پذیرش انواع پروژه سنجش از دور ( گوگل ارث انجین- ENVI) و جی ای اس - 09379280994

شاخص LSWI (Land Surface Water Index)

شاخص سطح آب خشکی (LSWI) یک شاخص طیفی است که برای تشخیص و پایش رطوبت پوشش گیاهی و محتوای آب در سطح زمین استفاده می‌شود. این شاخص با بهره‌گیری از تفاوت در بازتابندگی باند مادون قرمز نزدیک (NIR) و مادون قرمز میانی (SWIR) کار می‌کند و نسبت به تغییرات رطوبت در گیاهان و خاک بسیار حساس است.

ویژگی های کلی شاخص

🌿 ویژگی‌های کلی شاخص LSWI

 

• اختصار: LSWI

 

• معادل کامل: Land Surface Water Index

 

• معادل فارسی: شاخص آب سطح زمین

 

• کاربرد اصلی: پایش محتوای آب در پوشش گیاهی و خاک، تشخیص خشکسالی و تنش آبی، و استفاده در مدل‌های بهره‌وری اکوسیستم و تولید اولیه ناخالص (GPP)

شاخص LSWI (Land Surface Water Index)
  • N: باند مادون قرمز نزدیک (NIR)
  • S1: اولین باند مادون قرمز میانی (SWIR 1)

فرمول شاخص LSWI (Land Surface Water Index)

کاربرد های شاخص LSWI (Land Surface Water Index)

پایش محتوای آب پوشش گیاهی

تشخیص و پایش خشکسالی

ارزیابی تنش آبی گیاهان

شناسایی خشکسالی ناگهانی (Flash Drought)

نقشه‌برداری آبیاری اراضی کشاورزی

مدل‌سازی Gross Primary Production (GPP)

بررسی وضعیت آبی اکوسیستم‌ها

پایش تغییرات رطوبت خاک و سطح زمین

مقادیر شاخص LSWI معمولاً در بازه 1- تا 1+ قرار می‌گیرند و بیانگر میزان رطوبت موجود در سطح زمین و پوشش گیاهی هستند. مقادیر مثبت و بزرگ‌تر نشان‌دهنده حضور آب بیشتر در برگ‌ها، خاک مرطوب یا حتی آب سطحی بوده و معمولاً در مناطق دارای پوشش گیاهی سالم یا اراضی آبی مشاهده می‌شوند. مقادیر نزدیک به صفر بیانگر شرایط رطوبتی متوسط و پوشش گیاهی با وضعیت آبی نرمال است. در مقابل، مقادیر منفی نشان‌دهنده کاهش رطوبت، خشکی خاک یا بروز تنش آبی در گیاهان هستند که اغلب در مناطق خشک، اراضی بایر یا در دوره‌های خشکسالی دیده می‌شود. بنابراین افزایش مقدار LSWI به‌طور مستقیم با افزایش محتوای آب در سطح زمین و پوشش گیاهی ارتباط دارد و کاهش آن می‌تواند نشانه آغاز تنش آبی یا شرایط خشکسالی باشد.

سنجنده NIR SWIR1
Landsat 5 TM Band 4 Band 5
Landsat 7 ETM+ Band 4 Band 5
Landsat 8/9 OLI Band 5 Band 6
Sentinel-2 MSI Band 8 Band 11
MODIS Band 2 Band 6

Xiao, X.M., Boles, S., Liu, J.Y., Zhuang, D.F., and Liu, M.L. (2002) - Characterization of forest types in Northeastern China, using multi-temporal SPOT-4 VEGETATION sensor data

Xiao, X.M., Hollinger, D., Aber, J., Goltz, M., Davidson, E.A., Zhang, Q.Y., and Moore, B. (2004) - Satellite-based modeling of gross primary production in an evergreen needleleaf forest

دیدگاهتان را بنویسید