پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 418 |
| تعداد شماره‌ها | 9,997 |
| تعداد مقالات | 83,560 |
| تعداد مشاهده مقاله | 77,801,198 |
| تعداد دریافت فایل اصل مقاله | 54,843,855 |
بهبود دقت تفکیک سطوح زیرکشت محصولات کشاورزی با استفاده از ادغام تصاویر چند زمانه راداری و اپتیکی سنتینل و الگوریتم‌های یادگیری ماشین | ||
| سنجش‌ازدور و سامانه اطلاعات جغرافیایی در منابع طبیعی | ||
| مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 14 آذر 1401 | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.30495/girs.2022.697512 | ||
| نویسندگان | ||
| مصطفی کابلی زاده* 1؛ کاظم رنگزن1؛ خلیل حبشی2 | ||
| 1گروه سنجش از دور و GIS، دانشکده علوم زمین، دانشگاه شهید چمران اهواز | ||
| 2دانش آموخته کارشناسی ارشد بیابان زدایی، دانشکده منابع طبیعی، دانشگاه صنعتی اصهان | ||
| چکیده | ||
| برای رسیدن به امنیت آبی و غذایی پایش به‌هنگام، دقیق و با قابلیت تکرار پذیری سطوح زیر کشت لازم و ضروری است. در این راستا تحقیق حاضر با هدف ارزیابی قابلیت تلفیق تصاویر سنتینل1 و سنتینل2 جهت تفکیک سطوح زیر کشت گندم، کلزا، نخلستان‌ها و اراضی کشت تابستانه در منطقه شمال شرق اهواز انجام شد. برای رسیدن به هدف تحقیق، براساس داده‌های در دسترس سه گروه ترکیبات سری زمانی ایجاد شد. گروه اول شامل ترکیب سری زمانی سنتینل1و2 به همراه شاخص NDVI برای کل دوره مورد بررسی، گروه دوم ترکیبات سری زمانی سنتینل1 و2 براساس دوره اوج سبزینگی و گروه سوم ترکیبات از ترکیب تک تصاویر سنتینل1 و 2 در دوره اوج سبزینگی ایجاد شدند. سپس با استفاده از الگوریتم‌های یادگیری ماشین حداکثر احتمال و ماشین بردار پشتیبان اقدام به طبقه‌بندی تصاویر شد و نقشه‌های موضوعی سطوح زیر کشت به این ترتیب تهیه شد. درنهایت صحت نتایج بدست آمده با استفاده از شاخص‌های صحت کلی و ضریب کاپا ارزیابی شد. براساس نتایج بدست آمده مشخص شد که ترکیب سری زمانی تصاویر سنتینل1 و2 به‌همراه شاخصNDVI برای کل دوره مورد بررسی (ترکیب شماره 3) به روش ماشین بردار پشتیبان جهت استخراج سطوح زیر کشت منطقه مورد مطالعه دارای بالاترین دقت کلی و ضریب کاپا بوده که بترتیب 22/91 درصد و 89/0 می‌باشد. همچنین نتایج بدست آمده بیان‌گر این واقعیت بود که الگوریتم ماشین بردار پشتیبان برای ترکیبات سری زمانی بالاترین دقت کلی و ضریب کاپا را دارد و برای روش‌های تک تصویر الگوریتم حداکثر احتمال دارای بالاترین دقت کلی و ضریب کاپا می‌باشد. براساس یافته‌ها نتیجه‌گیری می‌شود که ترکیبات سری زمانی تصاویر سنتینل2 و الگویتم ماشین بردار پشتیبان جهت استخراج سطوح زیر کشت دارای صحت بالایی نسبت به روش تک تصویر هستند و تلفیق قطبش VH سنتینل1 به سری زمانی سنتینل2 سبب افزایش صحت به میزان 5 درصد می‌شود. | ||
| کلیدواژه‌ها | ||
| سنجش از دور؛ ادغام تصاویر؛ طبقه‌بندی محصولات زراعی؛ تصاویر راداری؛ استان خوزستان | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 188 |
||