ترکیب مدل فائو و شاخص های گیاهی در برآورد ضریب گیاهی با استفاده از تحلیل مولفه های اصلی

تقاضای روزافزون به آب و تغییرات اقلیمی منجر به ایجاد فشار جهت استفاده کارآمد آب در بخش کشاورزی شده است. بنابراین آگاهی از نیاز آبی گیاه جهت افزایش بازده آبیاری لازم می باشد. در این راستا یازده شاخص گیاهی حاصل از تصاویر ماهواره ای سنجنده MODIS در بازه زمانی 2013- 2016 برای محصول سیب زمینی در محدوده بین شهرستان های بستان آباد و تبریز استخراج شدند. جهت انتخاب شاخص های گیاهی موثر از تحلیل مولفه های اصلی استفاده شد که برای این منظور شبکه عصبی مصنوعی برای مدلسازی مولفه های حاصل از تحلیل و ضریب گیاهی بکار برده شد. از بین مولفه های مورد بررسی، سه مولفه اول با در اختیار داشتن 45/85 درصد واریانس کل انتخاب شدند. در سه بررسی انجام شده در مورد نوع مولفه های روش تحلیل مولفه های اصلی، به طور متوسط بررسی اول نسبت به بررسی دوم و سوم منجر به کاهش 75/55 درصد RMSE شد. شاخص های حاصل از باندهای انعکاسی مانند شاخص NDVI و شاخص های بهبود یافته براساس منطقه مورد مطالعه مانند شاخص های SAVI و MSAVI از کارایی قابل قبولی برخوردار بودند. کاهش 66/66 درصد ضریب LST از مولفه سوم به اول حاکی از افزایش دقت نتایج شاخص های باندهای حرارتی در صورت ترکیب با شاخص های باندهای انعکاسی مانند شاخص TVX بود. برآورد ضریب گیاهی با شاخص های گیاهی حاصل از تحلیل مولفه های اصلی در مدلسازی شبکه عصبی دارای تخمین کم برآوردی حدود یک درصد در دوره صحت سنجی بوده است.