تعیین بهترین الگوریتم طبقهبندی بهمنظور تخمین سطح زیر کشت نخیلات با استفاده از تصاویر ماهواره لندست 8
محل انتشار: دوفصلنامه ماشین های کشاورزی، دوره: 9، شماره: 2
سال انتشار: 1398
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 257
فایل این مقاله در 15 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JAM-9-2_006
تاریخ نمایه سازی: 6 دی 1399
چکیده مقاله:
محصول خرما یکی از ارزشمندترین محصولات باغبانی در ایران بهشمار میآید که 16% کل صادرات جهانی را شامل میشود. استان کرمان دومین رتبه در سطح زیر کشت خرما در ایران را دارا است. به همین منظور تعیین سطح زیر کشت خرما اهمیت پیدا کرده است. برخی از سازمانها برای تعیین سطح زیر کشت از سرشماری استفاده میکنند که معایب آن هزینه بالا و اتلاف وقت و نیاز به نیروی انسانی زیاد برای پوششدهی کل کشور است. هدف از این تحقیق سنجش توانایی ماهواره لندست 8 با سنجده OLI در شناسایی و تعیین سطح زیر کشت نخلستانها است. برای پی بردن به بهترین روش برای شناسایی نخلستانها چهار روش طبقهبندی نظارتشده Maximum Likelihood Classifier (MLC), Support Vector Machines (SVM), Neural Network (NN), Mahalanobis Distance Classifier (MDC) و یک روش طبقهبندی نظارتنشده (K-Means) مورد ارزیابی قرار گرفت. نتایج طبقهبندیها نشان داد که دقت کلی طبقهبندی10/99 % (ضریب کاپا 98/0) با استفاده از NN، 77/98 % (ضریب کاپا 975/0) با استفاده از MLC، 66/98 % (ضریب کاپا 973/0) با استفاده از SVM، 52/98 % (ضریب کاپا 97/0) با استفاده از MDC و 52/66 % ( ضریب کاپا 31/0) با استفاده از K-Means است. خطای تخمین مساحت نخیلات با استفاده از ( RMSE) در روش NN (0)، در روش MLC (2/0)، در روش MDC (06/0)، در روش SVM (0) و در روش K-Means (0) محاسبه شد. پس از تحلیلدادهها بهترین روش طبقهبندی برای شناسایی نخلستانها روش NN شناخته شد. در پژوهش حاضر، با بررسی انجامشده بر رویدادهها در ماتریس آشفتگی مشخص شد که SVM قدرت بالاتری برای شناسایی نخلستان با تشخیص 100% سامانه (تولیدکننده) نسبت به MLC را داشت و همچنین K-Means نیز میتواند نخلستان خرما را شناسایی کند اما مناطقی که به رنگ قهوهای تیره هستند را نیز بهعنوان نخلستان شناسایی کرده است. در مجموع میتوان گفت هر چهار روش طبقهبندی نظارتشده با دقت قابل قبولی میتوانند نخلستان را شناسایی کنند.
کلیدواژه ها:
نویسندگان
سحر رهنما
دانشگاه شهید باهنر کرمان
محمد مهدی مهارلویی
دانشگاه شهید باهنر کرمان
محمدعلی رستمی
سازمان تحقیقات، آموزش و ترویج کشاورزی، کرمان
حسین مقصودی
دانشگاه شهید باهنر کرمان
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :