كليدواژه :
بهبود NDVI , تركيب تصاوير , شاخص هاي گياهي , سنجش از دور
چكيده فارسي :
روش هاي مبتني بر استفاده از شاخص هاي گياهي از مهمترين و رايج ترين روش هاي تعيين وضعيت پوشش گياهي منطقه و بالطبع تعيين وضعيت اقليم منطقه بشمار مي روند. غالبا تصاوير ماهواره اي مورد استفاده در زمينه هاي اقليم شناسي و خشكسالي تصاويري هستند كه داراي قدرت تفكيك زماني بالا و قدرت تفكيك مكاني پاييني مي باشند. لذا بررسي وضعيت اقليم منطقه در مقياسهاي محلي و منطقه اي امكان پذير نخواهد بود. بنابراين به نظر مي رسد استفاده از تصاوير ماهواره اي با قدرت تفكيك مكاني بالا در كنار اين تصاوير، امكان استخراج پوشش گياهي را با دقت بيشتري فراهم مي سازد. شاخص هاي گياهي SAVI , NDVI از جمله شاخصهاي معروفي هستند كه براي بررسي وضعيت اقليم منطقه مورد استفاده قرار مي گيرند. روند مطالعاتي در اين پژوهش به اين صورت است كه ابتدا شاخص SAVI , NDVI براي تصاوير دو سنجنده MODIS , ASTER محاسبه مي گردد، سپس با جستجوي ASTER در پيكسل هاي MODIS، يك همبستگي بين مقادير اين دو شاخص مدل سازي مي شود. در اين پژوهش دو مدل براي اصلاح برآورد شاخص هاي SAVI , NDVI سنجنده MODIS ارائه شده است. در يكي از اين دو مدل مستقيما داده هاي بدست آمده SAVI , NDVI از ASTER (بعد از جداسازي پوشش گياهي) با SAVI , NDVI بدست امده از MODIS مقايسه مي شوند. اين مدل AMI نام گذاري شده است. مدل ديگر كه در آن اختلاف شاخص هاي SAVI , NDVI بدست آمده از MODIS , ASTER بر حسب ميزان درصد پوشش گياهي رگرسيون مي شود را مدل PERAMOD ناميده شده است. در بخش آخر اين پژوهش نيز به ارزيابي مدل هاي بدست آمده براي شاخص هاي SAVI , NDVI پرداخته شده است. نتايج نشان داد كه هر دو مدل، مقادير شاخص هاي SAVI , NDVI را بيشتر از آنچه MODIS توليد مي كند. برآورد مي نمايد. از بين اين دو مدل بعلت وجود پيكسل هاي مختلط در نتايج ASTER، مدل دوم نتايجي بهتر را ارائه مي كند.
