تخمین فاکتور پوشش گیاهی c درمعادله جهانی اصلاح شده ی فرسایش RUSLE با استفاده از شاخص های گیاهی منتج از داده هایچند طیفی
محل انتشار: همایش ملی خاک، کشاورزی پایدار
سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 987
فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
NCSSA01_076
تاریخ نمایه سازی: 22 بهمن 1392
چکیده مقاله:
فرسایش خاک یکی از عوامل مهم تخریب منابع خاک محسوب می گردد. پوشش گیاهی یکی از فاکتور های مهم در حفاظت خاک و موثردر مدلهای برآورد فرسایش خاک است. جهت تخمین میزان فرسایش مدل های زیادی توسعه یافته اند که یکی از پر کاربرد ترین این مدل ها در ایران، معادله جهانی اصلاح شده ی فرسایش RUSLE) می باشد. یکی از محدودیت های استفاده از این مدل در کشور تخمین فاکتور پوشش کیاهی C) می باشد، اغلب از روشهای تخمینی و نمونه برداری درصد پوشش گیاهی را برآورد می کنند، که وقت گیر، پر هزینه بوده و دقت قابل قبولی هم ندارد. داده های ماهواره ای به دلیل داشتن قابلیت های بالا همچون دردسترس بودن، دید وسیع و تکراری بودن می توانند ابزاری مناسب و قدرتمند جهت پایش و تهیه نقشه های پوشش گیاهی در مناطق مختلف تلقی گردند. از این رو شاخص های مختلف گیاهی مانند SAVI و EVI ،NDVI به منظور پایش پوشش گیاهی در مناطق مختلف توسعه پیدا کرده اند و به دنبال آن روش های متفاوتی جهت تخمین فاکتور C با استفاده از شاخص های گیاهی منتج از داده های ماهواره ای توسعه یافته اند. در این پژوهش با استفاده از تصاویر سنجنده ETM+ ماهواره لندست 7 شاخص های گیاهی SAVI و NDVI منطقه لرستان محاسبه گردیدو به دنبال آن فاکتور پوشش گیاهی C) به صورت جداگانه با استفاده از هر یک از شاخص ها تخمین زده شد. پس از مقایسه فاکتور های C تخمین زده شده توسط دو تخمین زده شده توسط دو SAVI و NDVI نتایج حاصل نشان داد در مناطق با پوشش گیاهی ضعیف شاخص SAVI از کارایی بالاتری جهت تخمین فاکتور C برخوردار است.
کلیدواژه ها:
نویسندگان
حمید رضا متین فر
استادیار گروه مهندسی علوم خاک،دانشکده کشاورزی، دانشگاه لرستان
محمود سورغالی
دانشجوی کارشناسی ارشد علوم خاک، دانشکده کشاورزی، دانشگاه لرستان
ساسان احمدی
دانشجوی کارشناسی ارشد علوم خاک، دانشکده کشاورزی، دانشگاه لرستان
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 :