برآورد سطح باغات میوه با استفاده از تصاویر سری زمانی سنتینل ۱ و سنتینل ۲ در سامانه گوگل ارث انجین (مطالعه موردی: شهرستان مراغه،آذربایجان شرقی)

برآورد سطح زیرکشت محصولات کشاورزی مبتنی بر سنجش از دور علی رغم دقت بالا، به هنگام بودن و مقیاس پذیری، چالش های فراوانی نیز دارد. استفاده از داده های چند طیفی و چند زمانه بر اساس فنولوژی محصولات موجب افزایش دقت در برآورد سطح زیر کشت می گردد. به کار بردن الگوریتم های یادگیری ماشین و یادگیری عمیق در این زمینه نیز دقت شناسایی را تا حد خوبی افزایش می دهند. در این مطالعه سعی شد تا با به کارگیری الگوریتم های شبکه عصبی کانوولوشنی و جنگل تصادفی نقشه ی دقیقی از سطح زیر کشت باغات بدست آید. در نتیجه این مطالعه، الگوریتم جنگل تصادفی با دقت کلی ۹۳% و ضریب کاپا ۰.۸۲ نسبت به الگوریتم شبکه عصبی کانوولوشنی که دقت کلی و ضریب کاپا آن به ترتیب ۸۹% و ۰.۷۷ بدست آمد، نتیجه بهتر و دقیق تری حاصل نمود.

کلیدواژه ها:

سطح زیر کشت ، نقشه باغات ، یادگیری عمیق ، یادگیری ماشین