كشف التغير لغطاء النبات

Slides:



Advertisements
Similar presentations
?????????? ? ? ? ? ? ? ? ? ? ????????? ????????? ????????? ????????? ????????? ????????? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?? ? ?? ?? TM.
Advertisements

SCHOOL OF ENVIRONMENT Translating satellite images into meaningful geospatial information: The data fusion approach Mr. Amit A. Kokje PhD candidate, School.
AVHRR Data for Monitoring Drought, Environment and Socioeconomic Activities Felix Kogan NOAA/NESDIS Office of Satellite Research and Applications.
Scaling Biomass Measurements for Examining MODIS Derived Vegetation Products Matthew C. Reeves and Maosheng Zhao Numerical Terradynamic Simulation Group.
Comparison of AVIRIS and Landsat ETM+ detection capabilities for burn severity Jan W. Van Wagtendonk, Ralph R. Root and Carl H. Key Presenter Alpana Khairom.
Image Enhancements, Indices and Transformations. (A) Energy Source or Illumination Radiation and the Atmosphere (B) Interaction with the Target (C) Transmission,
Multispectral Remote Sensing Systems
ASTER image – one of the fastest changing places in the U.S. Where??
Change analysis of Northborough, Massachusetts, Kristopher Kuzera and Silvia Petrova 1987 LANDSAT TM – 30m resolution False Color Composite Bands.
Vegetation Change in North Africa through the analysis of satellite data, Professor Stephen Young Department of Geography, Salem State College.
Lecture 12: Image Processing Friday 11 February 2011 Last lecture: Earth-orbiting satellites Reading Ch
JIBRAN KHAN 1* &TAHREEM OMAR 2 JIBRAN KHAN&TAHREEM OMAR IMPACTS OF URBANIZATION ON LAND SURFACE TEMPERATURE OF KARACHI.
Lecture 12: Image Processing Thursday 12 February Last lecture: Earth-orbiting satellites Reading, LKC p
Forestry Department, Faculty of Natural Resources
VEGETATION DATA Viviana Maggioni Dr. Jeffrey Walker.
Remote Sensing in Environmental Research Georgios Aim. Skianis University of Athens, Faculty of Geology and Geo-Environment, Department of Geography and.
Multi-image manipulation
Observing Kalahari ecosystems at local to regional scales: a remote sensing perspective Nigel Trodd Coventry University.
Review of Statistics and Linear Algebra Mean: Variance:
Filling in the gaps in Landsat 7 data Northwest GIS Users Group Conference Boise, Idaho, October 19 – 21, 2011 William J. Kramber Idaho Department of Water.
Maa Kaukokartoituksen yleiskurssi General Remote Sensing Image enhancement II Autumn 2007 Markus Törmä
INDICES FOR INFORMATION EXTRACTION FROM SATELLITE IMAGERY Course: Introduction to RS & DIP Mirza Muhammad Waqar Contact:
CHAPTER 9 Band Algebra and Vegetation Indices BAND TRANSFORMATIONS A. Dermanis.
Soil-Adjusted Vegetation Index A transformation technique to minimize soil brightness from spectral vegetation indices involving red and near- infrared.
U.S. Department of the Interior U.S. Geological Survey Mega-File Data Cube (MFDC) Concept and Preparation Jun Xiong, Prasad, Pardha Nov 21th, 2013, Flagstaff.
The Use of Red and Green Reflectance in the Calculation of NDVI for Wheat, Bermudagrass, and Corn Robert W. Mullen SOIL 4213 Robert W. Mullen SOIL 4213.
Mitigation of Urban Heat Island Effect via NeighborWoods Tree Program- Austin, Texas Project Manager-Clancy Taylor GIS Analyst/Web Designer-Will Johnston.
Chernobyl Nuclear Power Plant Explosion
Remote Sensing and Image Processing: 4 Dr. Hassan J. Eghbali.
Change Detection The process of identifying differences in the state of an object or phenomenon by observing it at different times. Change detection applications:
GEOG2021 Environmental Remote Sensing Lecture 3 Spectral Information in Remote Sensing.
Image Data Pre- processing for Pacific Island Countries Poate Degei & Litia Gaunavou.
Remote Sensing of Macrocystis with SPOT Imagery
Northern Michigan Forest Productivity Across a Complex Landscape David S. Ellsworth and Kathleen M. Bergen.
The application of Remote Sensing and GIS for forest cover monitoring. 学 生:阿 玛 娜 导 师: 刘耀林 教授 学 号: 学 号: 专 业:地图学与地理信息系统单 位:资源与环境科学学院.
Environmental Remote Sensing GEOG 2021 Lecture 3 Spectral information in remote sensing.
ERDAS 1: INTRODUCTION TO ERDAS IMAGINE
Canopy Forest Cover Change in Fanjingshan National Nature Reserve: “What measurable environmental changes have taken place after implementing payment for.
A Remote Sensing Sampler. Typical reflectance spectra Remote Sensing Applications Consultants -
Detecting Arctic Change Using the Koppen Climate Classification Muyin Wang 1 James E. Overland 2 1 JISAO/UW, 2 PMEL/NOAA, Seattle, WA Photos from the.
Vegetation Enhancements (continued) Lost in Feature Space!
Lecture Notes – Vegetation indices Fred Watson, ENVS 436/536, CSUMB, Fall 2010 Many of these slides are from Jianglong Zhang and Cindy Schmidt.
Nitrogen Management Experiences in the Rainfed Corn Belt (Iowa)
CRSC 6 October 1, 2004 CRSC 6 – Intro to Precision Ag Fall 2004 October 1, 2004.
LANDSAT EVALUATION OF TRUMPETER SWAN (CYGNUS BUCCINATOR) HISTORICAL NESTING SITES IN YELLOWSTONE NATIONAL PARK Laura Cockrell and Dr. Robert B. Frederick.
GEOG2021 Environmental Remote Sensing
Using vegetation indices (NDVI) to study vegetation
(National Institute of Aeronautics and Space Republic of Indonesia)
Department of Geography University of New Orleans, Louisiana
ASTER image – one of the fastest changing places in the U.S. Where??
Vegetation Enhancements (continued) Lost in Feature Space!
Two Models Representing World Features
Hire Toyota Innova in Delhi for Outstation Tour
Biomass Study Is there a correlation between annual rainfall and vegetation index using NDVI in a suburban area?
الدكتور: أحمد رأفت غضية صفاء عبد الجليل كامل حمادة
المحاضرة الثانية عشرة دراسة نشرت في الولايات المتحدة وبريطانيا 2011م
تطبيقات الاستشعار عن بعد في تخطيط المدن
Land Cover and Soil Properties of the San Marcos Basin
NDVI image of Thailand.
Image Information Extraction
Land Performance Analysis for the Sahel
Correlation between the ability of Novosphingobium strains from four different habitats to degrade aromatic and xenobiotic compounds. Correlation between.
(National Institute of Aeronautics and Space Republic of Indonesia)
Remote Sensing Section 3.
Spectral Transformation
Lecture 12: Image Processing
Using UAS Platforms to Collect NIR Data in Central America
Precision Irrigation in Oklahoma
Phenology Images (5-Year Long Term Average)
An introduction to Machine Learning (ML)
Presentation transcript:

