ارتقاء شاخص NDVI برای پیش بینی خشکسالی با استفاده از تصاویر Aster و Modis

روش های مبتنی بر استفاده از شاخص های گیاهی از مهمترین و رایجترین روش های تعیین وضعیت پوشش گیاهی منطقه وبالطبع تعیین وضعیت اقلیم منطقه بشمار می روند. غالبا تصاویر ماهواره ای مورد استفاده در زمینه های اقلیم شناسی و خشکسالی تصاویری هستند که دارای قدرت تفکیک زمانی بالا و قدرت تفکیک مکانی پاینی می باشند. لذا بررسی وضعیت اقلیم منطقه در مقیاسهای محلی و منطقه ای امکانپذیر نخواهد بود. بنابراین به نظر می رسد استفاده از تصاویر ماهواره ای با قدرت تفکیک مکانی بالا در کنار این تصاویر، امکان استخراج پوشش گیاهی را با دقت بیشتری فراهم می سازد. شاخصهای گیاهی SAVI , NDVI از جمله شاخصهای معروفی هستند که برای بررسی وضعیت اقلیم منطقه مورد استفاده قرار می گیرند. روند مطالعاتی در این پژوهش به این صورت است که ابتدا شاخص SAVI , NDVI برای تصاویر دو سنجنده MODIS , ASTER محاسبه می گردد، سپس با جستجوی ASTER در پیکسل های MODIS، یک همبستگی بین مقادیر این دو شاخص مدل سازی می شود. در این پژوهش دو مدل برای اصلاح برآورد شاخص های SAVI , NDVI سنجنده MODIS ارائه شده است. در یکی از این دو مدل مستقیما داده های بدست آمده SAVI , NDVI از ASTER (بعد از جداسازی پوشش گیاهی) با SAVI , NDVI بدست امده از MODIS مقایسه می شوند. این مدل AMI نام گذاری شده است. مدل دیگر که در آن اختلاف شاخص های SAVI , NDVI بدست آمده از MODIS , ASTER بر حسب میزان درصد پوشش گیاهی رگرسیون می شود را مدل PERAMOD نامیده شده است. در بخش آخر این پژوهش نیز هب ارزیابی مدل های بدست آمده برای شاخص های SAVI , NDVI پرداخته شده است. نتایج نشان داد که هر دو مدل، مقادیر شاخص های SAVI , NDVI را بیشتر از آنچه MODIS تولید می کند. برآورد می نماید. از بین این دو مدل بعلت وجود پیکسل های مختلط در نتایج ASTER، مدل دوم نتایجی بهتر را ارائه می کند.

کلیدواژه ها:

سنجش ا زدور ، شاخص های گیاهی ، ترکیب تصاویر ، بهبود NDVI