the relationship between the amount of electromagnetic waves and the amount of nutrients in these plants was determined. The results showed that in Fagonia bruguieri b1026 nm, in Peganum harmala b1040 nm, in Ziziphus spinachristi b1046 nm, in Tecurium persicum band 1030 nm, in Vitex pesedonegundo b400 and b1038 and in Otostegia persica band They are effective in predicting the value of P. For the prediction of Zn in F. bruguieri b1026 nm band, in P.harmala b1040 nm band, in Z. spinachristi ba1045 nm band, in T. persicum pea b1030 nm band, in V. pesedonegundo plant b1010 nm and in O. persica band They are the most effective bands. To predict Cu, it is determined using spectral band values that in F.bruguieri band is b402 nm, in P. harmala band is b410 nm, in Z. spinachristi band is b1046 nm, in T. persicum band is b1030 nm, in V.pesedo and O. persica b1038 are the most effective bands.
|
Keywords
|
Rangeland plants ,Remote sensing ,Electromagnetic waves ,Linear regression method
|
|
|
|
|
|
|
|
|
|
|