برآورد شاخص سطح برگ محصول ذرت با استفاده از تصاویر ماهواره سنتینل ‌ 2

شاخص سطح برگ استخراج‌شده (lai) از تصاویر سنجش از دور پارامتر مهمی، به‌منظور مدل‌سازی مکانی تولید پوشش گیاهی، محسوب می‌شود. معمولاً شاخص‌های پوشش گیاهی که با بازتاب طول موج‌های قرمز و مادون قرمز نزدیک محاسبه می‌شوند، در برآورد lai با استفاده از روش‌های آماری، به‌کار می‌روند اما بسیاری از این شاخص‌ها در مقادیر متفاوت lai به اشباع می‌رسند. برای رفع این محدودیت، بازتاب محدوده لبه قرمز استفاده شده است؛ بنابراین، باید قابلیت شاخص‌های متفاوت پوشش گیاهی استخراج‌شده از داده‌های سنجش از دور، برای برآورد lai ذرت علوفه‌ای، ارزیابی شود. بدین‌منظور پنج مرحله نمونه‌برداری میدانی، با فاصله زمانی نزدیک به گذر ماهواره سنتینل‌ 2، از سوی مرکز تحقیقات فضایی پژوهشگاه فضایی ایران، اجرا شد و در مجموع، 234 نمونه از مزارع ذرت علوفه‌ای شرکت کشت و صنعت مگسال قزوین برداشت شد. سپس سیزده شاخص پوشش گیاهی متفاوت، با استفاده از سری زمانی تصاویر سنتینل‌ 2، محاسبه شد و برای برآورد آماری مقادیر lai به‌کار رفت. نتایج نشان داد که شاخص evi با ضریب همبستگی 0.76 برای برآورد شاخص سطح برگ ذرت علوفه‌ای بهترین عملکرد را داشته است. علاوه‌براین، مقدار rmse روش‌های رگرسیون غیرخطی بیشتر از روش‌های خطی بوده است.

analysis of sentinel- 2 satellite images to estimate leaf area index of corn crops

leaf area index (lai) derived from remotely sensed images is considered as an important index for spatial modelling of vegetation productivity. traditionally, the spectral vegetation indices (vis) derived from the red (r) and near infrared (nir) reflectance values have been utilized to statistically estimate lai. however, most of these vis saturate at some level of lai. this limitation was over-come by using the reflectance spectra in the red-edge region. therefore, it is necessary to evaluate the capability of different vis derived from rs data to estimate the lai of silage maize.  for this purpose, five field sampling campaigns which were near-simultaneous with sentinel ii over-passes were conducted by the space research center, iranian space research center and totally 234 samples were collected from the silage maize fields, in magsal, qazvin.  then, 13 vis from the time series of sentinel-2 imagery were computed and employed to statistically estimate the lai values. the results showed that enhanced vegetation index (evi) with  outperformed other vis to estimate lai of silage maize. moreover, the  values of non-linear regression models were higher that the liner ones.