ارزیابی پتانسیل تصاویر ماهواره ای چندطیفی سنتینل-۲ برای شناسایی هجوم آفت زنجرک در مناطق کشت نخل خرما

زنجرک خرما با تضعیف درختان خرما و کاهش تولید میوه، کشاورزی در خاورمیانه را تهدید می کند. شناسایی محل آلودگی برای کنترل موثر آفات بسیار مهم است. با این حال، بازرسی منظم میدانی می تواند پرهزینه، دشوار و زمان بر باشد، به خصوص در مناطق وسیع. این مطالعه توانایی تصاویر ماهواره ای چندطیفی سنتینل-۲ را برای شناسایی مکان های هجوم زنجرک خرما برای بهبود نظارت و فعال کردن کنترل فوری آفات، در نتیجه کاهش خسارات مالی، ارزیابی می کند. آزمایش صحرایی برای ارزیابی آلودگی در اردیبهشت ۱۴۰۲ همزمان با اوج شیوع آفت انجام شد. شدت آلودگی از طریق شمارش آفات در نخلستان های منطقه شهری بم تعیین شد. تصاویر چندطیفی سنتینل-۲ از یک منطقه خاص به دست آمد، برای تصحیح، آماده سازی داده های خام و استخراج اطلاعات پردازش شد. پس از مرحله پیش پردازش، مدل طبقه بندی کننده K-Nearest Neighbor مبتنی بر درخت KD برای توسعه مدلی با تمرکز بر شناسایی مکان های آلوده انتخاب شد. برای آموزش، ۷۰ درصد از داده های میدانی اندازه گیری شده، شامل مناطق غیرآلوده و مناطق با سه سطح آلودگی از سبک تا شدید و همچنین سایر ویژگی های زمین مانند ساختمان ها، جاده ها و غیره استفاده شد. ۳۰ درصد باقی مانده داده ها برای ارزیابی مدل آموزش دیده استفاده شد. مدل طبقه بند آموزش دیده در مقایسه با داده های حقیقت پایه، در حدود ۸۳ درصد پیش بینی های درست را با مجموعه داده آزمایشی به دست آورد. این دقت، توانایی تصاویر چندطیفی سنتینل-۲ و یادگیری ماشینی را برای شناسایی هجوم حشرات به زنجرک خرما در نخلستان ها برجسته می کند و می تواند مدیریت هدفمند و پایدار آفات را تسهیل کند.

کلیدواژه ها:

بازرسی های میدانی ، سنجش از دور ، مدل طبقه بندی ، میوه خرما