برآورد سطح زیر کشت گندم (Triticum aestivum L.) با استفاده از تصاویر ماهواره ای سنتینل-۲ (مطالعه موردی: شهرستان شوشتر)

سال انتشار: 1403
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 59

فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_AGRO-26-3_003

تاریخ نمایه سازی: 17 فروردین 1404

چکیده مقاله:

داشتن آمار و اطلاعات به روز از سطح زیر کشت محصولات کشاورزی یک ضرورت در طراحی الگوی کشت، مدیریت منابع آب و ارزیابی اثرات زیست محیطی ناشی از آن است و در این رابطه سنجش از دور یک ابزاری سودمند محسوب می شود. در این تحقیق سطح زیر کشت گندم در شهرستان شوشتر استان خوزستان با استفاده از تصاویر ماهواره­ای سنتینل-۲ برآورد شد. به منظور شناسایی مزارع گندم، سری زمانی شاخص تفاضل پوشش گیاهی نرمال شده منطبق با فنولوژی گیاه گندم در منطقه، محاسبه شد و مبنای تهیه نمونه­های تعلیمی قرار گرفت. در ادامه از دو روش طبقه بندی حداکثر احتمال و ماشین بردار پشتیبان برای طبقه بندی تصاویر و تفکیک مزارع گندم استفاده شد. نتایج ارزیابی صحت نشان داد که روش ماشین بردار پشتیبان با دقت کلی ۵/۹۸ و ضریب کاپای ۵/۹۶ دقت بالاتری نسبت به روش حداکثر احتمال داشته و به عنوان مبنای محاسبه مساحت مزارع گندم قرار گرفت. نتایج نشان داد که مساحت اراضی زیر کشت گندم ۴۸۲۳۳ هکتار به دست آمد که تفاوت اندکی با برآوردهای موجود داشت. بر اساس نتایج این تحقیق می­توان اظهار کرد که استفاده از روش سری زمانی شاخص تفاضل پوشش گیاهی نرمال شده در ترکیب با روش طبقهبندی ماشین بردار پشتیبان، امکان محاسبه سریع و دقیق سطح زیر کشت گندم را فراهم کرده و می توان از این روش برای سایر محصولات کشاورزی و برنامه­ریزی الگوی کشت در منطقه استفاده نمود.

کلیدواژه ها:

Maximum likelihood ، NDVI ، Support vector machine ، Training samples and Wheat ، حداکثر احتمال ، سری های زمانی ، شاخص NDVI ، گندم و ماشین بردار پشتیبان

نویسندگان

فاطمه مدیری

Agricultural Sciences and Natural Resources University of Khuzestan, Mollasani, Iran

محمد معظمی

Agricultural Sciences and Natural Resources University of Khuzestan, Mollasani, Iran

کامران الماسیه

Agricultural Sciences and Natural Resources University of Khuzestan, Mollasani, Iran

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 :
  • Abiyat, M., Amanpour, S., Abiyat, M., and Abiyat, M. ۲۰۲۲. ...
  • Najafi, A., Azizi Ghalati, S., and Mokhtari, M.H. ۲۰۱۷. Assessment ...
  • نمایش کامل مراجع