محمد عبیات؛ مرتضی عبیات؛ مصطفی عبیات
چکیده
برآورد سطح زیرکشت محصول، گامی اساسی در تعیین میزان تولیدات زراعی و لازمه تصمیم‌گیری در انجام مبادلات اقتصادی است. سنجش از دور، با داشتن دادههای به‌روز و قابلیت آنالیز تصاویر ماهوارهای با دقتی مناسب و نیز امکان مطالعه در محدوده‌های وسیع، ابزاری کلیدی در این قبیل ارزیابی‌ها میباشد. هدف این پژوهش، ارزیابی کارایی روش‌های طبقه‌بندی ...
بیشتر
برآورد سطح زیرکشت محصول، گامی اساسی در تعیین میزان تولیدات زراعی و لازمه تصمیم‌گیری در انجام مبادلات اقتصادی است. سنجش از دور، با داشتن دادههای به‌روز و قابلیت آنالیز تصاویر ماهوارهای با دقتی مناسب و نیز امکان مطالعه در محدوده‌های وسیع، ابزاری کلیدی در این قبیل ارزیابی‌ها میباشد. هدف این پژوهش، ارزیابی کارایی روش‌های طبقه‌بندی و شاخص‌های طیفی در برآورد سطح زیرکشت محصولات زراعی شهرستان شوش در طول دوره رشد است. ابتدا تصاویر OLI ماهواره لندست ۸ با توجه به تقویم زراعی سال ۹۸-۱۳۹۷ و دوره رویشی محصولات غالب منطقه، انتخاب شدند. برای شناسایی و تفکیک محصولات زراعی در رویکرد اول، از روش‌های طبقه‌بندی شبکه عصبی مصنوعی و ماشین بردار پشتیبان و در رویکرد دوم، از شاخص NDVI استفاده شد. برای مقایسه نتایج، از آمار سطح زیرکشت سازمان جهاد کشاورزی در سال ۱۳۹۸ استفاده شد. براساس نتایج بدست آمده، سطح زیرکشت گندم، جو، برنج و ذرت در روش شبکه عصبی مصنوعی، در مقایسه با آمار سازمان جهاد کشاورزی به ترتیب خطای ۱۱.۷، ۱۲.۱، ۶.۱ و ۶.۷ درصد و در روش ماشین بردار پشتیبان به ترتیب خطای ۸.۹، ۶.۶، ۴.۲ و ۵.۱ درصد داشته است. اما شاخص NDVI بهترین روش برآورد سطح زیرکشت منطقه در مقایسه با آمار سازمان جهاد کشاورزی به ترتیب دارای خطای ۴.۲، ۱.۲، ۲.۷ و ۱.۵ درصد بوده که نشان‌دهنده قابلیت بالا و دقت شاخص‌های طیفی در برآورد سطح زیرکشت محصولات زراعی منطقه با توجه به دوره رشد آن‌ها است. لذا پیشنهاد شد تا برای تعیین سطح زیرکشت محصولات شهرستان شوش از پیاده‌سازی شاخص‌های طیفی استفاده شود.
هواشناسی کشاورزی
سیده محبوبه ابن حجازی؛ حجت اله یزدان پناه؛ سعید موحدی؛ محمدعلی نصراصفهانی؛ مینا مرادی زاده
چکیده
سرمازدگی محصولات کشاورزی در فصل بهار، همه‌ساله زیان‌های سنگین مالی را به بخش کشاورزی به‌ویژه در باغات شمال غرب ایران وارد می‌کند. هدف این مقاله، ارزیابی سیستمی برای پیش‌آگاهی سرمازدگی با استفاده از شبیه‌سازی دمای حداقل 72 ساعته به‌وسیله مدل WRF و تشخیص مراحل فنولوژی سیب از تصاویر لندست است تا با شناخت مراحل فنولوژی محصول و دمای ...
بیشتر
سرمازدگی محصولات کشاورزی در فصل بهار، همه‌ساله زیان‌های سنگین مالی را به بخش کشاورزی به‌ویژه در باغات شمال غرب ایران وارد می‌کند. هدف این مقاله، ارزیابی سیستمی برای پیش‌آگاهی سرمازدگی با استفاده از شبیه‌سازی دمای حداقل 72 ساعته به‌وسیله مدل WRF و تشخیص مراحل فنولوژی سیب از تصاویر لندست است تا با شناخت مراحل فنولوژی محصول و دمای بحرانی در آن مرحله چنانچه دمای حداقل در 72 ساعت آینده به دمای بحرانی برسد پیش‌آگاهی سرمازدگی صورت گیرد. دادههای دمای 2 متری خروجی مدل WRF برای شبکه محاسباتی داخلی، در 51 ایستگاه سینوپتیک با دمای حداقل مشاهداتی در ایستگاه‌ها مقایسه شد. مقادیر شاخص NDVI نیز با استفاده از تصاویر لندست 7 و 8 سنجنده‌های ETM+ و OLI در سال‌های 2016-2007 برای باغ سیب واقع در ایستگاه تحقیقات هواشناسی کشاورزی کهریز ارومیه محاسبه و با زمان مراحل فنولوژی ثبت‌شده در محل مقایسه شد. نتایج نشان داد که معنی‌داری همبستگی و مدل رگرسیونی بین متغیر دمای 2 متری خروجی مدل WRF و متغیر دمای حداقل مشاهداتی در مجموع کل ایستگاه‌ها برای شبیه‌سازی 72 ساعته وجود دارد. درنتیجه می‌توان از مدل WRF در شبیه‌سازی 72 ساعته دما در منطقه موردمطالعه بهره برد. یافته دیگر این تحقیق نشان داد که در مقایسه با دادههای زمینی ثبت‌شده در منطقه، مقادیر NDVI به‌دست‌آمده از تصاویر لندست به‌خوبی گویای تغییرات مراحل فنولوژی در باغ سیب موردمطالعه است.
