سؤال عن كيفية تصنيف الغطاء النباتي

[محمد مزاحم]

الاخوة الكرام
السلام عليكم ورحمة الله وبركاته
سوالي عن كيفية تصنيف الفطاء النباتي
1-Dense Vegetation
2-Moderate Vegetation
3-Sparse Vegetation
4-No Vegetation

علما انني استخدم صور لاندسات 7 وبرنامج انفي.

جزاكم الله الف خير.

[عبدالله جاد]

لتصنيف الغطاء النباتى يجب العلم أن هناك نوعين من التصنيف وهو التصنيف الغير إشرافى Unsupervised Classificatio ولا يلزم هنا الإلمام بالحقائق الأرضيةوانما يعتمد على البصمة الطيفيىSpectral Signature للهدف وهو نوع الغطاء النباتى فى هذه الحالة ، وطبع هنا التحقيق الميدانى وقياسات الانعكاس بالحقل مهم جدا وضرورى لايجاد العلاقة بين وحدات التصنيف الغير إشرافى ونوعية الغطاء النباتى. الطريقة الأخرى للتصنيف هو التصنيف الاشرافى Supervised Classification وفى هذه الطريقة لابد أن يكون المستخدم ملم بالحقائق الميدانيةويختار عدد من المواقعTraining sites لتدريب الحاسب الآلى على التصنيف ويكون تسمية وحدات التصنيف مبنيا على أساس الحقائق الميدانية.
بالنسبة لتصنيف كثافة الغطاء النباتى فيتم اجراءة باستخدام المرشح الضوئى الخاص بالأشعة الحمراء وفى صور لانجسات هى band 6 وكذلك المرشح الضوئى الخاص بالأشعة الحمراء والتحت الحمراء مجتمعة وهنا فى صور لاندسات المرشح الضوئى band 7 وباستخدان المعادلى يمكن حساب معامل كثافة الغطاء النباتى المعروف ب) Normalzed Dencity of Vegetation Index (NDVI( بالمعادلة"
NDV =Band 7- Band 6 / Band 7 + Band 6 وبتصنيف نتائج قيم المعامل المحسوب يتم تصنيف النتائج للحصول على حدود ومدى قيم كثافة الغطاء النباتى

[رسلان احمد عثمان]

السلام عليكم
لتصنيف النباتات الى الاقسام الاربعة اعلاه يجب الاعتماد على ما يدعى ب SMA وهو مختصر ل spectral mixture analysis حيث تعتمد ما يدعى ب endmumber وللمزيد من المعلومات عليك بالاطلاع على اطروحة الدكتوراه المقدمة الى جامعة درزدن من قبل طالبة سودانية اسمها منال خيري واليك الرابط
http://www.qucosa.de/dcidcidocuments/1187262045124-4222/1187262045124-4222.pdf

اما فيما يتعلق بمشاركة الاخ عبد الله جاد فاود ان اقول ان NDVI هي Normalized Differential Vegetation Index
ومعادلتها هي
(tm4-tm3)/(tm4+tm3)
والله اعلى واعلم

[ياسر قرشي]

السلام عليكم
لتصنيف النباتات الى الاقسام الاربعة اعلاه يجب الاعتماد على ما يدعى ب SMA وهو مختصر ل spectral mixture analysis حيث تعتمد ما يدعى ب endmumber وللمزيد من المعلومات عليك بالاطلاع على اطروحة الدكتوراه المقدمة الى جامعة درزدن من قبل طالبة سودانية اسمها منال خيري واليك الرابط
http://www.qucosa.de/dcidcidcidocuments/1187262045124-4222/1187262045124-4222.pdf

اما فيما يتعلق بمشاركة الاخ عبد الله جاد فاود ان اقول ان NDVI هي Normalized Differential Vegetation Index
ومعادلتها هي
(tm4-tm3)/(tm4+tm3)
والله اعلى واعلم

الأخت رسلان أحمد عثمان رابط رسالة الدكتوراة لم أتحصل علية الرجاء اعادة رفعة ع المنتدى
وشكرا

[رسلان احمد عثمان]

السلام عليكم
اليك الرابط
http://hsss.slub-dresden.de/deds-access/hsss.urlmapping.MappingServlet?id=1187262045124-4222
علما انني رجل

[محمد ابريك كروش]

