@article { author = {}, title = {An investigation into the relationship between NDVI and climatological factors in wheat planted farms in Mashhad area using MODIS images}, journal = {Iranian Journal of Field Crops Research}, volume = {7}, number = {1}, pages = {-}, year = {2009}, publisher = {Ferdowsi University of Mashhad}, issn = {2008-1472}, eissn = {2423-3978}, doi = {}, abstract = {Vegetative vigor or “greenness" for wheat could be considered as an appropriate index to measure plant health, water deficiency stress and also plant density and quality, which can be determined by Normalized Difference Vegetation Index (NDVI). In this study MODIS images were used to calculate NDVI. The index values were compared with climatological factors to assess the relations between vegetative vigor and climatological factors. The consequent results can be used in crop modeling equations. The NDVI values for three selected wheat farms in Mashhad area were calculated using MODIS images for 2003-2004 growing season. The data of four clamatorial factors including air temperature, precipitation, relative humidity and sunshine hours were also collected from the nearest weather station to the farms. Then a multi-regression statistical analysis was performed to find the relations between wheat’s NDVI and climatological factors in the study area. Pertaining statistical methods including Mixed, and Stepwise (Forward and Backward) were used in this analysis. Scattering matrix was used to determine the data scattering of the models and NDVI values for the sake of comparison. The results showed that Backward method was more appropriate than the other twomethods for predicting NDVI values of the study area. After finalizing this model the results were statistically tested using 20% of the samples for the test purpose and the remaining 80% for running the model. The results showed that there was no significant difference between Backward, Testing Backward and Training Backward models. The results from the latter method showed that the NDVI of the pixels could be estimated for 79% of the cases. It can be stated that the rest of NDVI values could be affected by other environmental factors such as soil type and conditions, topographical characteristics, agronomical practices, plant diseases and other unknown factors. Finally, maps showing the potential wheat farming in the area according to the model results were developed. }, keywords = {}, title_fa = {بررسی و برآورد نقش عوامل اقلیمی بر NDVI گندم با استفاده از تصاویر سنجنده MODIS در منطقه عمومی شهرستان مشهد}, abstract_fa = {سبزینگی گندم می تواند معیار مناسبی برای تشخیص شادابی، میزان تنش گیاهی ناشی از کم آبی و نیز تراکم و کیفیت محصول باشد. در این تحقیق از شاخص NDVI به بدست آمده از تصاویر سنجنده MODIS ماهواره TERRA به عنوان شاخص سبزینگی استفاده شد و نقش عوامل هواشناسی و رابطه آن با شدت سبزینگی گندم، و نیز مدلسازی این تاثیر مورد بررسی قرار گرفت. بدین منظور شاخص NDVI برای سه مزرعه گندم در سال زراعی ۸۳-۱۳۸۲ در شهرستان مشهد از تصاویر مربوطه محاسبه و استخراج شد. سپس با توجه به مقادیر این شاخص و نیز اندازه گیری مقادیر چهار عامل هواشناسی دما، بارش، رطوبت و ساعت آفتابی که در ایستگاه های مجاور این مزرعه ها اندازه گیری شده بودند محاسبات آماری رگرسیون چند متغیره انجام گردید. با استفاده از داده های اقلیمی تلاش شد تا ارتباطی بین عناصر اقلیمی و شاخص NDVI برقرار شود. سه روش آماری ورود متغیرها۴، پیش رونده۵ و پس رونده۶ برای این تحلیل مورد استفاده قرار گرفتند. به منظور بررسی ویژگی های پراکنش مقادیر مدل ها نسبت به یکدیگر و نسبت به مقادیر NDVI از نمودار پراکنش ماتریس آرایه ای از هر زوج از متغیرهای مدل ها استفاده شد. نتایج به دست آمده از این محاسبات و مقایسه ضرایب همبستگی و میانگین های به دست آمده نشان داد که روش پس رونده از قابلیت بالاتری نسبت به دو روش دیگر برخوردار است و برآورد نزدیکتری به داده های واقعی ارایه می کند. پس از انتخاب این مدل به عنوان مدل نهایی، نتایج آن مورد آزمون قرار گرفت. برای این کار ۲۰ درصد از کل نمونه های انتخابی برای آزمون و۸۰ درصد دیگر برای اجرای مدل انتخاب شدند. نتایج نشان داد که تغییرات محسوسی در ضریب همبستگی بین پس رونده و آزمون پس رونده۷ و یادگیری پس رونده۸ به وجود نمی آید، به طوریکه مقادیر به دست آمده R بسیار به یکدیگر نزدیکند. بنابراین با استفاده از این روش مقادیر NDVI گندم تا میزان ۷۹ % برآورد گردید. عدم برآورد کامل این شاخص با این روش احتمالا مربوط به تاثیر عوامل دیگری مانند نوع و شرایط خاک، توپوگرافی، نهاده های کشاورزی، آفات و سایر عوامل ناشناخته بر میزان سبزینگی گندم می باشدکه با شاخص NDVI معرفی شده است. با استفاده از نتایج این تحقیق می توان قابلیت کشت گندم را در رابطه با عوامل اقلیمی مناطق مختلف تعیین کرد.}, keywords_fa = {}, url = {https://jcesc.um.ac.ir/article_39721.html}, eprint = {https://jcesc.um.ac.ir/article_39721_2d6859b5c75c22a89baf9e27ddcd9f68.pdf} }