فهرست نشریات علمی دسترسی آزاد ایران

سابقه و هدف: رطوبت غلاف پارامتر مهمی در طول دورۀ رشد نیشکر است که از منظر تنش آبی و مدیریت آبیاری مزرعه اهمیت فراوانی دارد. بااین‌حال اندازه‎گیری میزان رطوبت محصول در گیاهان به‌طور‌‌ سنتی از طریق به دست آوردن وزن ‌تر و وزن خشک و سپس محاسبة میزان رطوبت محصول تعیین شده است. اما این روش وقت‌گیر، هزینه‌بر و در مناطق وسیع غیرقابل اجراست. در سال‌های اخیر، توسعة سریع فنّاوری سنجش‌ازدور برای نظارت بر میزان آب بافت گیاه در مزارع گسترده به کار برده می‌شود. داده‌های سنجش‌ازدور ظرفیت بالایی برای به‌روز کردن سیستم‌های پایش رشد محصول دارند. در این راستا، می‌‌توان از تصاویر ماهواره‌‌ای که اطلاعات متنوعی در اختیار کاربران قرار می‌‌دهند، بهره برد. هدف از این پژوهش ارزیابی رطوبت غلاف برگ نیشکر با استفاده از تصاویر ماهواره‌ای و تهیة نقشه‌های رطوبت براساس بهترین مدل است.مواد و روش‌ها: مزارع نیشکر که بزرگ‌ترین مزارع خوزستان هستند، بیش از 84000 هکتار مساحت دارند. حدوداً 9670 هکتار از مزارع تحت کشت متعلق به کشت و صنعت امیرکبیر است که این پژوهش در آن اجرا شد. منطقة مورد مطالعه در عرض جغرافیایی 31 درجه و 00 دقیقه و 20 ثانیة شمالی و طول جغرافیایی 48 درجه و 15 دقیقه و 22 ثانیة شرقی قرار گرفته است. برای پژوهش حاضر، 18 مزرعه از واریتة CP69-1062 نیشکر انتخاب شد که از هر مزرعه 5 نقطه برگزیده و مختصات نقاط با دستگاه GPS ثبت شد، لذا این پژوهش از تیر تا شهریور ماه اجرا شد. برای این منظور، تلاش شد که داده‌برداری زمینی هم‌زمان با تصویربرداری ماهوارة سنتینل-2 از منطقة مورد نظر صورت گیرد. سپس رطوبت غلاف هر نمونه در آزمایشگاه اندازه‌گیری شد. برای هر تصویر شاخص‌ها و باندهای طیفی با نرم‌افزار QGIS محاسبه و خروجی به‌صورت فایل اکسل و TIF ذخیره شد. در این پژوهش از شاخص‌های NDWI، NDII، SRWI، SIWSI، Clgreen و GVMI و باندهای حاصل از تصاویر ماهواره‌ای سنتینل-2 برای برآورد و پایش وضعیت رطوبت غلاف برگ نیشکر استفاده شد. در گام بعدی، از تحلیل VIF به‌منظور بررسی هم‌خطی بین شاخص‌ها و باندها استفاده شد. در نهایت شاخص‌‌های NDVI، EVI، SRWI، Clgreen و تک‌باندهای B2، B3، B4، B5، B6، B11 و B12 به‌عنوان ورودی به چهار مدل‎‌ GRNN، RF، SVR و PLSR وارد شدند. شایان ذکر است که الگوریتم بیز به‌منظور بهینه‌سازی پارامترهای مدل استفاده شد.نتایج و بحث: نتایج نشان داد که مدل SVR در مقایسه با سایر مدل‌ها توانایی بالاتری در تخمین رطوبت غلاف برگ داشت. همچنین طبق تحلیل حساسیت، پارامترهای SRWI، Clgreen، NDVI، B5، B12، B11، B4، B3، EVI و B2 به‌ترتیب به‌عنوان پارامترهای مؤثر در فرایند مدل‌سازی رطوبت انتخاب شدند. در مرحلة نهایی رطوبت غلاف برگ به‌ترتیب مقدار از کم تا زیاد، به 5 کلاس تنش، زمان آبیاری، رطوبت کم، رطوبت متوسط و رطوبت بالا طبقه‌بندی شد. با توجه به نتایج نقشه‌های رطوبتی و با توجه به برنامة زمان‌بندی آبیاری مربوط به هر تاریخ، می‌توان نتیجه گرفت خروجی حاصل ترکیبی از شاخص‌ها و باندهای B2، B3، B4، B5، B6، B11، B12، NDVI، EVI، SRWI و Clgreen عملکرد بهتری در تهیة نقشه‌های آبیاری داشتند. این روش با هدف ارزیابی پتانسیل شاخص‌های طیفی S2 MSI برای برآورد رطوبت غلاف برگ در مرحلة رشد نیشکر به کار گرفته شد.نتیجه‌گیری: طبق تحلیل حساسیت، پارامتر SRWI به‌عنوان مؤثرترین شاخص در فرایند مدل‌سازی قرار گرفت. بنابراین می‌توان نتیجه گرفت که در میان ورودی‌های داده‌شده به مدل، ترکیبی از شاخص‌ها و باندهای NDVI، EVI، SRWI، Clgreen، B2، B3، B5، B4، B11و B12 تخمین بهتری از رطوبت غلاف نیشکر به دست می‌‌دهند. این پژوهش در پی بهبود روش‌های نظارت بر رطوبت غلاف نیشکر در مزارع وسیع است.