تعین سطح زیر کشت اراضی برنج با بکارگیری روش یادگیری ماشین و با استفاده همزمان از تصاویر ماهواره ای اپتیک و رادار با روزنه مجازی

برنج به عنوان یکی از محصولات اصلی کشاورزی در ایران و بسیاری از کشورهای جهان، نقش حیاتی در تامین امنیت غذایی ایفا می کند. تخمین دقیق سطح زیر کشت برنج، به ویژه در مناطق با شرایط اقلیمی خاص مانند شمال ایران، به دلیل نیاز به مدیریت منابع آبی و برنامه ریزی های کشاورزی، از اهمیت ویژه ای برخوردار است. روش های سنتی تخمین محصول اغلب به زمان، هزینه و نیروی انسانی زیادی نیاز دارند، در حالی که استفاده از فناوری های سنجش از دور و مدل های هوش مصنوعی می تواند دقت و سرعت پیش بینی را بهبود بخشد. در این مطالعه، به منظور تخمین سطح زیر کشت محصول برنج در شهرستان بابل واقع در استان مازندران در سال ۲۰۲۲، از تصاویر سری زمانی سنتینل ۲ و شبکه یادگیری عمیق U-Net از خانواده مدل های یادگیری عمیق شبکه های عصبی پیچشی (CNN) استفاده شده است. نتایج نشان می دهند که استفاده از شبکه های U-Net عملکرد عالی بر روی اراضی برنج داشته و منجر به دقت کلی ۹۶.۳۴۷ درصد و F۱-Score معادل ۰.۹۵۷ شده است که نشان دهنده عملکرد خوب این مدل در این منطقه می باشد. این رویکرد می تواند به کشاورزان و سیاست گذاران در اتخاذ تصمیمات بهینه در زمینه برنامه ریزی کشاورزی و مدیریت منابع طبیعی کمک کند.

کلیدواژه ها:

برنج ، کشاورزی ، سنجش از دور ، داده های اپتیکی ، یادگیری عمیق ، شبکه های عصبی پیچشی ، مدیریت منابع