تعداد نشریات | 161 |
تعداد شمارهها | 6,532 |
تعداد مقالات | 70,501 |
تعداد مشاهده مقاله | 124,098,665 |
تعداد دریافت فایل اصل مقاله | 97,206,291 |
استخراج شاخص سطح برگ ذرت علوفهای با استفاده از روش عکسبرداری رقومی نیمکروی (مطالعه موردی: مزارع قلعهنو، جنوب تهران) | ||
تحقیقات آب و خاک ایران | ||
مقاله 1، دوره 51، شماره 6، شهریور 1399، صفحه 1331-1340 اصل مقاله (1.5 M) | ||
نوع مقاله: مقاله پژوهشی | ||
شناسه دیجیتال (DOI): 10.22059/ijswr.2020.296569.668483 | ||
نویسندگان | ||
الهه اکبری1؛ علی درویشی بلورانی* 2؛ نجمه نیسانی سامانی3؛ سعید حمزه3؛ سعید صوفی زاده4؛ استفانو پیگناتی5 | ||
1دانشجوی دکتری سنجش از دور، گروه سنجش از دور و GIS، دانشکده جغرافیا، دانشگاه تهران، تهران، ایران | ||
2گروه سنجش از دور و GIS، دانشگاه تهران، تهران ، ایران | ||
3دانشیار گروه سنجش از دور و GIS، دانشکده جغرافیا، دانشگاه تهران، تهران، ایران. | ||
4استادیار گروه آگرواکولوژی، موسسه تحقیقاتی علوم محیطی، دانشگاه شهید بهشتی، تهران، ایران | ||
5موسسه روششناسی برای تحلیلهای محیطی (CNR IMAA)، C.da S.Loja snc, 85050 Tito (Potenza)، ایتالیا | ||
چکیده | ||
هدف این تحقیق، ارزیابی کارآیی روش عکسبرداری رقومی نیمکروی (DHP) در برآورد LAI در مزارع ذرت علوفهای جنوب تهران است. بدین منظور با در نظر گرفتن ماهیت تغییرپذیری مکانی-زمانی در مزارع کشاورزی و در طول یک فصل رشد، عکسبرداری DHP و نیز اندازهگیری به روش تخریبی به منظور مقایسه، برای برآورد LAI در مزارع ذرت علوفهای شهرستان قلعهنو واقع در جنوب تهران، در سال 1397 انجام گردید. نتایج نشان داد که مقادیر LAI استخراج شده از طریق DHP در دورههای مختلف رشد گیاه، ارتباط خطی قوی با مقادیر اندازهگیری شده به روش تخریبی دارد (R2 = 0.92، RMSE= 0.45 و Bias = 0.31). هر چند، بازه LAI میانی (میزان LAI: 5< - 2) با میزان RMSE = 0.63 و Bias = 0.49، نسبت به دو بازه LAI | ||
کلیدواژهها | ||
شاخص سطح برگ؛ عکسبرداری رقومی نیمکروی؛ ضریب میرایی؛ ذرت علوفهای | ||
مراجع | ||
Ariza-Carricondo, C., Di Mauro, F., de Beeck, M.O., Roland, M., Gielen, B., Vitale, D., Ceulemans, R. and Papale, D., (2019). A comparison of different methods for assessing leaf area index in four canopy types. Central European Forestry Journal, 65(2), 67-80. Ashrafi A, Amiraslani F, Darvishi Boloorani A, Mousivand A J. (2019). Leaf Area Index (LAI) Responses of tree species to industrial dust (case study: the Caspian hyrcanian mixed forests). Geographical space. 18 (64). 267-286. (In Farsi). Badiehneshin, A., Noori, H., Vazifehdoost, M. (2014). Calibration of leaf area index estimating equations in maize and sugar beet based on MODIS sensor satellite data (Qazvin irrigation network). Iranian Journal of Soil and Water Research, 45(2), 155-165. doi: 10.22059/ijswr.2014.51617. (In Farsi). Baret, F., Weiss, M., Allard, D., Garrigues, S., Leroy, M., Jeanjean, H., Fernandes, R., Myneni, R., Privette, J., Morisette, J. and Bohbot, H., (2005). VALERI: a network of sites and a methodology for the validation of medium spatial resolution land satellite products. Remote Sensing of Environment, 76(3), 36-39. Battude, M., Al Bitar, A., Morin, D., Cros, J., Huc, M., Sicre, C.M., Le Dantec, V. and Demarez, V. (2016). Estimating maize biomass and yield over large areas using high spatial and temporal resolution Sentinel-2 like remote sensing data. Remote Sensing of Environment, 184, 668-681. Campos-Taberner, M., García-Haro, F. J., Moreno, A., Gilabert, M. A., Sanchez-Ruiz, S., Martinez, B., and Camps-Valls, G. (2015). Mapping leaf area index with a smartphone and Gaussian processes. IEEE Geoscience and Remote Sensing Letters, 12(12), 2501-2505. Cavero, J., Farre, I., Debaeke, P., and Faci, J. M. (2000). Simulation of maize yield under water stress with the EPICphase and CROPWAT models. Agronomy journal. 679-690. doi:10.2134/agronj2000.924679x. Claverie, M., Demarez, V., Duchemin, B., Hagolle, O., Ducrot, D., Marais-Sicre, C., Dejoux, J.F., Huc, M., Keravec, P., Béziat, P. and Fieuzal, R. (2012). Maize and sunflower biomass estimation in southwest France using high spatial and temporal resolution remote sensing data. Remote Sensing of Environment, 124, 844-857. Darvishsefet, A., Miri, N., Shakeri, Z., Zargham, N. (2017). Estimation of leaf area index in Zagros forests using Landsat 8 data. Iranian Journal of Forest, 9(1), 29-42. (In Farsi). Darvishzadeh, R.; Skidmore, A.; Schlerf, M.; Atzberger, C. (2008) Inversion of a radiative transfer model for estimating vegetation LAI and chlorophyll in a heterogeneous grassland. Remote Sensing of Environment. 