معظم مراكز الاستشعار عن بعد توفر مرئيات NDVI جاهزة وهي مرئيات تحمل انعكاسات الطيفين الاحمر red والتحت الحمراء infrared وهما الطيفين اللذين يتفاعلان مع سطح الاوراق بامتصاصهما وانعكاسهما لذلك لاتحتاج الا البدء في التصنيف مباشرة .. القمر الصناعي SOPT يوفر هذه المرئيات من موقعة ومجاني لجميع قارات العالم ..كما يمكن استخدام مرئيات NDVI من القمر الصناعي NOAA او مرئيات 250m متوفرة من مودس MODIS كلها NDVI مخصصة لدراسة الغطاء النباتي
طبعاً الغطاء النباتي يكون بين -1 و 1 حيث القيم السالبة تمثل الظواهر الاخري مثل المياه وغيرها و الصفر يمثل عدم وجود غطاء نباتي ومن ومن 0.1 الي اقل من 0.50 الغطاء النباتي قليل ال 0.50 غطاء وسط واكثر من 0.50 تزداد الكثافة الي 1 غطاء نباتي كثيف جداُ ....اذا كان القيم عندك من 0 الي 255 فا من صفر الي 50 تمثل عدم وجود غطاء نباتي ومن 50 الي 100 قليل ومن 100 الي 150 وسط ومن 150 الي 200 عالي ومن 200 الي 255 عالي جداً والله اعلم
تحياتي

[شاكر احمد]

الأخ رسلان عثمان، السلام عليكم، لدي ثلاثة اسئلة لو سمحت: الأول ماذا تقترح لتصنيف كثافة الغطاء النباتي في منطقة ما، التصنيف الإشرافي (المراقب) أم غير الإشرافي للغطاء النباتي المستخلص بدليل Ndvi ولماذا، والثاني ما هي العلاقة بين Sma والأدلة النباتية، والثالث ما هو أفضل الأدلة النباتية برأيك لتصنيف ودراسة الغطاء الغابي في منطقة ما؟ وشكرا لكم.

[رسلان احمد عثمان]

وعليكم السلام ورحمة الله وبركاته
لتصنيف الكثافة النباتية يفضل الاعتماد على دليل النباتات وكذلك التصنيف الموجه ولا بأس من الاعتماد على الطريقتين معا والاول الافضل
ولكن يجب ملاحظة وتمييز الكثافة النباتية وعلاقتها بنوع النباتات فالنباتات ذات الاوراق العريضة تختلف في انعكاسها عن الابرية كما تختلف المناطق الكثيفة عن تلك التي تتغطى بكثافة اقل فيجب التمييز والانتباه
ان sma هو تصنيف يعتمد في احدى جزئياته على العناصر المصنفة والتي من خلالها يراد تصنيف الخلية الواحدة بمقدار ما تحويه من العناصر والتي تشمل النبات في مثل دراسة حضرتكم
ويمكن الاطلاع على الاطروحة ادناه لمعرفة افضل الادلة النباتية
http://cid-0259cb4f889eaeb3.skydrive...ion%202007.pdf

[شاكر احمد]

شكرا لك اخي الكريم رسلان ولكن للأسف لم استطع تحميل الإطروحة لعدم صلاحية الرابط كما يبدو، وفقكم الله لكل خير..

[رسلان احمد عثمان]

