تخمین توزیع مکانی-زمانی شاخص سطح برگ با استفاده از تصاویر ماهواره-ایSentinel-۲ (مطالعه موردی: مزارع ذرت علوفه ای جنوب تهران)
Publish place: Irrigation and Drainage، Vol: 14، Issue: 3
Publish Year: 1399
نوع سند: مقاله ژورنالی
زبان: Persian
View: 334
This Paper With 14 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_IDJ-14-3_020
تاریخ نمایه سازی: 25 اردیبهشت 1400
Abstract:
شاخص سطح برگ (LAI)، در مطالعات هیدرولوژی، کشاورزی و مدیریت آبیاری اراضی، نقش مهمی را ایفا می کند. به منظور دستیابی به الگوریتم مناسب، با دقت و استوار یا پایدار(robust) برای تخمین توزیع مکانی-زمانی LAI با استفاده از تصاویر Sentinel-۲، الگوریتم های رگرسیون بردار پشتیبان (SVR)، Kernel Ridge Regression (KRR)، (RVM) Relevance Vector Machines و رگرسیون فرآیند گوسی (GPR)، کالیبره و مورد ارزیابی قرار گرفتند. داده های این تحقیق، از مزارع ذرت علوفه ای شهرستان قلعه نو در استان تهران، در کل دوره رشد آن در تابستان ۱۳۹۷، از طریق اندازه گیری تخریبی و نیز عکسبرداری نیم کروی، جمع آوری شد. نتایج تحقیق با الگوریتم های متداول در این حوزه؛ جنگل تصادفی (RF) و شبکه عصبی مصنوعی (ANN)، مقایسه گردیدند. نتایج نشان می دهد که الگوریتم GPR، نه تنها از دقت (در گروه باندی بیست متری، ۹۱۳/۰=R۲ و ۶۴۱/۰=RMSE)، سرعت و پایداری بالاتری در تخمین LAI برخوردار بوده، بلکه قابلیت منحصر به فرد ایجاد نقشه پیکسل مبنای عدم اطمینان (عدم اطمینان و عدم اطمینان نسبی، به ترتیب، به مساحت ۹۶% و ۷۴% از کل منطقه کمتر از ۷/۰ و۳۰%) را داراست. با در نظر گرفتن مقادیر R۲ و RMSE، SVR دومین الگوریتم با دقت برای برآورد LAI و بعد از آن، RVM، KRR، RF و ANN، به ترتیب می باشند. مقایسه LAI تخمین زده شده و میدانی در دفعات نمونه برداری با RMSE = ۰.۲۷۶ و ۰۹۹/۰ = Bias، و سایر مزایای مطرح شده، بر کارآیی الگوریتم GPR در تخمین توزیع مکانی-زمانی LAI دلالت دارد.
Keywords:
Authors
الهه اکبری
دانشجوی دکتری سنجش از دور، گروه سنجش از دور و GIS، دانشکده جغرافیا، دانشگاه تهران
علی درویشی بلورانی
دانشیار گروه سنجش از دور و GIS، دانشکده جغرافیا، دانشگاه تهران
نجمه نیسانی سامانی
دانشیار گروه سنجش از دور و GIS، دانشکده جغرافیا، دانشگاه تهران.
سعید حمزه
دانشیار گروه سنجش از دور و GIS، دانشکده جغرافیا، دانشگاه تهران.
سعید صوفی زاده
استادیار گروه آگرواکولوژی، موسسه تحقیقاتی علوم محیطی، دانشگاه شهید بهشتی.
استفانو پیگناتی
موسسه روش شناسی برای تحلیل های محیطی (CNR IMAA)، C.da S.Loja snc, ۸۵۰۵۰ Tito (Potenza)، ایتالیا.
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper 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 Paper لینک شده اند :