تلفیق اطلاعات طیفی و مکانی به منظور تفکیک محصولات کشاورزی با استفاده از تصاویر چندزمانه سنتینل ۲ (مطالعه موردی: شهرستان قروه)
Publish place: Remote Sensing and Iran GIS، Vol: 15، Issue: 1
Publish Year: 1402
نوع سند: مقاله ژورنالی
زبان: Persian
View: 118
This Paper With 24 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_GIS-15-1_003
تاریخ نمایه سازی: 29 فروردین 1402
Abstract:
امروزه کاربردهای تصاویر ماهواره ای، در پایش و مدیریت زمین های کشاورزی، رو به گسترش است. با توجه به قدرت تفکیک مکانی، طیفی و زمانی بالای تصاویر سنتینل ۲، در این مطالعه، در کشاورزی دقیق در شهرستان قروه از این تصاویر استفاده شده است. ابتدا با توجه به تقویم زراعی محصولات متفاوت آن منطقه، تصاویر سری زمانی جمع آوری شد. در روش پیشنهادی، نخست، فضای ویژگی طیفی براساس بازتاب طیفی باندها و همچنین شاخص های گیاهی، ایجاد شد. ابعاد فضای ویژگی طیفی، با استفاده از روش آنالیز مولفه های اصلی، کاهش یافت. سپس چهار طبقه بندی کننده قدرتمند ماشین های بردار پشتیبان، شبکه عصبی پرسپترون چندلایه، نزدیک ترین k همسایه و جنگل های تصادفی نقشه طبقه بندی از اطلاعات طیفی تولید کردند. در ادامه، مکانی با هدف تعیین مرز مزارع، اطلاعات استخراج شد. برای این منظور، از شناسایی لبه ها در سری زمانی تصاویر سنتینل ۲ استفاده شد. در نهایت، نقشه طبقه بندی نهایی، با تلفیق اطلاعات مکانی و ادغام نتایج طبقه بندی کننده ها ایجاد شد. نتایج به دست آمده نشان داد که دقت طبقه بندی کننده های نزدیک ترین k همسایه، ماشین های بردار پشتیبان، شبکه عصبی پرسپترون چندلایه و جنگل های تصادفی روی فضای ویژگی طیفی اولیه، به ترتیب ۷۸/۷۷%، ۱۶/۷۹%، ۴۱/۷۶% و ۸۹/۷۶% است. با استفاده از روش پیشنهادی، دقت طبقه بندی به ۷۲/۹۴% افزایش پیدا کرد که حاکی از توانایی آن در منطقه مورد مطالعه است.
Keywords:
تصاویر سری زمانی سنتینل ۲ , کشاورزی , مرز مزارع , ادغام طبقه بندی کننده ها , اطلاعات مکانی , اطلاعات طیفی
Authors
سعید احمدی
دانشجوی کارشناسی ارشد، گروه ژئودزی و مهندسی نقشه برداری، دانشگاه تفرش
حدیثه سادات حسنی
استادیار، گروه ژئودزی و مهندسی نقشه برداری، دانشگاه تفرش
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 :