بررسي كارايي تصاوير ماهواره‌اي در پهنه‌بندي گونه‌هاي مهاجم (مطالعه موردي: مراتع وازرود)

گونه‌هاي مهاجم با ايجاد تغييرات اكولوژيكي‌اي كه گاه برگشت‌ناپذيرند، موفقيت عمليات احيا را در حوزه‌هاي آبخيز تهديد مي‌كنند. بنابراين ممانعت از هجوم، تشخيص اوليه و حذف اين گياهان، راهي است براي در اختيار گرفتن و مديريت آنها. تكنيك‌هاي سنجش از دور در پايش گونه‌هاي مهاجم به‌منظور جلوگيري از هجوم، نابودي يا كنترل گونه‌هاي استقراريافته، بسيار موثرند. در پژوهش حاضر، كارايي تصاوير TM و IRS در پهنه‌بندي گونه‌هاي مهاجم كنگر صحرايي و سنبله نقره‌اي در مراتع وازرود بررسي شده است. براي دريافت نتيجه بهتر از اين تصاوير، تصحيح اتمسفري آنها با مدل Cos(t) انجام گرفت و سپس تعدادي از شاخص‌هاي گياهي با استخراج ميانگين رقومي پيكسل‌هاي مربوط به نمونه‌هاي تعليمي روي تصاوير تصحيح‌شده اعمال گرديد. طبقه‌بندي با الگوريتم‌ «حداقل فاصله از ميانگين» انجام گرفت و با نقشه واقعيت زميني ارزيابي شد. نتايج نشان داد كه شاخص‌هاي NDVI، Ratio، RVI و TVI حاصل از تصوير TM و شاخص AVI تصوير IRS براي گونه كنگر صحرايي و شاخص‌هاي NDVI، PVI 1، PVI 2، PVI و WDVI تصوير TM و شاخص NDVI تصوير IRS براي سنبله نقره‌اي بهترين عملكرد را از بين شاخص‌هاي بررسي‌شده دارند. همچنين از كليه شاخص‌هاي آناليز‌شده، شاخص‌هاي DNI و WDVI هر دو تصور ـ با درجات متفاوتي از تفكيك ـ قادر به تفكيك اين دو گونه از يكديگرند و به‌عنوان معيار تفكيك مي‌توانند در مطالعات بعدي نتايج خوبي به‌دست دهند.

Invader species often drive ecological changes that may be irreversible and therefore preclude successful restoration of basins. Thus invasion prevention, early detection and removal of these plants play key roles for controlling and management of them. Remote sensing techniques in invader plants monitoring are memorable to avoid invasion and eradicate or control established invaders. The aim of this paper is investigating the efficiency of Landsat TM and IRS-LISS III data in zonation of invader species of Cirsiumarvense and Stachysbyzanthina in Vazroud rangelands. To gain the optimized results Cos(t) model was used for the atmospheric correction on images and then some vegetation indices were applied with extraction of digital average of pixels related to training samples of corrected images. Minimum distance of mean classifier has been used as classification technique which was evaluated with the ground truth map. The results showed that NDVI,Ratio, RVI, and TVIof TM image and AVI of IRS image are most suitable indices for discriminate the Cirsiumarvense but the best indices for the Stachysbyzanthina were NDVI, PVI 1, PVI 2, RVI and WDVI of TM image and NDVI of IRS image. Also out of the total indices analysed, WDVI and DVI of both images were able to discriminate these species but with varying degrees of separation and can produce well results as a measure separation in future studies.