فهرست نشریات علمی دسترسی آزاد ایران

اندازه‌گیری و پایش درصد پوشش گیاهی در بسیاری از مطالعات زیست‌محیطی از اهمیت خاصی برخوردار است. با آنکه تکنیک‌های سنجش از دوری در اندازه‌گیری این پارامتر موفق نشان داده‌اند، ولی هنوز هم سنجش از راه دور این پارامتر در نواحی بیابانی با مشکلات خاصی روبرو می‌باشد. در این تحقیق سعی شده است، با اندازه‌گیری‌های میدانی درصد پوشش گیاهی در یک ناحیه بیابانی، رابطه بازتاب در باندهای مختلف سنجنده LISSIII, TM و درصد پوشش گیاهی مورد بررسی قرار گیرد. مطابق با یافته‌های این تحقیق در صورت خطی در نظر گرفتن این رابطه، درصد پوشش گیاهی تنها با باند مادون قرمز نزدیک آنهم در سطح 5 درصد دو طرفه رابطه معنی‌داری نشان می‌دهد. در حالیکه در صورت غیرخطی فرض کردن این رابطه، تمامی باندها با درصد پوشش گیاهی رابطه معنی‌داری در سطح 1 درصد نشان خواهد داد. همچنین با توجه به نتایج حاصله مشخص گردید در صورت استفاده از یک معادله رگرسیونی چند متغیره خطی، می‌توان این رابطه را در تمامی سطوح معنی‌دار نمود و تا اندازه‌ی زیادی دقت مدل پیش‌بینی را بهبود بخشید. حتی مشاهده گردید با تغییر در نوع مدل رگرسیونی مورد استفاده و تبدیل آن به یک مدل رگرسیونی چند متغیره غیر خطی، می‌توان ضریب تعیین و ضریب همبستگی میان برآوردهای حاصله و اندازه‌گیری‌های میدانی درصد پوشش گیاهی را به طور محسوسی افزایش داد، به گونه‌ای که در این تحقیق در بهترین حالت ضریب همبستگی 917/0 و ضریب تعیین 841/0 میان برآوردهای پوشش گیاهی و مقادیر اندازه‌گیری شده آن بدست آمد. بر اساس نتایج حاصله در این تحقیق برای افزایش دقت مدلسازی و غیر خطی نمودن رابطه درصد پوشش گیاهی و بازتاب در باندهای ماهواره‌ای بهترین روش استفاده از شبکه عصبی مصنوعی می‌باشد. در این تحقیق با ورود داده‌ها در ساختار شبکه عصبی در دقت مدل‌سازی بهبود قابل ملاحظه‌ای ایجاد شد به گونه‌ای که ضریب تعیین در بهترین حالت حتی از 9/0 هم عبور کرد. همچنین بر اساس یکصد تکرار مدلسازی شبکه عصبی در این پژوهش می‌توانیم اشاره نماییم مدل شبکه عصبی با تابع شعاعی محور توان بهتری از شبکه عصبی با حسگر چند لایه‌ای در تعیین درصد پوشش گیاهی مناطق خشک به کمک تصاویر ماهواره‌ای دارد.