مدلسازی عملکرد محصول نیشکر با استفاده از تصاویر ماهواره ای لندست 8 و یک مدل ترکیبی مبتنی بر داده های سنجش از دور
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 632
فایل این مقاله در 19 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
AFPICONF04_119
تاریخ نمایه سازی: 18 تیر 1396
چکیده مقاله:
سیاست گذاران و مدیران، برای تدبیر استراتژی های مناسب مدیریتی، شامل قیمت محصول و بازار محصولات چه در امر واردات و چه در امر صادرات، نیاز به اطلاعاتی در مورد عملکرد حاصله از محصولات کشاورزی درمقیاس های مختلف دارند، اما تخمین میزان عملکرد با توجه به عدم اطلاعات کافی زمینی و مشکلات موجود امری بسیار سخت و هزینهبر بوده است. مناسبترین راهکار، استفاده از داده های ماهواره ای و تکنیک سنجش از دور میباشد. در این پژوهش یک مدل ترکیبی برای برآورد حجم محصول نیشکر شامل مدل مانتیث، مدل استنفورد و الگوریتم سبال استفاده شد. نقشهی عملکرد محصول از اجرای این الگوریتم در سال 1392 و با بکارگیری 10 تصویر ماهوارهای لندست هشت بدست آمد. میزان عملکرد برآورد شده با این مدل ترکیبی، 2 همبستگی و پراکنش خوبی با عملکرد واقعی مزارع نشان داد (83/0 =R .(سپس تاثیرات سن و رقم بر میزان دقت مدل در برآورد عملکرد نیشکر مورد بررسی قرار گرفت. مشخص شد از بین رقم های مختلف، مقادیر عملکرد محاسبه شده در مزارع تحت کشت رقم 614-CP57 به علت زودرس بودن و تطابق بهتر با آخرین تصویر، همبستگی بالاتری با مقادیر واقعی عملکرد دارد. همچنین مشاهده شد با افزایش سن های مختلف نیشکر از کشت تا بازرویی چهارم هم عملکرد کاهش یافته و هم میزان عمکرد برآورد شده، همبستگی و پراکنش کمتری نسبت عملکرد واقعی نیشکر پیدا می کند و مقدار همبستگی تا 51/0 کاهش می یابد.
کلیدواژه ها:
نویسندگان
محمدمهدی ولاشجردی
دانشجوی کارشناسی ارشد مهندسی منابع آب دانشگاه ملایر
سعید حمزه
استادیار گروه سنجش از دور و - GIS ، دانشکده جغرافیا، دانشگاه تهران
مه نوش مقدسی
استادیار گروه مهندسی آب، دانشکده کشاورزی، دانشگاه اراک
علی شینی دشتگل
رییس اداره آبیاری و زهکشی، موسسه تحقیقات و آموزش نیشکر، شرکت توسعه نیشکر و صنایع جانبی
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :