• عنوان

    آشكارسازي و طبقه‌بندي محصولات زراعي با استفاده از سري زماني تصاوير سنتينل 2 در شهرستان مباركه، استان اصفهان

  • نويسنده اصلي

    محمدي‌مباركه، زهرا

  • محل تحصيل
    اصفهان : دانشگاه صنعتي اصفهان
  • رشته تحصيلي
    منابع طبيعي
  • مقطع تحصيلي
    كارشناسي ارشد
  • چكيده
    نقشه‌برداري به‌‌هنگام و دقيق محصولات كشاورزي يكي از مهم‌ترين مولفه‌ها جهت مديريت و تصميم‌گيري براي حمايت از امنيت غذايي و توسعه پايدار است. اين مطالعه به طبقه‌بندي محصولات مختلف زراعي در شهرستان مباركه پرداخته است. به منظور عمليات ميداني و تهيه تصاوير ابتدا تقويم رويشي محصولات مختلف براي منطقه مطالعه جمع‌آوري شد. براي طبقه‌بندي و آشكارسازي فنولوژي رشد محصولات سري زماني تصاوير سنتينل 2 از تاريخ 1 مهر 1401 تا 15 مهر 1402 تهيه گرديد و بر اساس باندها و شاخص‌هاي تاثيرگذار فنولوژي رشد محصولات آشكارسازي شد. در مطالعه حاضر از باند قرمز، باند مادون قرمز نزديك، شاخص نرمال‌شده تفاوت پوشش گياهي و شاخص سبزي براي طبقه¬بندي محصولات زراعي استفاده شد. همچنين پيش از انجام مدلسازي، از يك روش نوين به نام نقشه‌هاي خودسازمان‌يافته يا SOM براي ارزيابي و بهبود كيفيت داده‌هاي سري زماني تصاوير ماهواره‌اي استفاده شد. بر اين اساس تعلق نمونه¬هاي تعليمي به هر يك از خوشه¬هاي شناسايي شده مورد ارزيابي قرار گرفته و نمونه‌هاي نويزي و داراي خطا كه در هيچ يك از خوشه¬هاي SOM قرار نمي¬گيرند به عنوان نقاط پرت در نظر گرفته مي‌شوند. پس از حذف نقاط نويزي طبقه‌بندي تصاوير به صورت سري زماني و با استفاده از روش‌هاي جنگل تصادفي، گراديان تقويت‌شده، ماشين بردار پشتيبان و شبكه عصبي كانولوشنال زماني براي داده‌هاي قبل از كنترل كيفيت و بعد از كنترل كيفيت انجام شد. نتايج نشان داد صحت كلي و ضريب كاپا در داده‌هاي بعد از كنترل كيفيت بهبود قابل توجهي يافته است. به¬طور كلي روش‌هاي جنگل تصادفي و شبكه عصبي كانولوشنال زماني عملكرد پيش¬بيني و مدلسازي بالاتري در مقايسه با روش‌هاي گراديان تقويت‌شده و ماشين بردار پشتيبان ارائه كردند. صحت كلي براي روش‌هاي جنگل تصادفي، گراديان تقويت‌شده، ماشين بردار پشتيبان و شبكه عصبي كانولوشنال زماني به ترتيب براي داده‌هاي قبل از كنترل كيفيت 91/0، 87/0، 83/0 و 91/0 مي‌باشد و براي داده‌هاي بعد از كنترل كيفيت به ترتيب 96/0، 94/0، 89/0 و 95/0 به دست آمد. مدل‌هاي جنگل تصادفي و شبكه عصبي كانولوشنال زماني در داده‌هاي بعد از كنترل كيفيت بهترين عملكرد را از بين مدل‌هاي مورد مطالعه ارائه مي‌دهند. لذا از اين دو روش براي بررسي سطح زير كشت اراضي كشاورزي استفاده شد. سطح زير كشت محاسبه شده با آمارهاي جهاد كشاورزي مقايسه شد. با توجه به اينكه آمار بدست آمده از انطباق بالايي برخوردار بود رويكرد استفاده شده در اين پژوهش مي‌تواند به عنوان يك ابزار كاربردي براي پژوهش‌ و برنامه‌ريزي سيماي سرزمين مورد توجه قرار گيرد.
  • شماره ركورد
    226262
  • گرايش رشته تحصيلي
    ارزيابي و آمايش سرزمين
  • دانشكده
    مهندسي منابع طبيعي
  • دانشگاه
    دانشگاه صنعتي اصفهان