بهاره بهمن آبادی؛ عباس کاویانی
چکیده
شناخت و ارزیابی تبخیر و تعرق از سطوح گیاهی یک ابزار اساسی در محاسبه بیلان آب و تخمین نیاز آبی و دسترسی به آن است. در این تحقیق بهمنظور بررسی توزیع مکانی تبخیروتعرق و رابطه آن با سنجش از دور در مقابل دادههای لایسیمتری به عنوان شاهد در منطقه برازجان واقع در استان بوشهر، ایران انجام شد. در این پژوهش از 46 تصویر بدون ابر و روزانه از سنجنده ...
بیشتر
شناخت و ارزیابی تبخیر و تعرق از سطوح گیاهی یک ابزار اساسی در محاسبه بیلان آب و تخمین نیاز آبی و دسترسی به آن است. در این تحقیق بهمنظور بررسی توزیع مکانی تبخیروتعرق و رابطه آن با سنجش از دور در مقابل دادههای لایسیمتری به عنوان شاهد در منطقه برازجان واقع در استان بوشهر، ایران انجام شد. در این پژوهش از 46 تصویر بدون ابر و روزانه از سنجنده MODIS، 7 تصویر از سنجنده ETM+ و 7 تصویر از سنجنده TM در طول فصل رشد از ماه فروردین تا شهریور در خلال سال‌های 80 تا 82 استفاده شده است. براساس نتایج بدست آمده از اجرای سه مدل SEBAL، SSEB و TSEB در هر سه ماهواره، سنجنده MODIS دارای کمترین میزان خطا بوده (بهترتیب برای هر سه الگوریتم RMSE=0.856,1.385,2.7mm/day) و پس از آن ماهواره لندست 7 با قدرت تفکیک مکانی بالاتر در رده دوم قرار میگیرد (بهترتیب برای هر سه الگوریتم RMSE=1.042,1.56,2.76 mm/day) و در نهایت ماهواره لندست 5 بیشترین میزان خطا را به خود اختصاص میدهد (بهترتیب برای هر سه الگوریتم RMSE=1.14, 1.97, 3.06 mm/day). در بررسی وضعیت پوشش گیاهی براساس شاخص نرمال شده تفاوت پوشش گیاهی، در ابتدای دوره کشت به دلیل جوانهزنی و تنک بودن پوشش گیاهی، این شاخص در پایینترین حد خود قرار دارد و بهترتیب با افزایش دمای هوا و میزان پوشش گیاهی، این شاخص رو به افزایش است. فاکتور L اهمیت بهسزایی در برآورد شاخص پوشش گیاهی تعدیل شده برحسب خاک و در نهایت، صحتسنجی برآوردهای بدست آمده تبخیروتعرق برای منطقه مورد مطالعه دارد که به پوشش منطقه وابسته است. در این تحقیق برای منطقه مورد مطالعه مقدار L=0.6 تخمین زده شد که در مقایسه با دیگر مقادیر مورد بررسی، دارای کمترین مقدار خطا بود ((RMSE=0.6. الگوریتم SEBAL نسبت به سه الگوریتم دیگر به دادههای لایسیمتری نزدیکتر بوده و از دقت بالاتری برخوردار است. عملکرد مناسب الگوریتم SEBAL به دلیل جزئی‌نگری در فرمولاسیون و اجرای این الگوریتم بوده است. الگوریتم SSEB براساس تئوری سادهتر و برمبنای انرژی حرارتی سطح زمین بوده که نسبت به الگوریتم SEBAL در رده دوم قرار میگیرد. الگوریتم دومنبعی ضعیفترین نتایج را در میان الگوریتم‌ها از خود نشان داد. در مقایسه عملکرد تصاویر ماهوارهای بطورکلی سنجنده MODIS به دلیل قدرت تفکیک زمانی مناسب و تعدد تصاویر نسبت به دو سنجنده ETM+ و TM و ارائه سری زمانی بیشتر، برای برآورد تبخیروتعرق در مقیاس منطقهای مناسب میباشد.
