تعیین ضریب گیاهی چغندرقند به روش سنجش از نزدیک با استفاده از تصاویر رقومی

هدف این پژوهش بررسی امکان تعیین ضریب گیاهی چغندرقند با استفاده از پوشش گیاهی مستخرج از تصاویر رقومی در مدیریت های مختلف آبیاری بود. ضریب گیاهی و پوشش گیاهی متغیرهایی بودند که در طول دوره رشد و هر 10 روز یک بار به صورت مستقیم و به ترتیب با روش بیلان آبی و پردازش تصویر اندازه گیری شدند. در این مطالعه، ضریب گیاهی چغندرقند در سه مدیریت آبیاری با بیشینه تخلیه مجاز 40%، 60% و 80% با استفاده از معادله رگرسیونی آن با پوشش گیاهی که در شرایط پتانسیل مدل سازی شده بود برآورد شد و با میانگین داده های اندازه گیری شده در دو سال اعتبارسنجی شد. نتایج اعتبارسنجی داده ها نشان داد که در مدیریت های آبیاری با بیشینه تخلیه مجاز 40% و 60% ، ضرایب گیاهی برآوردشده توافق خوبی با مقادیر اندازه گیری شده داشتند. در مدیریت آبیاری با بیشینه تخلیه مجاز 40% ضریب تبیین (r^2)، ریشه دوم میانگین مربعات خطای نرمال شده (nrmse)، و ضریب کارایی مدل (ef) به ترتیب 0/95، 0/11 و 0/95 و در مدیریت آبیاری با بیشینه تخلیه مجاز 60% مقدار این ضرایب به ترتیب 0/9، 0/13 و 0/85 به دست آمد. نتایج ارزیابی مدل، کارایی استفاده از این روش را برای تعیین ضریب گیاهی چغندرقند در دامنه تغییرات رطوبتی بین ظرفیت زراعی تا بیشینه تخلیه مجاز 60% تائید کرد. در مدیریت آبیاری با بیشینه تخلیه مجاز 80%، ضریب تبیین (r2)، ریشه دوم میانگین مربعات خطای نرمال شده (nrmse)، و ضریب کارایی مدل (ef) به ترتیب به 0/49، 0/37 و 0/63 کاهش یافت که نشان دهنده کارایی ضعیف مدل در شرایط تنش خشکی شدید بود. روش پیشنهادی از یک فناوری پردازش تصاویر رقومی برای شناسایی پوشش گیاهی استفاده می‌کند و از مزایایی مانند جمع آوری آسان و سریع داده ها، دقت بیشتر و هزینه کمتر، امکان تهیه تصویر به تعداد دلخواه و عدم نیاز به داده های هواشناسی برخوردار است، بنابراین می توان رشد گیاه و تغییرات ضریب گیاهی را در طول دوره رشد بررسی کرد.

Determination of Crop Coefficient of Sugar Beet by Proximal Sensing Method Using Digital Images

This study aimed to determine the crop coefficient of sugar beet using canopy cover extracted from digital images under different irrigation managements. The crop coefficient and canopy cover were directly measured by water balance and image processing methods, respectively, in 10 days intervals during the growing season. The crop coefficient of sugar beet in three irrigation managements with maximum allowable depletion (MAD) of 40%, 60%, and 80%, was estimated using its regression equation with canopy cover. This was modeled for potential conditions and then validated by using the average measurements in two years. The findings showed that the estimated crop coefficients were in good agreement with the observations in irrigation managements that had MAD of 40% and 60%. The coefficient of determination (R2), normalized Root Mean Square Error (nRMSE), and model efficiency (EF) were 0.95, 0.11 and 0.95, for 40% MAD, 0.9, 0.13 and 0.85 for 60% MAD, respectively. The results illustrate that the crop coefficient of sugar beet, within the moisture range between field capacity to a MAD of 60%, can be reliably estimated by this approach. The values of determination coefficient (R2), normalized Root Mean Square Error (nRMSE) and model efficiency (EF) decreased to 0.49, 0.37 and 0.63, respectively, for 80% MAD, indicating poor performance of the model under severe drought stress conditions. The proposed method has some advantages including easy and fast data collection, greater accuracy and lower cost, the ability to provide the desired number of images, and no need for meteorological data. Therefore, this can be applied to study the plant growth and crop coefficient variations during the growth period.