مروری بر ایجاد نقشه نوع کشت محصولات زراعی از طریق سنجش از دور

آگاهی از نوع محصول و تخمین وسعت سطح زیر کشت وابسته به تهیه نقشه نوع کشت محصولات زراعی است که این امر منجر به مدیریت پایدار کشاورزی و تضمین امنیت غذایی می شود. در سال های اخیر برای افزایش دقت و شناسایی و تفکیک محصولات از سنسورهای ماهواره ای با قدرت تفکیک طیفی و زمانی بالا و همچنین طبقه بندی داده ها از طریق الگوریتم های یادگیری ماشین و یادگیری عمیق استفاده می شود. هدف از این مطالعه مرور پژوهش های انجام شده در زمینه تهیه نقشه نوع کشت محصولات زراعی با استفاده از تصاویر ماهواره ای طی سال های ۲۰۱۱ تا ۲۰۲۵ است. در این پژوهش سنسورهای پرکاربرد، چالش های موجود، روش های طبقه بندی و شاخص های طیفی مورد بررسی قرار گرفته است. نتایج نشان داد مهم ترین منابع داده ها شامل تصاویر Landsat-۸، Sentinel-۲، Sentinel-۱ می شود و همچنین استفاده از الگوریتم ها به ویژه الگوریتم جنگل تصادفی (RF)، الگوریتم ماشین بردار پشتیبان (SVM) و شبکه عصبی پیچشی (CNN) که یکی از پرکاربردترین روش های طبقه بندی محصولات زراعی محسوب می شوند. همچنین بهره گیری از تصاویر چندزمانه نسبت به تصاویر تک زمانه و تلفیق داده های اپتیکی و رادار موجب افزایش دقت در تهیه نقشه نوع کشت شده است.

کلیدواژه ها:

تهیه نقشه نوع کشت ، سنجش از دور ، Sentinel-۱/۲ ، یادگیری ماشین