السلام عليكم
انقل لحضرتك الجزء الذي يخصك من الاطروحة
a. Slope-based methods
The most common of the slope based methods, NDVI, was proposed by Rouse et al. (1974) and is
expressed as the difference between the near infra-red (NIR) and red (red) bands normalized by the
sum of those bands:
Equation 4:
NIR - red
NDVI = NIR + red
Huete (1988) introduced a constant soil adjustment factor, L, into the NDVI equation in order to
minimize the influence of soil background. Huete’s (1988) Soil Adjusted Vegetation Index (SAVI), is
represented by the following equation:
Equation 5:
NIR – red
SAVI = (NIR + red + L) . (1+L)
The soil adjustment factor is represented here by L, and can vary between a value of 1.0 for low
vegetation densities, 0.5 for intermediate densities, and 0.25 for high densities.
Qi et al. (1994) then proposed using a variable soil adjustment factor, as opposed to the constant one
used in SAVI. The Modified Soil Adjusted Vegetation Index (MSAVI1) requires a value for the slope of
the soil line and the calculation of the Weighted Difference Vegetation Index (WDVI) of Richardson &
Wiegand (1977):
Equation 6:
NIR – red
MSAVI1 = (NIR + red + L) . (1+L)
Where:
L = 1 - 2*s*NDVI*WDVI
s = slope of the soil line
NDVI = as described above
WDVI = NIR - (slope*red)
The second Modified Soil Adjusted Vegetation Index (MSAVI2), also by Qi et al. (1994), does away
with having to calculate the slope of the soil line and the WDVI:
Equation 7:
2NIR + 1 - √ (2NIR + 1)2 – [8(NIR – red)]
MSAVI2 = 2
b. Distance-based methods
Richardson & Wiegand (1977) developed the Perpendicular Vegetation Index (PVI), after observing
that bare soil pixels formed a straight line when scatter plots of red versus NIR were created. This
straight line has a slope (a) and an intercept (b) value, and was called the ‘soil line’ (Richardson &
Wiegand, 1977). The PVI therefore assumes that vegetation cover is linearly related to the distance of a
pixel from a soil line, and can be calculated as follows:
Equation 8:
(NIR – a(red) – b)
PVI2 = √ a2 + 1
Baret et al. (1989) altered the SAVI concept, by removing the soil adjustment factor and adding the soil
parameters concept of the PVI. This resulted in the Transformed Soil Adjusted Vegetation Index
(TSAVI), which can be calculated as follows:
Equation 9:
[ a(NIR – a(red) – b)]
TSAVI1 = (red + a(NIR) – a(b))
These are just a few of the multitude of available vegetation indices, and have been the subjects of soil
background experiments that have ranged from using narrow band field-based reflectance in
agricultural settings (Huete et al., 1985; Huete & Jackson, 1987; Qi et al., 1994), to using broad-band
satellite-based measurements (Schmidt & Karnieli, 2000). All of these studies acknowledge the amount
of noise and error that soil background contributes to the measurement of a vegetation signal, and
therefore state that the removal of soil background effects should be a primary goal in any vegetation
applications (Schmidt & Karnieli, 2000). NDVI is widely regarded as having the highest level of soil
noise, while soil noise specific vegetation indices tend to remove the noise in part and to various
degrees (Schmidt & Karnieli, 2000).
3) Many remote sensing techniques, including VIs, are insensitive to non-photosynthetic vegetation
(NPV), which can make up a significant, and biologically important, portion of the total ground cover in
an arid region (Okin & Roberts, 2004). Therefore, vegetation indices, or any other NPV insensitive
techniques, may not be used as surrogates for vegetation cover, if the area in question is characterised
by a significant NPV component (Okin & Roberts, 2004).
4) Roberts et al. (1990) suggest that a plant’s linear reflectance, especially in the NIR, is affected by
canopy structure. In arid regions where open canopies and underlying bright soils are common place,
there is enormous potential for multiple scattering and non-linear mixing of the reflected EMR (Okin &
Roberts, 2004).
5) Vegetation in arid regions has adapted to its harsh environment by limiting the use of
photosynthetically active radiation (PAR), as excessive PAR can lead to overheating and moisture loss
for the plant (Okin & Roberts, 2004). Limiting the use of PAR means that plants reduce their surface
areas through which they would lose moisture, hence leaves are significantly reduced in size or are even
replaced by spines or fine hairs (Okin & Roberts, 2004). Plants in these areas also reduce the amount of
chlorophyll present, in order to further reduce overheating, which when combined with reduced surface
areas, results in this vegetation being spectrally difficult to detect (Okin & Roberts, 2004).
6) Arid land vegetation has adapted its phenological cycles to coincide with available moisture, which
can show enormous spatial and temporal variability in an arid landscape (Okin & Roberts, 2004). In this
vein, a number of studies have shown that perceived human-induced degradation and/or desertification
often turned out to be variations in rainfall instead (Tucker et al., 1991; Anyamba & Tucker, 2005;
Nicholson, 2005). These phenological changes result in varying inter-species, and intra-species, spectral
characteristics that make the accurate discernment of vegetation types extremely difficult (Okin &
Roberts, 2004). Intra-species spectral variability can often be greater than the inter-species variability
according to Franklin et al. (1993).
This chapter has outlined what remote sensing is, how it works, some examples of remote sensing data
products and systems, as well as why and how remotely sensed data is increasingly being used for
change detection studies. The important tasks that prelude a change detection study and ensure precise
image pre-processing where explained, as where the positives and negatives of various change detection
techniques. Finally the chapter touched on more specific challenges facing remotely sensed change
detection methods in semi-arid and arid environments.

[محمد مزاحم]

جزاكم الله الف خير اخواني الكرام على هذه الردود
رمضان كريم على الكل

بالنسبه لمشاركه الاخ/محمدابريك كروش شكرا جزيلا على هذا الطرح المفيد والمختصر
ولكن هل هناك مصدر معين او مرجع معين يبين هذه الطريقة من التصنيف وهل يمكن استخدامها على صور لاندسات 7 .

[محمد مزاحم]

اخواني الكرام
اسئل عن كيفية تحميل مرئيات مودس 250م وكيف يمكن الاستفاده منها.

[رسلان احمد عثمان]

السلام عليكم
لم اجد لحد الان مودس مجاني علما ان اول ثلاث حزم هي 250 والبقية 500 و 1000

[محمد ابريك كروش]

الاخ رسلان
السلام عليكم ورحمة الله
لو تكرمت وارسلت لي الاطروحة علي ايميلي
alhabony@gmail.com
فاكون جدا شاكرا

رمضان مبارك وكل عام وانتم بخير

[فرج سليمان]

الاخ رسلان السلام عليكم و رحمة الله و بركاته
جزاك الله خيرا علي ما قدمت. كما امل منكم ارسال الاطروحة علي ايميلي ولكم فائق الاحترام.
fmmsa2000@yahoo.com