پایش ازت و رطوبت غلاف برگ نیشکر با استفاده از تصاویر ماهواره ای و هوش مصنوعی (مطالعه موردی : کشت و صنعت نیشکر امیرکبیر)
- سال انتشار: 1403
- محل انتشار: مهندسی آبیاری و آب ایران، دوره: 15، شماره: 2
- کد COI اختصاصی: JR_WATER-15-2_003
- زبان مقاله: فارسی
- تعداد مشاهده: 47
نویسندگان
دانشجوی دکتری، گروه آبیاری و زهکشی، دانشکده مهندسی آب و محیطزیست، دانشگاه شهید چمران اهواز، اهواز، ایران
دانشجوی دکتری، گروه آبیاری و زهکشی، دانشکده مهندسی آب و محیطزیست، دانشگاه شهید چمران اهواز، اهواز، ایران
استاد، گروه آبیاری و زهکشی، دانشکده مهندسی آب و محیطزیست، دانشگاه شهید چمران اهواز، اهواز، ایران
چکیده
برای ارزیابی میزان ازت و رطوبت غلاف برگ نیشکر با استفاده از سنجش از دور و مدلهای هوش مصنوعی، از سه مدل رگرسیون بردار پشتیبان (SVR)، جنگل تصادفی (RF) و شبکه عصبی مصنوعی (ANN) استفاده و از شاخصهای گیاهی و تکباندهای ماهواره سنتینل۲ بهعنوان ورودی هر یک از مدلها استفاده گردید. تحلیل حساسیت کلیه پارامترهای ورودی برای شبیه سازی مقادیر ازت و رطوبت غلاف برگ،با استفاده از همبستگی پیرسون انجام و تنها آن دسته از فاکتورهایی که تاثیر بیشتری بر ازت یا رطوبت غلاف برگ داشتند، در نظر گرفته شد. نتایج نشان داد، در شبیهسازی ازت برگ، تکباندهای B۲، B۳ ،B۴ ،B۵ ،B۶ ،B۷ ،B۱۱ ، B۱۲ و شاخص گیاهی NDVI و در شبیهسازی رطوبت غلاف برگ باندهای B۲، B۳ ،B۴ ،B۵ ،B۶ ،B۷ ،B۱۱ ، B۱۲و شاخصهای گیاهی NDVI،NDMI و LAI اهمیت بیشتری دارند و بهعنوان ورودی مدلها در نظر گرفته شدند. همچنین از میان مدلها، مدل جنگل تصادفی(RF) در شبیه سازی ازت با R۲ برابر با ۸۸/۰، RMSE برابر با ۰۶/۰ و rMBE برابر با ۱۹/۰ در مرحله آموزش و R۲ معادل ۹۳/۰، RMSE معادل ۰۵/۰ و rMBE برابر با ۶۶/۰- در مرحله صحت سنجی و رطوبت غلاف برگ با R۲ برابر با ۸۸/۰، RMSE برابر با ۷۱/۰ و rMBE برابر با ۰۹/۰ در مرحله آموزش و R۲ معادل ۹۲/۰، RMSE معادل ۵۹/۰ و rMBE برابر با ۰۷/۰- از عملکرد بهتری در شبیه سازی برخوردار بود. نتایج نشان داد کاربرد ترکیبی شاخص های گیاهی، باندهای ماهواره سنتینل۲ و مدلهای هوش مصنوعی برآورد قابل قبولی از میزان ازت و رطوبت غلاف برگ به دست میدهد.کلیدواژه ها
سنجش از دور, سنتینل ۲, شاخص گیاهی, نظارت محصولاطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.