fa تخمین میزان کلروفیل در درختان پسته با استفاده از داده های فراطیفی فتوگرامتری و سنجش از دور Photo&RS پژوهشي Research تخمین دقیق پارامترهای بیوفیزیکی و بیوشیمیایی گیاهان در زمینه های مختلفی مانند کشاورزی، اکولوژی و هواشناسی اهمیت بسزایی دارد. در میان محصولات کشاورزی ایران، اهمیت استراتژیکی-اقتصادی پسته ضرورت توجه بیشتر به برنامه ریزی جهت افزایش تولید این محصول را آشکار می سازد. هدف اصلی این مطالعه مقایسه روش های آماری تک متغیره شاخص های باریک باند گیاهی و روش های چند متغیره SMLR و PLSR در پیش بینی غلظت کلروفیل برگ درختان پسته با استفاده از داده های انعکاسی فراطیفی می باشد. داده های طیفی از برگ درختان پسته که در مقاطع رشد و شرایط گوناگون جمع آوری گردیده بودند، در اتاق تاریک با دستگاه طیف سنج ASD Field Spectrometer III تهیه شدند. سپس میزان کلروفیل برگ ها با دستگاه کلروفیل متر SPAD قرائت شدند و همچنین آزمایشات شیمیایی جهت استخراج غلظت کلروفیل نمونه ها در آزمایشگاه شیمی انجام شد. در میان شاخص های گیاهی باریک باند جهت پیش بینی غلظت کلروفیل نمونه ها، شاخص RVI با طول موج های بهینه 670 و 734 نانومتر و استفاده از داده های طیفی تبدیل شده مشتق اول بیشترین دقت را داشت (72/0 =، 25/0 RRMSEcv=). نتایج بدست آمده از روش های چند متغیره در پیش بینی غلظت کلروفیل نیز نشان داد که، مدل های PLSR و SMLR با استفاده از داده های طیفی تبدیل شده مشتق اول دقت بالاتری نسبت به روش های تک متغیره داشتند (79/0 =،21/0 RRMSEcv=). به طور کلی نتایج این تحقیق نشان داد، داده های انعکاسی فراطیفی پتانسیل بالایی در پایش سلامت و وضعیت رشد محصولات کشاورزی، مخصوصا برگ درختان پسته دارند و همچنین مدل های آماری چند متغیره نسبت به روش های تک متغیره دقت بالاتری در پیش بینی غلطت کلروفیل برگ درختان پسته داشتند و داده های انعکاسی تبدیل شده نسبت به داده های طیفی اولیه دارای توانایی بالاتری در پیش بینی میزان کلروفیل هستند. Accurate quantitative estimation of vegetation biochemical and biophysical characteristics is necessary for a large variety of agricultural, ecological and meteorological applications. Among agricultural products in Iran, strategic and economical importance of Pistachio highlights the essential planning for improvement and increase of its production. The aim of this study is to compare the utility of statistical multivariate calibration techniques, including Stepwise Multiple Linear Regression (SMLR) and Partial Least Squares Regression (PLSR) with univariate techniques such as narrow band vegetation indices using hyperspectral data for estimating chlorophyll content of Pistachio trees. Pistachio leaves were collected in different growth stage. Spectral and chemical measurements were obtained from the collected samples at the laboratory, using ASD Field Spectrometer III, SPAD measurements and wet chemical analysis. Narrow band indices derived from all possible two-band combinations of reflectance and first derivative data were assessed and the best band combinations with the highest R^2 values were selected and used in linear regressions to predict the studied parameters. Among studied indices, the narrow band RVI index with wavelengths 670 nm and 734 nm using first derivative were recognized as the best index for predicting chlorophyll (R2cv = 0.72، RRMSEcv = 0.25). The results of multivariate analysis showed that PLSR and SMLR techniques using first derivative data are better than narrow band indices in chlorophyll prediction, respectively (R2cv = 0.79 and RRMSEcv = 0.21). In a nutshell this study showed that multivariate calibration techniques increase the accuracy of predicting chlorophyll content in Pistachio leaves comparing to univariate techniques. Also first derivative transformation would increase the accuracy of predicted parameters compared to reflectance values. The results highlight the benefits of using hyperspectral measurements in assessing the biochemical parameters of Pistachios trees and therefore are recommended for analysis of health and growth status of agricultural products. برگ درختان پسته, کلروفیل, طیف سنجی فراطیفی, شاخص های گیاهی باریک باند, مدل PLSR, مدل SMLR Hyperspectral, Pistachio leaves, Chlorophyll, Partial Least Squares Regression, Stepwise Multiple Linear Regression, Narrow band vegetation index 167 177 http://jgst.issgeac.ir/browse.php?a_code=A-10-25-56&slc_lang=fa&sid=1 D. Panahi داود پناهی بروجنی panahi.davoud@gmail.com 10031947532846001688 10031947532846001688 Yes گروه سنجش از دور- دانشگاه تحصیلات تکمیلی صنعتی و فناوری پیشرفته کرمان A. Esmaili علی اسماعیلی aliesmaeily@kgut.ac.ir 10031947532846001689 10031947532846001689 No گروه سنجش از دور- دانشگاه تحصیلات تکمیلی صنعتی و فناوری پیشرفته کرمان R. Darvishzadeh روشنک درویش زاده r_darvish@sbu.ac.ir 10031947532846001690 10031947532846001690 No گروه کارتوگرافی- دانشکده جغرافیا - دانشگاه تهران F. Naseri فرزین ناصری naseri@kgut.ac.ir 10031947532846001691 10031947532846001691 No گروه سنجش از دور- دانشگاه تحصیلات تکمیلی صنعتی و فناوری پیشرفته کرمان