بازیابی پارامتر های شاخص سطح برگ، مقدار کلروفیل و سطح پوشیده شده با پوشش گیاهی با استفاده از رویکرد آماری-تجربی از تصاویر ابرطیفی ماهواره کریس-پروبا در منطقه باراکس اسپانیا

بازیابی پارامتر های بیوفیزیکی و بیوشیمیایی پوشش گیاهی که در طیف گسترده ای از برنامه ها مانند مطالعات اقلیمی، نرخ فتوسنتز، وضعیت تغذیه ای گیاهان و چرخه های ژئوشیمیایی مورد استفاده قرار می گیرند، از اهمیت بالایی برخوردار است. آگاهی از این پارامتر ها دید مناسبی درباره سلامت گیاهان، وضعیت رشد آن ها و کیفیت پوشش گیاهی فراهم می آورد و امکان بررسی طولانی مدت پویایی پوشش گیاهی را میسر می سازد. به طورکلی، رویکرد های بازیابی پارامتر در دو گروه کلی رویکرد های آماری  تجربی و رویکرد های مبتنی بر مدل های فیزیکی قرار می گیرند. در این مطالعه بازیابی پارامتر های شاخص سطح برگ (LAI)، مقدار کلروفیل و سطح پوشیده شده با پوشش گیاهی (FVC) با استفاده از رویکرد آماری  تجربی از تصاویر ماهواره ای کریس  پروبا در منطقه باراکس اسپانیا ارائه شده است. در این رویکرد برای بازیابی پارامترهای پوشش گیاهی، نیازمند داده های میدانی جمع آوری شده و یک تصویر ماهواره ای از منطقه مورد مطالعه بوده تا با فراهم کردن این داده ها و برقراری ارتباط بین آن ها، مدل کالیبره شده و با استفاده از روش های رگرسیون خطی و غیرخطی نسبت به بازیابی پارامتر های پوشش گیاهی اقدام کرد. نتایج حاصل از این مطالعه نشان دادند که در بازیابی شاخص سطح برگ، مقدار کلروفیل و سطح پوشیده شده با پوشش گیاهی به ترتیب مدل های Exponential GPR (RMSE= ۰.۷۸, R۲=۰.۷۷, MAE=۰.۴۹)،  Rational Quadratic GPR (RMSE= ۴.۵۵, R۲=۰.۳۶, MAE=۳.۶۱) و Squared Exponential GPR (RMSE=۰.۱۱, R۲=۰.۷۱, MAE=۰.۰۹) بهترین برآورد و برازش با داده های میدانی را ارائه دادند. تجزیه و تحلیل نقشه های بازیابی شده شاخص های LAI، مقدار کلروفیل و FVC نشان دادند که مدل های فرایند گاوسی که از روش های رگرسیون غیرخطی هستند، در مقایسه با روش های رگرسیون خطی و روش های ماشین بردار پشتیبان، در بازیابی پارامتر های مذکور عملکرد بهتری داشته اند. نقشه های بازیابی شده نشان می دهند که مدل های مختلف گاوسی نه تنها در بازیابی شکل اراضی کشاورزی موفق عمل کرده، بلکه تغییرات شاخص های LAI، مقدار کلروفیل و FVC داخل اراضی کشاورزی را نیز با دقت مطلوبی بازیابی کرده اند.

کلیدواژه ها:

Parameter Retrieval ، Chris-Proba ، Empirical-Statistical Approach ، Remote Sensing ، Barrax ، بازیابی پارامتر ، کریس-پروبا ، رویکرد آماری-تجربی ، سنجش از دور ، باراکس