برآوردتغییرات سطح زیرکشت گندم و سویا با استفاده از طبقه بندی تصاویر ماهواره ای در غرب استان گلستان
سال انتشار: 1397
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 328
فایل این مقاله در 24 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_AREOAJ-31-3_003
تاریخ نمایه سازی: 30 بهمن 1400
چکیده مقاله:
برآورد سطح زیر کشت بر اساس شاخصهای جنبی از جمله میزان بذر، کود و سم تحویلشده به کشاورزان و همچنین برآوردهای شرکتهای مشاور کنترل میگردد که کاری زمان بر و پر هزینه می باشد. بنابراین این مطالعه با هدف برآورد سطح زیر کشت دو محصول گندم و سویا در طی سالهای ۲۰۰۰ تا ۲۰۱۶ با استفاده از تصاویر ماهواره لندست انجام شد. بعد از پیش پردازش و پردازش های لازم، و تهیه نمونه های تعلیمی مناسب از مزارع کشت سویا و گندم، طبقه بندی تصاویر با استفاده از دو روش طبقهبندی شبکه عصبی مصنوعی و ماشین بردار پشتیبان انجام شد و جهت طبقهبندی با هدف تفکیک این دو محصول زراعی دادههای واقعیت زمینی، نقشه NDVI اراضی زراعی و شناسایی رفتار طیفی نقاط آموزشی گندم و سویا بکار برده شدند. نقشه های حاصل از طبقه بندی با استفاده از نقاط واقعیت زمینی مورد ارزیابی صحت قرار گرفتند. با توجه به نتایج بهدستآمده از بررسی ضریب کاپا و صحت کلی، روش ماشینبردار پشتیبان برای طبقه بندی اراضی کشاورزی و تفکیک محصولات نسبت به روش شبکه عصبی موفق تر بود و در همه تصاویر مقدار صحت کلی محاسبهشده و ضریب کاپا به ترتیب بیشتر از ۸۰٪ و بیش از ۸/۰میباشد که این نشان دهنده قابلاعتماد بودن نتایج طبقهبندیاست. طبق نتایج، حدود ۹۳ درصد از نقاط برآورد شده سطح زیرکشت گندم و سویا در طی ۱۶ سال مورد مطالعه در محدوده حدود اطمینان ۱۵± درصد قرار دارند که نشان میدهد این روش، روش مطمئنی برای تفکیک این دو محصول با استفاده از تصاویر اردیبهشتماه (برای گندم) و شهریورماه (برای سویا) میباشد.
کلیدواژه ها:
نویسندگان
پریسا علی زاده
گروه زراعت، دانشکده تولید گیاهی، دانشگاه علوم کشاورزی و منابع طبیعی گرگان
بهنام کامکار
دانشگاه علوم کشاورزی و منابع طبیعی گرگان
شعبان شتایی
دانشگاه علوم کشاورزی و منابع طبیعی گرگان
حسین کاظمی
دانشگاه علوم کشاورزی و منابع طبیعی گرگان
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 :