سیویلیکا را در شبکه های اجتماعی دنبال نمایید.

تهیه نقشه نوع محصول کشاورزی از سری زمانی تصاویر لندست-۸ با استفاده از روش های یادگیری ماشین (مطالعه موردی: مرودشت استان فارس)

Publish Year: 1403
Type: Journal paper
Language: Persian
View: 114

This Paper With 25 Page And PDF Format Ready To Download

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

Export:

Link to this Paper:

Document National Code:

JR_GEP-35-2_003

Index date: 6 August 2024

تهیه نقشه نوع محصول کشاورزی از سری زمانی تصاویر لندست-۸ با استفاده از روش های یادگیری ماشین (مطالعه موردی: مرودشت استان فارس) abstract

چکیدهیکی از اولویت های مهم وزارت جهاد کشاورزی، تهیه نقشه نوع محصول کشاورزی برای تخمین میزان سطح زیرکشت محصولات استراتژیک و برآورد سالیانه میزان تولید آنهاست. در دهه های اخیر، فناوری سنجش از دور به دلیل تهیه تصاویر و داده های به هنگام با تفکیک پذیری های متنوع مکانی، زمانی و طیفی و با بهره گیری از الگوریتم های یادگیری ماشین بهبودیافته در تخمین میزان سطح زیرکشت محصولات کارایی زیادی را نشان داده است. در پژوهش حاضر با استفاده از سری زمانی تصاویر ماهواره لندست-۸ و الگوریتم های یادگیری ماشین پیشرفته یک چهارچوب تهیه نقشه نوع محصول کشاورزی مرودشت استان فارس ارائه شد. الگوریتم های به کار گرفته شده شامل الگوریتم درخت تصمیم، جنگل تصادفی، جنگل دورانی، ماشین بردار پشتیبان و آنالیز انحراف زمانی پویا بود. نتایج نشان داد که روش های آنالیز انحراف زمانی پویا و جنگل تصادفی نسبت به روش های دیگر کارایی بسیار بیشتری (با افزایش دقت کلی به میزان ۱۰% تا ۱۲% بیشتر) در تهیه نقشه نوع محصول کشاورزی منطقه مطالعه شده داشتند. همچنین، در این پژوهش قابلیت باندهای ۲ تا ۵ ماهواره لندست-۸ در شناسایی کارا و مطمئن همه محصولات این منطقه با استفاده از روش های مذکور اثبات شد.

تهیه نقشه نوع محصول کشاورزی از سری زمانی تصاویر لندست-۸ با استفاده از روش های یادگیری ماشین (مطالعه موردی: مرودشت استان فارس) Keywords:

تهیه نقشه نوع محصول کشاورزی از سری زمانی تصاویر لندست-۸ با استفاده از روش های یادگیری ماشین (مطالعه موردی: مرودشت استان فارس) authors

ایمان خسروی

استادیار گروه مهندسی نقشه برداری، دانشکده مهندسی عمران و حمل و نقل، دانشگاه اصفهان، اصفهان، ایران

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 :
منابعخسروی، ایمان، موسوی، میرمجید، و امینی، جلال (۱۳۹۴). ارائه یک ...
خسروی، ایمان، صفری، عبدالرضا، و همایونی، سعید (۱۳۹۷). سیستم های ...
Khosravi, I., Razoumny, Y., Hatami Afkoueieh, J., & Alavipanah, S. ...
Khosravi, I., Safari, A., & Homayouni, S. (۲۰۱۸). MSMD: Maximum ...
Nguyen, M. D., Baez-Villanueva, O. M., Bui, D. D., Nguyen, ...
نمایش کامل مراجع