بررسی کارآیی سنجش از دور طیفی در برآورد رطوبت سطحی خاک و مقایسه آن با دادههای حرارتی به منظور مدیریت آبیاری مزارع نیشکر

سال انتشار: 1402
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 127

فایل این مقاله در 18 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_WRA-37-1_006

تاریخ نمایه سازی: 29 خرداد 1402

چکیده مقاله:

رطوبت خاک یکی از پارامترهای مهم در مدیریت منابع آب، خاک و گیاه میباشد. تحقیق حاضر به منظور بررسی کارایی داده های سنجش از دور حرارتی و نوری به منظور تخمین رطوبت خاک و برنامه ریزی آبیاری در مزارع نیشکر خوزستان صورت گرفت. بدین منظور میزان رطوبت خاک برای نه گذر ماهواره های لندست ۸ و سنتینل ۲ با استفاده از روش های ذوزنقه حرارتی و نوری از فروردین تا مهرماه ۱۳۹۹ در کشت و صنعت نیشکر امیرکبیر محاسبه گردید. برای صحت سنجی نتایج از داده های اندازهگیری شده رطوبت سطحی خاک ۳۳۷ نقطه کنترل زمینی واقع در ۱۸ مزرعه زیر کشت نیشکر که توسط دستگاه رطوبتسنج TDR۳۵۰ همزمان با گذر ماهواره ها اندازه گیری شده بود استفاده گردید. نتایج نشان میدهد که مدل TOTRAM با میزان ضریب تبیین ۰/۸۲ و میزان خطای RMSE  و NRMSE برابر با ۴/۴۵% و ۱۲/۹% ، و مدل OPTRAM با میزان ضریب تبیین ۰/۹۳ و میزان خطای RMSE  و NRMSE  برابر ۳/۱۴% و ۱۲/۱% قادر به تخمین مناسب رطوبت سطحی خاک در اراضی نیشکر میباشند. همچنین، بررسی کارایی نقشههای بدست آمده از رطوبت خاک برای برنامهریزی آبیاری مزارع نیشکر نشان میدهد، که میتوان از این داده ها برای برنامهریزی آبیاری با میانگین خطای متوسط NRMSE برابر با ۱۶% و ۹% به نسبت داده های زمینی زمان آبیاری به ترتیب برای مدلهای TOTRAM و OPTRAM استفاده نمود. در این خصوص داده های مدل OPTRAM به دلیل قدرت تفکیک مکانی بهتر داده های نوری نسبت به دادههای حرارتی و از طرفی تاثیر پذیری کمتر نسبت به عوامل محیطی مانند دما و رطوبت نسبی هوا و همچنین اثر پیکسل های مجاور، از کارایی بالاتری برخوردار بود.

نویسندگان

جمال محمدی معله زاده

رئیس اداره سنجش از دور و GIS موسسه تحقیقات توسعه نیشکر

سعید حمزه

دانشیار گروه سنجش از دور و GIS، دانشکده جغرافیا، دانشگاه تهران، ایران

عبدعلی ناصری

استاد گروه آبیاری و زهکشی، دانشکده مهندسی علوم آب، دانشگاه شهید چمران، اهواز، ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :