CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)

تفکیک محصولات کشاورزی در تصاویر چندزمانه سنتینل-۲ مبتنی بر ادغام طبقه بندی کننده ها، مطالعه موردی: شهرستان قروه

عنوان مقاله: تفکیک محصولات کشاورزی در تصاویر چندزمانه سنتینل-۲ مبتنی بر ادغام طبقه بندی کننده ها، مطالعه موردی: شهرستان قروه
شناسه ملی مقاله: NGTU02_013
منتشر شده در اولین کنفرانس بین المللی و دومین کنفرانس ملی فناوری ها و کاربردهای نوین ژئوماتیک در سال 1399
مشخصات نویسندگان مقاله:

سعید احمدی - دانشجوی کارشناسی ارشد، گروه ژئودزی و مهندسی نقشهبرداری، دانشگاه تفرش، تفرش، ایران
حدیثه سادات حسنی - استادیار، گروه ژئودزی و مهندسی نقشهبرداری، دانشگاه تفرش، تفرش، ایران

خلاصه مقاله:
امروزه تصاویر ماهواره ای ابزاری در دسترس، به هنگام و قدرتمند در مدیریت زمینهای کشاورزی محسوب می شود. یکی از کاربردهای تصاویر ماهواره ای در حوزه کشاورزی، شناسایی محصولات مختلف بوده که در مقایسه با بازدیدهای میدانی دارای سرعت بالاتر و هزینه های کمتر است. به منظور استخراج اطلاعات از داده های سنجش از دوری، الگوریتم های تشخیص الگوی مختلفی ارائه شده است. با توجه به قدرت تفکیک مکانی، طیفی و زمانی بالای تصاویر سنتینل-۲ از این تصاویر در تفکیک محصولات زمینهای کشاورزی شهرستان قروه استفاده شده است. ابتدا با توجه به تقویم زراعی محصولات آن منطقه، تصاویر در پنج زمان مختلف جمع آوری شده است. سپس مکعب تصویر با استفاده از باندهای تصاویر و شاخصهای گیاهی مستخرج از آنها، ایجاد میشود. با توجه به ابعاد بالای فضای ویژگی، آنالیز مولفه هی اصلی بکار گرفته شده و داده به فضای با ابعاد پائین تر انتقال داده میشود. سپس از چهار طبقه بندی کننده نزدیکترین همسایه، ماشینهای بردار پشتیبان، شبکه عصبی چند لایه پرسپترون و جنگلهای تصادفی در طبقه بندی محصولات استفاده شده است. دقت کلی و همچنین دقت تفکیک هر محصول طبقه بندی کننده برمبنای مقایسه نتایج آن با واقعیت زمینی محاسبه میشود. در روش پیشنهادی، نقشه نهایی طبقهبندی منطقه کشاورزی بر اساس ادغام نتایج چهار طبقه بندی کننده بر اساس دقتی که هر یک از طبقه بندی کننده ها در تفکیک هر محصول داشتند، ایجاد میشود. نتایج بدست آمده نشان میدهد که دقت طبقه بندی کننده های نزدیکترین همسایه، ماشینهای بردار پشتیبان، شبکه عصبی چند لایه پرسپترون و جنگلهای تصادفی بر روی مکعب تصویر اولیه به ترتیب % ۷۷/۷۸، % ۷۹/۱۶، ۷۶/۴۱% و ۷۶/۸۹% میباشد. با استفاده از روش پیشنهادی، دقت طبقه بندی به ۹۲/۹% افزایش پیدا کرد که حاکی از توانایی آن در منطقه مورد مطالعه میباشد.

کلمات کلیدی:
تفکیک محصولات کشاورزی، تصاویر چندزمانه سنتینل-۲، تشخیص الگو، ادغام طبقه بندی کننده ها.

صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/1249653/