تخمین عملکرد ذرت دانه ای براساس تصاویر ماهواره لندست ۸ (مطالعه موردی: اراضی کشت و صنعت شهید بهشتی دزفول)
Publish place: Irrigation and Drainage، Vol: 18، Issue: 3
Publish Year: 1403
نوع سند: مقاله ژورنالی
زبان: Persian
View: 63
This Paper With 15 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_IDJ-18-3_007
تاریخ نمایه سازی: 6 شهریور 1403
Abstract:
یکی از مهمترین ابزارهای برنامه ریزی مناسب برای تضمین امنیت غذایی و ارزیابی بازده اقتصادی محصولات زراعی، پیش بینی عملکرد محصولات زراعی قبل از برداشت آن ها است. این پژوهش با هدف برآورد و پیش بینی زود هنگام عملکرد ذرت دانه ای قبل از برداشت در سال زراعی ۹۶-۹۵ با استفاده از تصاویر ماهواره Landsat ۸ در بخشی از اراضی کشت و صنعت شهید بهشتی انجام شد. در این پژوهش از هشت شاخص طیفی شامل NDVI، TNDVI، GNDVI، SAVI، OSAVI، NDWI، MNDWI وNDMI استفاده شد. بین شاخص ها با داده های میدانی عملکرد با ۷۰% داده ها رابطه همبستگی برقرار شد. سپس این روابط با ۳۰% داده ها مورد ارزیابی قرار گرفت. شاخص MNDWI با ضریب تعیین ۳۰% و ۱۳% بالاترین همبستگی را با داده های میدانی به ترتیب در آذرماه و دی ماه داشت. ضریب تعیین و RMSE بین مقادیر مشاهده شده و پیش بینی شده عملکرد توسط این شاخص برای ماه های ذکرشده به ترتیب ۷۲ % ، ۷۱/۱ تن در هکتار و ۴۸% ، ۵۴/۱ تن در هکتار به دست آمد. معادلات چند متغیره تولید شده برای هر دو تاریخ برداشت در دی ماه و آذرماه به ترتیب با ضریب تعیین و RMSE، ۳۱%، ۰۶/۰ تن در هکتار و ۵۵% ، ۱۹/۱ تن در هکتار حاصل شد. طبق نتایج، استفاده از میانگین شاخص های MNDWI ، SAVI و NDVI در روابط تولید شده خطاهای ناشی از تغییرات مکانی عملکرد در سطح مزرعه به حداقل می رسد و امکان پیش بینی مقدار متوسط عملکرد نهایی مزرعه قبل از برداشت محصول وجود دارد.
Keywords:
Authors
عبدالمجید لیاقت
گروه مهندسی آبیاری و آبادانی دانشگاه تهران
تهمینه دهقانی
دانشجوی دکتری،گروه مهندسی آبیاری و آبادانی، پردیس کشاورزی و منابع طبیعی ، دانشگاه تهران، تهران، ایران
هادی رضایی راد
گروه مهندسی آبیاری و آبادانی، دانشکدگان کشاورزی و منابع طبیعی، دانشگاه تهران، کرج، ایران.
هدیه احمد پری
عضو سازمان نظام مهندسی و کشاورزی طبیعی استان بوشهر
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 :
