سنجش از دور و Gis ایران، جلد ۹، شماره ۱، صفحات ۹۳-۰
عنوان فارسی بررسی کارآیی روش‌های تصحیح اثر اتمسفر در برآورد تراکم تاج‌پوشش جنگل‌های گیلان با استفاده از شاخص‌های گیاهی حاصل از لندست ۸
چکیده فارسی مقاله بازتابش پدیده‌های سطح زمین روی داده‌های سنجش از دوری تحت تأثیر عوامل گوناگونی مانند شرایط اتمسفر است. در برخی مطالعات لازم است اثر اتمسفر به شیوه‌های متفاوت و مناسبی حذف شود یا کاهش یابد. در این تحقیق، سه روش تصحیح اتمسفریک تفریق شیء تیره (DOS)، تجزیه و تحلیل سریع خط‌دید اتمسفر ازطریق طیف ابر مکعب (FLAASH)، شبیه‌ساز وکتوری ثانویه سیگنال ماهواره‌ای در طیف خورشیدی (SV6) روی سنجنده OLI ماهواره لندست 8 جنگل‌های استان گیلان اعمال شده است. از هر تصویر، ده شاخص گیاهی استخراج شد. با استفاده از لایه پوشش جهانی، محدوده جنگل روی شاخص‌های متفاوت استخراج و با استفاده از روش شیءپایه، محدوده جنگل روی تصویر قطعه‌بندی شد. 91 قطعه به‌طور تصادفی انتخاب شد. با استفاده از شبکه نقطه‌چین به ابعاد 20×20 متر، تراکم تاج‌پوشش درختان در هر قطعه روی تصاویر گوگل مشخص شده است. آزمایش پیرسون برای آزمون معناداربودن همبستگی شاخص‌ها با نمونه‌های مرجع، رگرسیون خطی و غیرخطی برای مدل‌سازی تراکم تاج‌پوشش به‌کار رفت. نتایج نشان داد که مدل تصحیح برمبنای کد SV6 در مناطق جنگلی استان گیلان بهتر عمل کرده است. شاخص GARI حاصل از مدل تصحیح اتمسفریک DOS با خطای RMSE برابر 72/17 و شاخص ARVI حاصل از مدل تصحیح اتمسفریک SV6، FLAASH و تصویر اصلی OLI به‌ترتیب معادل 38/15، 87/15 و 78/21 کمترین میزان خطای RMSE را نشان داده است. کاهش آثار اتمسفر در فرایند پیش‌پردازش قبل از مدل‌سازی ضروری و پیشنهادشدنی است. 
کلیدواژه‌های فارسی مقاله شاخص گیاهی، تاج‌پوشش جنگل، سنجش از دور، لندست 8،
عنوان انگلیسی Investigation of Atmospheric Correction Methods in Estimation of Forest Canopy Density of Guilan Province Using Vegetation Indices of Landsat 8 Data
چکیده انگلیسی مقاله Reflectance of different of land surface phenomena on remote sensing data was influenced by different conditions including atmospheric conditions. Variety methods of atmospheric correction have been developed for remove and reduction of its effects. In this study three atmospheric correction methods: Dark Object Subtraction (DOS), Fast Line-of-sight Atmospheric Analysis of Spectral Hypercubus (FLLASH) and Second Vector Simulation of Satellite Signal in the Solar Spectrum (6SV) have been applied on OLI sensor of Landsat8 inthe forest regions of Guilan province. Numbers of 10 vegetation indices were extracted from each image. Forest area was extracted on various indices detected by global land cover layer. Forest areas segmented on Landsat8 image by object-based method. In the total 91 segments, randomly were selected. Forest canopy density of any segment plot estimated on Google images using 20×20 m network dotted. Person test was used for correlation between indices and training samples and two linear and nonlinear regression models were used for forest canopy density estimation. The results confirmed that 6SV method dominates than other methods in the forest regions of Guilan province. The lowest root means square error (RMSE) with 17.72 was shown in the green atmospherically resistant vegetation index (GARI) extracted from DOS. The results indicated that the lowest RMSE was in atmospherically resistant vegetation index (ARVI) using 6SV, FLAASH and OLI original image with 18.38, 15.87 and 21.78 respectively. The results of this study were shown that use of atmospheric correction methods in preparing vegetation indices is cause of increasing information accuracy from satellite images. Reduction of atmosphere effects in preprocessing before modeling is necessary and suggestible. 
کلیدواژه‌های انگلیسی مقاله شاخص گیاهی, تاج‌پوشش جنگل, سنجش از دور, لندست 8
نویسندگان مقاله سید احمدرضا نورالدینی | seyed ahmad reza


امیراسلام بنیاد | amir eslam


نشانی اینترنتی http://gisj.sbu.ac.ir/article/download/20118/6513
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/911/article-911-564113.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات