CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)
عنوان
مقاله

تخمین شاخص سبزینگی گندم با استفاده از ماهواره لندست و حسگر گرین سیکر (مطالعه موردی مزرعه گندم شمالغرب همدان)

اعتبار موردنیاز PDF: ۱ | تعداد صفحات: ۷ | تعداد نمایش خلاصه: ۳۹ | نظرات: ۰
سال انتشار: ۱۳۹۷
کد COI مقاله: NCAMEM11_120
زبان مقاله: فارسی
حجم فایل: ۹۴۸.۷۸ کیلوبایت (فایل این مقاله در ۷ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

متن کامل این مقاله دارای ۷ صفحه در فرمت PDF قابل خریداری است. شما می توانید از طریق بخش روبرو فایل PDF این مقاله را با پرداخت اینترنتی ۳,۰۰۰ تومان بلافاصله دریافت فرمایید
قبل از اقدام به دریافت یا خرید مقاله، حتما به فرمت مقاله و تعداد صفحات مقاله دقت کامل را مبذول فرمایید.
علاوه بر خرید تک مقاله، می توانید با عضویت در سیویلیکا مقالات را به صورت اعتباری دریافت و ۲۰ تا ۳۰ درصد کمتر برای دریافت مقالات بپردازید. اعضای سیویلیکا می توانند صفحات تخصصی شخصی روی این مجموعه ایجاد نمایند.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل PDF مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۷ صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله تخمین شاخص سبزینگی گندم با استفاده از ماهواره لندست و حسگر گرین سیکر (مطالعه موردی مزرعه گندم شمالغرب همدان)

حسنا محمدی منور - عضو هیات علمی، دانشگاه بوعلی سینا
مهرانه خدامرادپور - عضو هیات علمی، دانشگاه بوعلی سینا
ابراهیم زینتی - دانشجوی کارشناسی ارشد ، دانشگاه بوعلی سینا

چکیده مقاله:

این پژوهش حسگرهای از راه دور در اندازه گیری شاخص های سبزینگی گیاه را بمنظور تخمین میزان کود نیتروژن موردنیاز گندم ارزیابی می کند. مطالعات بر روی مزارع گندم شمالغرب استان همدان انجام شد. گندم زمستانه در طول دوره رشدمورد بررسی قرار گرفت. ماهواره لندست 8 و سنسور غیرتماسی گرین سیکر (GS) برای پایش هر 16 روز برگ گندم بکار رفتو شاخص های CI, NDVI و SAVI از آن استخراج شد. روش های رگرسیون بردار پشتیبان (SVR) و حداقل مربعات(PLSR) برای آنالیز تصاویر ماهواره ای و مقایسه با روش دستی بکار رفت. نتایج نشان داد NDVI بدست آمده از گرین سیکر(GS-NDVI) با ضریب تبیین 0/62؛ (R(2)=0.62) توسط مدل SVR دارای دقت بالاتری نسبت به مدل R(2)=0.55)PLSR)می باشد. نتایج مشابهی برای NDVI محاسبه شده از طیف بازتابی از ماهواره لندست 8 ( NDVI-L8) مشاهده شد. بعبارتدیگر همبستگی قابل قبولی میان NDVI-GS و NDVI-L8 بدست آمد. همچنین SAVI نسبت به CI همبستگی بیشتریبا con8= 0.83> 0.71, corgs=0.74> 1.69)NDVI) نشان داد. از طرف دیگر بکمک جدول GS و میزان کود مصرفی درسال پیش، میزان کود نیتروژن (N) مطابق نیاز مزرعه پیش بینی شد تا از اثرات زیانبار مصرف بی رویه N بکاهد.

کلیدواژه‌ها:

گرین سیکر، ماهواره لندست، کود نیتروژن، گندم

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-NCAMEM11-NCAMEM11_120.html
کد COI مقاله: NCAMEM11_120

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
محمدی منور, حسنا؛ مهرانه خدامرادپور و ابراهیم زینتی، ۱۳۹۷، تخمین شاخص سبزینگی گندم با استفاده از ماهواره لندست و حسگر گرین سیکر (مطالعه موردی مزرعه گندم شمالغرب همدان)، یازدهمین کنگره ملی مهندسی مکانیک بیوسیستم و مکانیزاسیون ایران، همدان، دانشگاه بوعلی سینا - انجمن مهندسی ماشین های کشاورزی و مکانیزاسیون، https://www.civilica.com/Paper-NCAMEM11-NCAMEM11_120.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (محمدی منور, حسنا؛ مهرانه خدامرادپور و ابراهیم زینتی، ۱۳۹۷)
برای بار دوم به بعد: (محمدی منور؛ خدامرادپور و زینتی، ۱۳۹۷)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مدیریت اطلاعات پژوهشی

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
  • کشاورزی > گندم
  • اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    مقالات پیشنهادی مرتبط

    مقالات مرتبط جدید

    شبکه تبلیغات علمی کشور

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.