كشف التغير لغطاء النبات المحاضرة الثالثة عشرة كشف التغير لغطاء النبات

1- دراسة تقييم كشف التغير لغطاء الارض في المملكة العربية السعودية باستخدام بيانات الاستشعار عن بعد للغطاء النباتي اهمية كبيرة فهو يبدو كجزيرة خضراء داخل البيئة الصحراوية .كما ان الصور الفضائية لها اهميتها في اظهار مدى تغير الغطاء النباتي في دولة كبيرة مثل المملكة العربية السعودية . الهدف من الدراسة هي تقييم غطاء الارض النباتي في الفترة ما بين 2000-2006م وخلال التغير الموسمي لها للتعرف على تغير النبات في السنوات ما بين 2000-2006م في منطقة ديراب بالمملكة العربية السعودية.

حيث تم استخدام بيانات TM الماسح الموضوعي المحمول على لاندسات 5 وكذلك بيانات الماسح الموضوعي المحسن بإضافة ETM+ المحمول على لاندسات7. والتي طبق عليها مؤشر اختلاف النبات الطبيعي (NDVI) Normalized difference vegetation Index كما تم الاستعانة بدعم برنامج GIS لإنتاج الخرائط.

مقدمة: يعتبر غطاء النبات عنصر هام في منطقة صحراوية كالمملكة العربية السعودية وله دور كبير في المجال البيئي فهو يعمل كمنقي للهواء حيث يطلق الاكسجين في فترات الليل ولذلك يجب ان تتم ادارته والمحافظة عليه واستغلاله في الاغراض السياحية ولكن مع التوسع الحضري غير المخطط له ودون مراعاة الموارد الطبيعية يتم ازالة النبات على حساب التوسع الحضري . وبالتالي يجب التعرف على غطاء استخدامات الاراضي للتعرف على مناشط الانسان

ومن ثم التعرف على العوامل المؤثرة في النبات وتوزيعه وذلك من خلال التعرف على مناشط الانسان في كل استخدام. وهنا تجدر الاشارة الى ان المناطق الحضرية يسهل تمييزها في الصورة الفضائية . كما ان تقنية الاستشعار عن بعد تعطي صور مختلفة التواريخ لدراسة التغير ولفهم مدى ذلك التغير فصور الاستشعار عن بعد قيمت استخدامات الاراضي وتغيرها

وكذلك تغير الغطاء النباتي بوضوح جيد اظهر النتائج المرجوة وكذلك تغير الغطاء النباتي بوضوح جيد اظهر النتائج المرجوة . كما ان استخدام مؤشر النبات( NDVI ) وتقنية تحليل المركبات الرئيسية (PCA) المطبقة في دراسة (Bagour,1993) باستخدام بيانات AVHRR لكشف تغير غطاء النبات في شمال شرق المملكة العربية السعودية خاصة بعد حرب الخليج. حيث التلوث ببقعة الزيت.

منطقة الدراسة: الدراسة تبعد ما يقارب 50كم غرب الرياض وهي تقع بين خطي طول 24ْ 20َ 35ً و 24ْ 30َ 51ً شمالا وخطي عرض 46ْ 31َ 41ً و 46ْ 45َ 34ً شرقا هي منطقة ديراب ذات مناخ صحراوي حار صيفا ومعتدل الى بارد شتاء . معدل درجات الحرارة 35ْم وتمتاز المنطقة بطبيعة صخرية .

بيانات الدراسة: 1- بيانات الماسح الموضوعي TM 2- بيانات الماسح الموضوعي المحسن بإضافة ETM+ للفترة ما بين 1990م – 2006م والتي استخدمت لدراسة تغير النبات من خلال تغير غطاء استخدامات الاراضي في ديراب بالمملكة العربية السعودية .

معالجة الصورة لكشف التغير للنبات: كشف التغير في الاستشعار عن بعد يقوم على صور متعددة التواريخ وصور متعددة الاطياف وبيانات متعددة لأنظمة استشعار مختلفة والتي تطورت خلال عقود زمنية لتقديم البيانات الارضية وتخطيطها. في هذه الدراسة استخدمت بيانات الماسح الموضوعي TM و بيانات الماسح الموضوعي المحسن بإضافة ETM+ لحساب مؤشر النبات (NDVI) للتعرف على مدى تغير غطاء النبات باستخدام برنامج الارداس .

حيث تم استيراد البيانات لبرنامج الارداس ومن ثم اقتطاع منطقة الدراسة في منطقة ديراب. ومن ثم تم ارجاع الصور بالإحداثيات الجغرافية ل (DN) والتي حولت الى قيم (NDVI) حيث ان قيم مؤشر النبات (NDVI) اشتقت من المعادلة التالية : NDVI= NIR-R/NIR+R ومن ثم تم تطبيق (PCA) principal component analyzes تحليل المركبات الرئيسية لمعرفة مقدار الضجيج

في النطاقات المتعددة . جميع قيم (DN) في خلايا الصورة حولت الى برنامج اكسل للتأكد من صحة قيم مؤشر اختلاف النبات الطبيعي NDVI من خلال اسلوب رياضي ومعادلات احصائية ومن ثم صنعت خريطة NDVI لمنطقة الدراسة في برنامج Arc Map والتي استخدمت لكشف التغير للنبات في منطقة الدراسة .

جدول يبين بيانات الماسح الموضوعي والماسح الموضوعي المحسن باضافة

جدول يبين نطاقات الماسح الموضوعي والماسح المحسن بإضافة

شكل يبين توزيع النبات 1990م

شكل يبين توزيع النبات 2000م

شكل يبين توزيع النبات 2006م

شكل يبين توزيع النبات 2006م

النتائج : كان من الصعب فصل غطاء النبات اثناء عملية التحليل باستخدام بيانات الاستشعار عن بعد . قيم NDVI تراوحت ما بين 1.0+ الى 1.0- القيم السالبة تمثل الظواهر من غير النباتات . القيم الموجبة تمثل النباتات . انتجت خريطة منطقة الدراسة في الفترة ما بين 2000-2006م من 5 فئات اختبرت مؤشر النبات NDVI

كما هي موضحة اعلاه . والتي من خلالها تبين لنا اختلاف النباتات وكثافتها . القيم NDVI الرئيسية ذات مدى 0.091728 في سبتمبر لعام 2000م الى 0.462475 في جان يواري 2006م

مناطق صحة النبات المنخفضة من خلال قيم NDVI والتي تمثلها قيم النبات في فئة 1 .11 في هذه الدراسة الاعلى نشاط في كتلة النبات الحيوية كانت خلال فترة جان يواري 2006م اكثر من أي فترة اخرى . وهو ما يوضحه جدول قيم المواسم فخلال سنة 2000م زادت من 0.373933 حتى وصلت خلال سبتمبر الى 0.85077 وهذا عائد الى وجود حقول القمح في المنطقة.

ايضا تزايدت قيم NDVI خلال ديسمبر 2006م. كما لوحظ تراجع قيم NDVI من 0 جان يواري و مارس 2006م وهنا يمكن القول ان النباتات تزايدت في الفترة ما بين 2000-2006 م من 0.373933في سبتمبر الى 0.850776في ديسمبر .

اعلى قيمة NDVI هي 0. 995817في جان يواري الى ان تناقصت في مارس الى 0 يوضح اكبر مساحة لصحة النبات ضمن الكتلة الحيوية وهي 1016.55هكتار سجلت في ديسمبر 2000م بينما المساحة الاصغر كانت مساحتها 165.33هكتار في سبتمبر 1990م ويمكن اعتبار تأثير النشاط الرئيسي في المنطقة وهو الزراعة

حيث حقول القمح الزراعية والتي تحصد في مارس بالإضافة الى اسلوب الزراعة وحصاد بعض المحاصيل خلال فترة تصل الى 60 يوم .

جدول يبين قيم NDVI