تفکیک اراضی زیر کشت برنج و سویا با استفاده از تصاویر ماهواره ای سنتینل 2 در الگوهای کاشت تابستانه جهت تحلیل تغییرات سطح زیر کشت دو محصول در چهار حوضه آبخیز استان گلستان

سال انتشار: 1398
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 601

فایل این مقاله در 17 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JWSC-26-1_008

تاریخ نمایه سازی: 11 آبان 1398

چکیده مقاله:

سابقه و هدف: مناسب بودن آب و هوای استان گلستان برای تولید اغلب محصولات کشاورزی باعث شده که این استان از نظر تولید محصولات زراعی دارای تنوع بالایی باشد، به طوری که این استان دارای رتبه های نخست از نظر سطح زیر کشت و تولید دانه های روغنی به خصوص سویا در کشور است. این تحقیق با هدف تخمین سطح زیر کشت برنج و سویا در سطح چهار حوضه آبخیز در استان گلستان برای اولین بار با استفاده از تصاویر ماهواره سنتینل 2 و با استفاده از روش های حداکثر احتمال، حداقل فاصله از میانگین و فاصله ماهالانوبی از زیرمجموعه روش طبقه بندی نظارت شده بود. مواد و روش ها: به منظور شناسایی، تفکیک و ارزیابی سطح زیر کشت دو محصول تابستانه برنج و سویا در سطح مورد مطالعه، از دو تصویر ماهواره سنتینل 2 مربوط به ماه های مرداد و شهریور سال1395 استفاده شد. این تحقیق در سطح 4 حوضه آبخیز زرین گل، محمد آباد، قره سو و قرن آباد از استان گستان انجام شد. برای این کار پس از دانلود تصاویر لازم از نظر زمانی و در سطح حوضه های مورد مطالعه اقدام به تصحیحات رادیومتریک، اتمسفری و هندسی روی تصاویر شد. پس از آن ترکیبات باندی، ترکیبات رنگی، موزاییک تصاویر و محاسبات باندی انجام شد و شاخص گیاهی NDVI جهت جداسازی پوشش های گیاهی از غیر پوشش و در نهایت نقشه کاربری اراضی و لایه زراعی تولید شد. جهت ارزیابی صحت نتایج طبقه بندی، نقشه تولید شده با نقاط واقعیت زمینی ثبت شده از طریق GPS مورد بررسی قرارگرفت. یافته ها: نتایج نشان داد که در سطح چهار حوضه، سطح زیر کشت برنج نسبت به سال های گذشته افزایش داشته که با توجه به مصرف بالای آب در این محصول در شرایط کنونی وضعیت آب استان می تواند بحران موجود را تشدید نماید. همچنین سطح زیر کشت محصول سویا که می تواند یک گیاه رقیب و جایگزین برای برنج باشد نسبت به سال های گذشته کاهش یافته است. نتایج نشان داد که با توجه به ضریب کاپا (Kappa Coefficient) و صحت کلی(Overall Accuracy) به ترتیب معادل 92 درصد و 5/95 درصد، روش طبقه بندی حداکثر احتمال به عنوان روش منتخب طبقه بندی در برنج انتخاب و سطح زیرکشت برنج تخمین زده شده در این روش معادل 32911 هکتار بود که در مقایسه با آمار جهاد کشاورزی ( هکتار27839) اریبی حدود 18 درصد داشت. همچنین جهت تخمین و برآورد سطح زیر کشت محصول سویا ضریب کاپا و صحت کلی روش طبقه بندی کمترین فاصله از میانگین با بالاترین دقت به ترتیب معادل 88 درصد و2/95 درصد و میزان سطح زیر کشت سویا در این روش 28359 هکتار تخمین زده شد که در مقایسه با آمار سازمان جهاد کشاورزی (25083 هکتار) اریبی حدود13 درصد داشت. نتیجه گیری: تصاویر ماهواره سنتینل 2 از قابلیت بالایی برای تفکیک سریع اراضی و تهیه نقشه انواع محصولات و تعیین سطح زیر کشت محصولات با دقت نسبتا مناسب در مقیاس منطقه ای برخوردار هستند. همچنین سطح زیر کشت برنج نسبت به سالهای قبل افزایش و سطح زیر کشت سویا نسبت به سالهای قبل کاهش یافته است.

نویسندگان

بهنام کامکار

دانشگاه علوم کشاورزی و منابع طبیعی گرگان

حسین کاظمی

دانشگاه علوم کشاورزی و منابع طبیعی گرگان

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 :
  • Ahmad, A., and Quegan, S. 2013. ...
  • Comparative analysis of supervised and ...
  • unsupervised classification on ...
  • multispectral data. Applied Mathematical ...
  • Sciences, 7: 74. 3681-3694. ...
  • Ahmadpour, A., Soleimani, K., Shokri, ...
  • M., and Qarbati, J. 2011 Comparison of ...
  • Three Commonly Used Supervisory ...
  • Classifications of Satellite Data in ...
  • Vegetation, Rem. Sens. Appl. Mag. GIS ...
  • Natur. Resour. J. 2: 2. 69-81. (In Persian) ...
  • Alipur, F., Aghkhani, M., Abbaspourfard, ...
  • M., and Sepehr, AS. 2014. Separation ...
  • of agricultural products by ETM+ ...
  • satellite images (Case study: Astan ...
  • Quds Razavi sample farm). Agric. ...
  • Machin. J. 4: 2. 244-254. (In Persian) ...
  • Allen, R.G., Tasumi, M., Trezza, R., ...
  • Waters, R., and Bastiaanssen, W. ...
  • 2. SEBAL (Surface Energy Balance ...
  • Algorithms for Land). Advance Training ...
  • and User s Manual-Idaho Implementation, ...
  • Bani Aghil, A.S., Rahemi Karizaki, A., ...
  • Bayatani, A., and Faramarzi, H. 2015. ...
  • Investigation of susceptible soybean ...
  • regions based on climate indicators in ...
  • Golestan province. J. Appl. Res. Plant ...
  • Ecophysiol. 2: 2. 19-32. (In Persian) ...
  • Bani Aghil, A.S., Rahimi Karizaki, A., ...
  • Bayatani, A., and Faramarzi, H. 2015. ...
  • Study of Soybean Susceptible Areas in ...
  • Golestan Province Based on Climatic ...
  • Indices. J. Appl. Veg. Eco Physiol. ...
  • Second Course Second Issue. Pp: 19-32. ...
  • Baret, F., and Guyot, G. 1991. Potentials ...
  • and limits of vegetation indices for LAI ...
  • and APAR assessment. Remote sensing ...
  • of environment. 35: 3. 161-173. ...
  • Firozinejad, M., Torahi, A., and ...
  • Abdolkhani, A. 2012. Comparison of ...
  • classification algorithms in land use ...
  • mapping (Case study: Woodlands of ...
  • Maroon in Behbahan). The First National ...
  • Conference on Sustainable Development ...
  • Strategies. Tehran. (In Persian) ...
  • Kamusoko, C., and Aniya, M. 2007. Land ...
  • use cover change and landscape ...
  • fragmentation analysis in the Bindura ...
  • District, Zimbabwe. Land degradation ...
  • and development. 18: 2. 221-233. ...
  • Kazemi, H., Tahmasebi Sarvestani, Z., ...
  • Kamkar, B., Shataee, Sh., and Sadeghi, ...
  • S. 2012. Agro ecological zoning of ...
  • agricultural lands in Golestan province ...
  • for canola cultivation by Geographic ...
  • Information System (GIS) and ...
  • Analytical Hierarchy Process (AHP). ...
  • Elec. J. Crop Prod. 5: 123-139. ...
  • Kazemi, H., Tahmasebi Sarvestani, Z., ...
  • Kamkar, B., Shataei, Sh., and Sadeghi, ...
  • S. 2013. Agro-ecological zoning of ...
  • Golestan province Lands for Soybean ...
  • cultivation using geographical information ...
  • system (GIS). J. Agr. Know Sustain. ...
  • Prod. 23: 4. 22-40. (In Persian) ...
