ارایه‌ی یک روش نوین تخمین رطوبت خاک با استفاده از تصاویر سنجش از دور نوری

بررسی فرآیندهای سطح زمین با استفاده از سنجش از دور نوری به طور عام به باند های الکترومغناطیسی قرمز، سبز، آبی (rgb)، مادون قرمز (nir) و موج کوتاه (swir) مرتبط می شود. در روش تخمین رطوبت خاک با استفاده از تصاویر سنجش از دور نوری، با فرض ارتباط خطی بین بازتابش های قرمز و مادون قرمز ((rednir، خط عاری از پوشش گیاهی (خط خاک) به عنوان خط مبنا در نظر گرفته شده و خطوط هم رطوبت به شکل عمود بر این خط مورد بررسی قرار می‌گیرند. این مطالعه قصد دارد نشان دهد که فرضیه ی فعلی برپایه ی هندسه ی فضایی rednir، همواره مستحکم نیست و در پاره ای از موارد، تخمین اشتباهی از رطوبت خاک ارائه می دهد. بدین منظور یک روش نوین تخمین رطوبت خاک در این فضا پیشنهاد شد که بر پایه‌ی تعریف جدیدی از خطوط هم رطوبت خاک است. مدل پیشنهادی این مطالعه به مدل تغییر یافته ی فضای rednir (trn) مصطلح شد. این مدل با مدل رایج فضای rednir (crn) با استفاده از تصاویر ماهواره ی لندست8 در مزارع نیشکر سلمان فارسی استان خوزستان مقایسه شد. 12 تصویر لندست 8 در طول دوره رشد نیشکر مورد استفاده قرار گرفت. برای اعتبار سنجی نتایج سنجش از دور، رطوبت خاک در 22 نقطه در 5 عمق مختلف اندازه‌گیری شد. نتایج نشان داد که مدل trn پیشنهادی تطابق بیشتری با مشاهدات میدانی داشت و به طور علمی، صحت و دقت استفاده از فضای rednir در زمینه تخمین رطوبت خاک را بهبود بخشید.

Presenting a New Method for Soilmoisture Estimation Using Optical Remotelysensed Imagery

Optical remote sensing of earth surface processes commonly relies on the Red, Green, Blue (RGB), Near Infrared (NIR) and Shortwave Infrared (SWIR) electromagnetic bands. In soilmoisture estimation method using optical remotelysensed imagery, by assuming a linear relationship between the RedNIR reflectance, the line of bare soil (soil line) is established as the base and then moisture isoclines are assumed perpendicular to the soil line. This study is intended to show that this assumption is not consistent with the actual RedNIR space geometry, which in many cases introduces soil moisture estimation errors. Therefore, a new mathematical transformation method was proposed to the original RedNIR space followed by newlydefined soil moisture isolines. This new Transformed RedNIR (TRN) model was compared with the conventional RedNIR (CRN) model using data from Salman Farsi sugarcane field located in Khozestan province in southwestern of Iran. Twelve Landsat8 satellite images were used during the sugarcane growing season. For validation of the remotely sensed data, ground reference soil moisture was measured at 22 locations at five different depths. Results of the proposed new method significantly improved accuracy of the RedNIR approach to remote sensing of soil moisture.