این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
سنجش از دور و Gis ایران، جلد ۱۴، شماره ۲، صفحات ۶۱-۷۴
عنوان فارسی بهبود تخمین پارامتر LAI با استفاده از توابع هزینه جایگزین و راهکارهای چندجوابه
چکیده فارسی مقاله پوشش گیاهی موتور محرک کره زمین است؛ تبادلات انرژی و آب بین اتمسفر و زمین را کنترل می‌کند و در چرخه‌های جهانی انرژی، اکسیژن، دی‌اکسیدکربن و آب نقش مهمی دارد. پایش و مدیریت پوشش‌های گیاهی با استفاده از پارامتر‌های بیوفیزیکی و بیوشیمیایی آن، مانند LAI، انجام می‌پذیرد. شاخص سطح برگ (LAI) از مهم‌ترین پارامترهای پوشش گیاهی است که در اغلب مدل‌سازی‌ها مانند مدل‌سازی چرخه‌های آب، انرژی و کربن استفاده می‌شود. رویکردهای بازیابی متفاوتی، به‌منظور استخراج اطلاعات پارامترهای بیوفیزیکی از داده‌های سنجش از دوری، توسعه یافته است. در تحقیق حاضر، از روش فیزیکی معکوس مدل انتقال تابش PROSAIL، مبتنی‌بر جدول LUT، با هدف بازیابی متغیر LAI استفاده شده است. همچنین داده‌های زمینی برداشت‌شده طی کمپین SPARC 2003 برای ارزیابی صحت متغیر بازیابی‌شده به‌کار رفت. برای رفع مشکل ill-posed، چهار دسته از معیارهای هزینه با عنوان اندازه‌گیر اطلاعات (IM)، حداقل اختلاف (MC)، اندازه‌گیر زاویه (SAM) و خطای حداقل مربعات (LSE) به‌همراه نرمال‌سازی و میانگین بهترین جواب‌ها استفاده شد. نتایج بهبود تخمین متغیر LAI را با استفاده از معیار اندازه‌گیر اطلاعات (Kulbak-liebler)، به‌میزان 12% و با استفاده از 11% میانگین بهترین جواب‌ها نشان دادند. تابع هزینه LSE نیز در قیاس با حالت نرمال‌نشده، 7% بهبود یافت.
کلیدواژه‌های فارسی مقاله شاخص سطح برگ (LAI)، مدل انتقال تابش، معیار هزینه، جدول LUT،
عنوان انگلیسی Combining Multiple Solution and Cost Function for Better LAI Estimation
چکیده انگلیسی مقاله Vegetation is a key component of the earth planet, which controls the energy and water exchanges between atmosphere and the Earth surface and plays an important role in the global energy cycles, such as oxygen, carbon dioxide, and water. Monitoring and management of vegetation are done using its biophysical and biochemical parameters such as LAI. Leaf area index (LAI) is one of the most important vegetation parameters that used in most of the applications such as water and carbon cycles modeling.Remote sensing in terms of their continuous and extensive cover is a unique tool for generating vegetation variables. Different retrieval approaches have been developed to extract biophysical parameters information from remote sensing data, which is divided into two broad classes, the statistical/experimental approaches and the physical approach. In the present study, the PROSAIL RT model (Radiation Transfer Model) based on the LUT table have been used to retrieve the LAI variable. Ground reference data collected during the SPARC 2003 campaign were also used to evaluate the accuracy of the retrieved variable. To drawback, the ill-posed problem, four categories of cost functions have been used: Information Measurement (IM), Minimum contrast (MC), Angle Measurement (SAM) and Least Square Error (LSE) and used the multiple Best solution instead of Single best solution. The results showed improvement in the LAI estimation of up to 12% for the multi-species canopy. 
کلیدواژه‌های انگلیسی مقاله شاخص سطح برگ (LAI), مدل انتقال تابش, معیار هزینه, جدول LUT
نویسندگان مقاله علی جعفر موسیوند |
استادیار دانشکدة علوم انسانی، دانشگاه تربیت مدرس

میثم شیرمحمدپور |
کارشناس ارشد سنجش از دور و GIS، دانشگاه تربیت مدرس

علی شمس الدینی |
دانشیار دانشکده علوم انسانی، دانشگاه تربیت مدرس

نشانی اینترنتی https://gisj.sbu.ac.ir/article_102140_97ebcb8a1a72fb9f26c9f2059a692070.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
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