مدیریت دقیقتر و بهتر کشاورزی سنتی به کمک طبقه بندی زیرپیکسلی

امروزه برای برآوردهای کلان کشاورزی در غالب کشورها از تصاویر سنجش از دور ماهواره ای استفاده می شود و در همین راستا برآورد نوع کشت اراضی زراعی در سطح کلان بسیار حائز اهمیت است . تعیین دقیقتر وضعیت و سطح زیر کشت برای اراضی با کشت سنتی اهمیت بیشتری دارد، چرا که این زمینها غا ل باً دارای سطوح کم بوده و صاحبان آنها مطابق با برنامه زمانبندی یا تقویم زراعی به کشت نمی پردازند . لذا مدیریت منابع در این زمینه با مشکل مواجه می شود . بمنظور ارزیابی کلان، استفاده از فناوری سنجش از دور کمک شایانی به این بخش می کند . مطمئنترین و رایجترین شیوه استخراج اطلاعات از تصاویر سنجش از دور طبقه بندی تصویر است . استفاده از تمایز مشخصات طیفی پوششها و عوارض مختلف، امکان طبقه بندی تصویر را برای کاربران فراهم می سازد . به جهت آنکه غالب کشاورزی در کشور ما، بصورت کشت سنّتی می باشد و کشاورزی صنعتی جایگاه محدودی دارد، برآوردهای اقتصادی کشاورزی نیاز به مطالعات سریع و دقیق دارد . انجام چنین مطالعاتی بجز از طریق روشهای سنجش از دور، امکانپذیر نمی باشد . بهترین شیوه استخراج اطلاعات از تصاویر سنجش از دور، روش طبقه بندی تصویر می باشد . برای این منظور، روشهای طبقه بندی پیکسلی که هرکدام از پیکسلهای تصویر را صر فاً در یک کلاس طبقه بندی می کنند، از دقت کمی برخوردار هستند . حال آنکه استفاده از روشهای تجزیه اختلاط طیفی که منجر به طبقه بندی زیرپیکسلی تصویر می باشند، دارای دقت بسیار بالاتری هستند . در این مقاله، ضمن ارائه نتایج بکارگیری سه روش طبقه بندی زیرپیکسلی، میزان دقت این نوع طبقه بندی با روش متداول طبقه بندی تصویر، مقایسه می گردد .

کلیدواژه ها:

تجزیه اختلاط طیفی ، تجزیه خطی اختلاط طیفی ، تصاویر ماهواره ای ، شبکه های عصبی ، طبقه بندی زیرپیکسلی ، فازی ، کشاورزی