ادغام سری زمانی تصاویر سنتینل- ۱ و لندست- ۸ با استفاده از شبکه ی خودرمز نگار برای طبقه بندی محصولات کشاورزی

نقشه برداری محصولات زارعی با استفاده از فناوری سنجش از دور ازاهمیت اقتصادی بالایی برخوردار میباشد. با توجه به رشد جمعیت وپیامدهای چند برابری تولید جهانی غذا، داده های کشاو رزی دقیق ومورد اعتماد از اهمیت بسزایی برخوردار است. همچنین، پایش و نقشهبرداری محصولات زراعی، نقش مهمی در برنامه ریزی های کشاورزیدارد. امروزه مدیریت هوشمند مزارعی همچون گندم، ذرت و سورگومبا فناوری سنجش از دور و بکارگیری الگوریتم های یادگیری عمیقبهبود یافته است. در این مطالعه، به منظور تفکیک یا دقت بالایکلاس گندم، ذرت و سورگرام از سایر کلاس ها در بخشی از ایالاتمتحده آمریکا در تصاویر سری زمانی لندست- ۸ و سنتینل- ۱ در سال۲۰۲۱ ، از شبکه یادگیری عمیق خودرمز نگار استفاده شده است .نتایج پژوهش حاضر نشان داد، که استفاده از تلفیق تصاویر نوری وراداری نسبت به استفاده مجزا از آنها در شبکه مورد نظر ، منجر بهتفکیک دقیق تر محصولات زراعی فوق شد. در کل، استفاده از رویکردپیشنهادی منجر به دقت کلی ۹۵/۴۳ درصد و ضریب کاپای ۸۴/۹۱درصد شده است که با توجه به استفاده از نقشه زراعی دقیق به عنوانداده های ارزیابی از منطقه مورد مطالعه، میتوان از آن به عنوان یکروش عملی و دقیق به منظور تفکیک محصولات فوق الذکر در کشورایران به استفاده کرد.

کلیدواژه ها:

تصاویر لندست - ۸ ، تصاویر سنتینل - ۱ ، کشاورزی ، یادگیری عمیق