  • Khajehpour, M.R. 2012. Industrial Plants. ...
  • Jihad University Press (Isfahan University ...
  • of Technology). 580p. (In Persian) ...
  • Khajehpour, M.R. 2009. Principles ...
  • and Fundamentals of Crop Production. ...
  • Third edition, Jihad University Press ...
  • Isfahan University of Technology). ...
  • Li, C., Wang, J., Wang, L., Hu, L., and ...
  • Gong, P. 2014. Comparison of ...
  • classification algorithms and training ...
  • sample sizes in urban land classification ...
  • with Landsat thematic mapper imagery. ...
  • Remote Sensing, 6: 2. 964-983. ...
  • Li, P., Jiang, L., and Feng, Z. 2013. ...
  • Cross-comparison of vegetation indices ...
  • derived from Landsat-7 enhanced ...
  • thematic mapper plus (ETM+) and ...
  • Landsat-8 operational land imager (OLI) ...
  • sensors. Remote Sensing. 6: 1. 310-329. ...
  • Marry L. McHugh. 2012. Interrater ...
  • reliability: the kappa statistic. Biochemia ...
  • Medica; 22: 3. 276-82. http://dx.doi.org/ ...
  • 11613/BM.2012.031. ...
  • Rahimzadegan, M., and Pourgholam, M. ...
  • 4. Identification of the area under ...
  • cultivation of Saffron using Landsat-8 ...
  • temporal satellite images (Case study: ...
  • Torbat Heydarieh). J. RS GIS Natur. ...
  • Resour. Seventh Year. 4: 115-97. ...
  • Rasouli, A.A. 2008. Principles of ...
  • applied remote sensing with emphasis ...
  • on satellite images processing, Tabriz ...
  • University Press. 806p. (In Persian) ...
  • Saadat, H., Adamowski, J., Bonnell, R., ...
  • Sharifi, F., Namdar, M., and ...
  • Ale-Ebrahim, S. 2011. Land use and ...
  • land cover classification over a large ...
  • area in Iran based on single date analysis ...
  • of satellite imagery. ISPRS J. ...
  • Photogram. Rem. Sens. 66: 5. 608-619. ...
  • Summary of Rural Land Conditions of ...
  • Golestan province in 2009-2010. ...
  • Mather, P., and Tso, B. 2009. Classification ...
  • methods for remotely sensed data, Second ...
  • Edition. CRC press. 376p. ...
  • Yousefi, S., Tazeh, M., Mirzaee, S., ...
  • Moradi, H.R., and Tavangar, S.H. 2011. ...
  • Comparison of different classification ...
  • algorithms in satellite imagery to produce ...
  • land use maps (Case study: Noor city). J. ...
  • Appl. RS GIS Techniq. Natur. Resour. ...
  • Sci. 2: 15-25. (In Persian) ...
  • Zhang, H., Li, Q., Liu, J., Shang, J., Du, ...
  • X., and Zhao, L., Wang, N., and Dong, ...
  • T. 2017. Crop classification and acreage ...
  • estimation in North Korea using ...
  • phenology features. GIS science and ...
  • Remote Sensing. 54: 3. 381-406. ...
  • Zeaiean Firouzabadi, P., Sayadbidhendi, ...
  • L., and Eskandarinoudeh, M. 2009. ...
  • Mapping and acreage estimation of rice ...
  • agricultural land using Radar satellite ...
  • images. Physical Geography Research ...
  • Quarterly. 68: 45-58. (In Persian) ...
  • Zobeiry, M., and Majd, A.R. 2008. ...
  • An introduction to remote sensing ...
  • technology and its application in natural ...
  • resources. Tehran University Press, ...
  • Seventh Book. 317p. (In Persian) ...
  • نمایش کامل مراجع