تعداد نشریات | 161 |
تعداد شمارهها | 6,533 |
تعداد مقالات | 70,513 |
تعداد مشاهده مقاله | 124,130,430 |
تعداد دریافت فایل اصل مقاله | 97,236,831 |
برآورد محصول و کاه گندم دیم با استفاده از تصاویر Landsat-OLI | ||
پژوهش های جغرافیای طبیعی | ||
مقاله 5، دوره 52، شماره 4، دی 1399، صفحه 589-604 اصل مقاله (1.61 M) | ||
نوع مقاله: مقاله کامل | ||
شناسه دیجیتال (DOI): 10.22059/jphgr.2021.282725.1007396 | ||
نویسندگان | ||
میلاد باقری1؛ علی درویشی بلورانی* 2؛ سعید حمزه2؛ محمدرضا جلوخانی نیارکی2 | ||
1دانشجوی کارشناسی ارشد سنجش از دور و سیستمهای اطلاعات جغرافیایی، دانشکدة جغرافیا، دانشگاه تهران | ||
2دانشیار گروه سنجش از دور و سیستمهای اطلاعات جغرافیایی، دانشکدة جغرافیا، دانشگاه تهران | ||
چکیده | ||
پیشبینی عملکرد محصول از مهمترین ابزارهای برنامهریزی بهمنظور تأمین بهموقع محصولات زراعی، مخصوصاً محصول استراتژیک گندم، است. در این تحقیق پیشبینی عملکرد گندم دیم در بخشی از شهرستان گیلانغرب با استفاده از شاخصهای گیاهی NDVI و GLAI و دادههای زمینی عملکرد گندم دیم و کاه مربوط به 35 قطعه زمین زراعی براساس ایجاد رابطة رگرسیون چندمتغیره بین شاخصهای گیاهی و دادههای زمینی در سالهای زراعی 2014-2018 انجام گرفت. در بازة زمانی 2014-2018، نمودار دورة رشد محصول با استفاده از هر شاخص رسم شد و پارامتر هندسی مربوط به منحنی رشد گیاه مانند مساحت زیرنمودار از آنها استخراج شد. نتایج این تحقیق نشان داد GLAI ضریب تعیین بیشتری نسبت به شاخص NDVI دارد. همچنین، رابطة رگرسیون چندمتغیره با 865 .0R2= برای برآورد میزان کاه و یک رابطه با 851 .0R2= برای گندم بهدست آمد که درنهایت با استفاده از این روابط مقدار گندم برای کل منطقه برابر 295.606 تن و مقدار کاه برابر 705.032 تن برآورد شد. از بین مراحل مختلف رشد گیاه نیز مرحلة تشکیل گلآذین با 65 .0R2= بیشترین ضریب تعیین جهت برآورد میزان محصول گندم و کاه را به خود اختصاص داد. | ||
کلیدواژهها | ||
برآورد محصول و کاه گندم دیم؛ GLAI؛ NDVI؛ لندست OLI | ||
مراجع | ||
عزیزی، قاسم و یاراحمدی، داریوش. (1382). بررسی ارتباط پارامترهای اقلیمی و عملکرد گندم دیم با استفاده از مدل رگرسیونی (مطالعة موردی دشت سیلاخور)، پژوهشهای جغرافیایی، 35(۴۴): 23-30. زند، بهنام و لعلنیا، علیاکبر. (1393). کتاب زراعت غلات، تهران: انتشارات پیام نور. نصرالهی، محمد؛ ممبنی، مریم؛ ولیزاده، سارا و خسروی، حسن. (1393). بررسی تأثیر روند تغییرات کاربری اراضی/ پوشش زمین بر وضعیت منابع آب زیرزمینی، با استفاده از تصاویر ماهوارهای (مطالعة موردی: دشت گیلانغرب)، فصلنامة پژوهشهای اطلاعات جغرافیایی، 23(۹۱): 89-97. وزارت جهاد کشاورزی (1384). راهنمای داشت گندم. سازمان تحقیقات و آموزش کشاورزی. Azizi, Gh. and Yarmohammadi, M. (2003). Investigation of relationship between climate parameters and wheat yield using linear regression model (Silakhor plain studies), Quarterly Journal of Geographic Research, PP. 1-35. Bazgeer, S. (2005). Land Use Change Analysis In The Submountainous Region Of Punjab Using Remote Sensing, Gis, And Agrometerological Parameters (Doctoral dissertation, Punjab Agricultural University; Ludhiana), PP. 25-39. Bazgeer, S.; Kamali, GH. and Mortazavi, A. (2007). Wheat Yield Prediction through Agrometeorological Indices for Hamedan, Iran, Biaban Journal, 12: 33-38. Bazgeer, S.; Kamali, GH. A.; Sedaghatkerdar, A. and Moradi, A. (2008). Pre-harvest Wheat Yield Prediction Using Agrometeorological Indices for Different Regions of Kordestan Province, Iran, Research Journal of Environmental Sciences, 2(4): 275-280. Fensholt, R.; Rasmussen, K.; Nilson, T.T. and Mbow, C. (2009). Evaluation of Earth Observation Based Long Term Vegetation Trends-Intercomparing NDVI Time series Trend Analysis Consistency of Sahel From AVHRR GIMMS, Terra MODIS and SPOT VGT Data, Remote Sensing of Environment, PP. 1-13. Food and Agriculture Organization of the United Nations (FAO) (2011). Global Strategy to Improve Agricultural and Rural Statistics, Report, No. 56719-GB; FAO: Rome, Italy. Geng, Y.B.; Dong, Y.S. and Meng, W.Q. (2000). Progress of terrestrial carbon cycle studies. Advance in Earth Science, 19: 297-306. Hathout, S. and Carlyle, S. (2003). The Use of Remote Sensing and Geographical Information Systems for the Forecasting of Wheat Yield by Ostan in Iran. The Arab World Geographer, 6(4)” 221-236. Huang, J.; Sedano, F.; Huang, Y.; Ma, H.; Li, X.; Liang, S.; ... and Wu, W. (2016). Assimilating a synthetic Kalman filter leaf area index series into the WOFOST model to improve regional winter wheat yield estimation. Agricultural and forest meteorology, 216: 188-202. Huang, J.; Ma, H.; Sedano, F.; Lewis, P.; Liang, S.; Wu, Q.; ... and Zhu, D. (2019). Evaluation of regional estimates of winter wheat yield by assimilating three remotely sensed reflectance datasets into the coupled WOFOST–PROSAIL model. European Journal of Agronomy, 102: 1-13. Jihad, M. o. A. (2014). Agronomical statistics, 2012-2013 agronomical year. (in Persan). Jégo, G.; Pattey, E. and Liu, J. (2012). Using leaf area index, retrieved from optical imagery, in the STICS crop model for predicting yield and biomass of fiel crops. Field Crops Res. 131: 63-74. Labus, M. P.; Nielsen, G.; Alawrence, R.L.; Engeld, R. and Long, S. (2002). Wheat Yield Estimates Using Multi-temporal NDVI Satellite Imagery Int, Journal of Remote Sensing, 23(20): 4169-4180. Morison, J. I. and Morecroft, M. D. (Eds.) (2006). Plant growth and climate change. Rembold, F. and Maselli, F. (2004). Estimating inter-annual crop area variation using multi-resolution satellite sensor images, International Journal of Remote Sensing, 25(13): 2641-2647. Rötter, R. P.; Carter, T. R.; Olesen, J. E. and Porter, J. R. (2011). Crop-climate models need an overhaul, Nature Climate Change, 1(4): 175-177. Sadras, V. O. and McDonald, G. (2012). Water use efficiency of grain crops in Australia: principles, benchmarks and management. Change, 11(19): 24-33. Tucker, C. J. (1979). Red and photographic infrared linear combinations for monitoring vegetation. Remote sensing of Environment, 8(2): 127-150. Tucker, C.J.; Holben, B.N.; Elgin, J.H., Jr. and McMurtrey, J.E. (1980). III Relationship of spectral data to grain yield variation. Photogramm. Eng. Remote Sensing, 46: 657-666. UN Food and Agriculture Organization (FAO) Global Information and Early Warning System(GIEWS) (2013). Available online: http://fao.org/giews (accessed on 18 February 2013). Zend, B. and Lal Nia, A. (2014). Crop Growing, Tehran: Payam Noor University (in Persan). | ||
آمار تعداد مشاهده مقاله: 570 تعداد دریافت فایل اصل مقاله: 402 |