112, 2592–2604. Deljouei, A., Sadeghi, S.M.M, Abdi, E., (2016). Comparing leaf area index at different distances from constrcted forest roads edge in hyrcanian forest (case study: a hornbeam-beech forest in kheyrud, mazandaran). Forest research and development, 2(2). 169-180. (In Farsi). Demarez, V., Duthoit, S., Baret, F., Weiss, M., Dedieu, G., (2008). Estimation of leaf area and clumping indexes of crops with hemispherical photographs. Agriculture and Forest Meteorology. 148, 644–655. ESA, (2005). SPARC 2004, Contract No. 18307/04/NL/FF, SPARC Data Acquisition Report. Fang, H., Baret, F., Plummer, S., and Schaepman‐Strub, G. (2019). An overview of global leaf area index (LAI): Methods, products, validation, and applications. Reviews of Geophysics. Wiley Online Library. 1-61. Faridhosseini, A.R., Astaraei, S.H., Sanaeinejad, P., Mirhoseini Moosavi, P. (2013). Estimation of leaf area index using IRS satellite images. Iranian journal of field crops research. 10(3). 577-582. (In Farsi). Gao, Y., Duan, A., Qiu, X., Sun, J., Zhang, J., Liu, H., & Wang, H. (2010). Distribution and use efficiency of photosynthetically active radiation in strip intercropping of maize and soybean. Agronomy journal, 102(4), 1149-1157. IRIMO [WWW Document], (2018). URL www.irimo.ir (accessed 9.30.18). Jin, X., Yang, G., Xu, X., Yang, H., Feng, H., Li, Z., Shen, J., Zhao, C. and Lan Y., (2015). Combined multi-temporal optical and radar parameters for estimating LAI and biomass in winter wheat using HJ and RADARSAR-2 data. Remote Sensing, 7(10), 13251-13272. doi:10.3390/rs71013251. Jonckheere, I., Fleck, S., Nackaerts, K., Muys, B., Coppin, P., Weiss, M., and Baret, F. (2004). Review of methods for in situ leaf area index determination: Part I. Theories, sensors and hemispherical photography. Agricultural and Forest Meteorology, 121(1-2), 19-35. Kross, A., McNairn, H., Lapen, D., Sunohara, M., and Champagne, C. (2015). Assessment of RapidEye vegetation indices for estimation of leaf area index and biomass in corn and soybean crops. International Journal of Applied Earth Observation and Geoinformation, 34, 235-248. Leblanc, S.G., Chen, J.M., Fernandes, R., Deering, D.W., Conley, A., (2005). Methodology comparison for canopy structure parameters extraction from digital hemispherical photography in boreal forests. Agricultural and Forest Meteorology. 129, 187–207. Liu, J., Pattey, E., and Admiral, S. (2013). Assessment of in situ crop LAI measurement using unidirectional view digital photography. Agricultural and Forest Meteorology, 169, 25-34. Macfarlane, C., Hoffman, M., Eamus, D., Kerp, N., Higginson, S., McMurtrie, R., Adams, M., (2007). Estimation of leaf area index in eucalypt forest using digital photography. Agricultural and Forest Meteorology. 143, 176–188. Mousivand, A., Menenti, M., Gorte, B., & Verhoef, W. (2015). Multi–temporal, multi–sensor retrieval of terrestrial vegetation properties from spectral–directional radiometric data. Remote Sensing of Environment, 158, 311-330. Munz, S., Feike, T., Chen, Q., Claupein, W., and Graeff-Hönninger, S. (2014). Understanding interactions between cropping pattern, maize cultivar and the local environment in strip-intercropping systems. Agricultural and Forest Meteorology, 195, 152-164. Verrelst, J., Muñoz, J., Alonso, L., Delegido, J., Rivera, J. P., Camps-Valls, G., and Moreno, J. (2012). Machine learning regression algorithms for biophysical parameter retrieval: Opportunities for Sentinel-2 and-3. Remote Sensing of Environment, 118, 127-139. Xia, T., Miao, Y., Wu, D., Shao, H., Khosla, R., and Mi, G. (2016). Active optical sensing of spring maize for in-season diagnosis of nitrogen status based on nitrogen nutrition index. Remote sensing, 8(7), 605. Yan, G., Hu, R., Luo, J., Weiss, M., Jiang, H., Mu, X., Xie, D. and Zhang, W., (2019). Review of indirect optical measurements of leaf area index: Recent advances, challenges, and perspectives. Agricultural and Forest Meteorology, 265, 390-411. | ||
آمار تعداد مشاهده مقاله: 520 تعداد دریافت فایل اصل مقاله: 435 |