تعیین سطح زیرکشت محصولات کشاورزی در استان فارس با استفاده از سنجش از دور و هوش مصنوعی

تعیین سطح زیر کشت محصولات کشاورزی با استفاده از سنجش از دور و پردازش داده های ماهواره ای، روشی کارآمد و بهینه برای مدیریت منابع کشاورزی، برنامه ریزی تولید و نظارت بر تغییرات کاربری اراضی محسوب می شود. در این پژوهش، از سامانه گوگل ارث انجین (GEE) به عنوان یک بستر پردازش ابری قدرتمند برای تحلیل داده های سنجش از دوری و استخراج اطلاعات سطح زیر کشت استفاده شده است. این تحقیق به بررسی اعتبار سنجی نمونه های تعلیمی کشاورزی، تحلیل داده های ماهواره ای، و به کارگیری الگوریتم های یادگیری ماشین Random Forest برای طبقه بندی و تفکیک دقیق کشت های مختلف در استان فارس در سال زراعی ۱۴۰۲_ ۱۴۰۳پرداخته است. در ابتدا،بیش از ۱۵۰۰۰ نمونه های تعلیمی از ۱۰شهرستان استان فارس جمع آوری شده (۲ شهرستان برای کشت صیفی و ۸ شهرستان جهت کشت شتوی) است. سپس تصاویر ماهواره ای سنتینل ۲ و سنتینل ۱ و شاخص های مختلف مانند NDVI، NDBI، MNDWI، BSI، SAVI، EVI و LAI برای افزایش دقت تفکیک کشت ها و کاربریها مورد استفاده قرار گرفتند. الگوریتم های یادگیری ماشین، به ویژه الگوریتم Random Forest، برای طبقه بندی و تعیین مساحت زیرکشت ها به کار گرفته شده است. با مقایسه نتایج این تحقیق با گزارش آمار کشت محصولات زراعی سازمان جهاد کشاورزی استان فارس وضریب کاپا بیش از ۸۹/۰ تا ۹۸/۰ برای شهرستانهای مختلف نشان داد، داده های ماهواره ای و الگوریتم طبقه بندی نظارت شده Random Forest در سامانه GEE، روشی موثر و دقیق برای تعیین سطح زیرکشت در استان فارس است واستفاده از این روش ها می تواند به عنوان یک ابزار کارآمد برای مدیریت منابع کشاورزی و برنامه ریزی برای توسعه پایدار کشاورزی در این استان به کار رود.

کلیدواژه ها:

سنجش از دور ، یادگیری ماشین ، سنتینل ۲ ، هوش مصنوعی