تفکیک طیفی گونه های مهم باغی با استفاده از شاخص های ابرطیفی و رویکردهای هوش مصنوعی

محسن میرزائی; مژگان عباسی; صفر معروفی; عیسی سلگی

تفکیک طیفی گونه های مهم باغی با استفاده از شاخص های ابرطیفی و رویکردهای هوش مصنوعی

Publish place: Journal of RS and GIS for Natural Resources، Vol: 9، Issue: 2

Publish Year: 1397

Type: Journal paper

Language: Persian

This Paper With 17 Page And PDF Format Ready To Download

DOWNLOAD Paper

Certificate
I'm the author of the paper

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

Export:

Link to this Paper:

https://civilica.com/doc/871699

Document National Code:

JR_GIRS-9-2_006

Index date: 15 June 2019

تفکیک طیفی گونه های مهم باغی با استفاده از شاخص های ابرطیفی و رویکردهای هوش مصنوعی abstract

مطالعه انعکاس طیفی پدیده ها از طریق شاخص های طیفی امکان استفاده بهینه از دامنه وسیع طول موج های طیفی را در داده های ابرطیفی فراهم می کند. هدف از تحقیق، معرفی و ارزیابی عملکرد شاخص های طیفی در تفکیک گونه های غالب باغی در استان چهارمحال و بختیاری است. در این تحقیق 150 نمونه طیفی در محدوده 350 الی 2500 نانومتر، از گونه های انگور، گردو و بادام در انواعی از شرایط برداشت شد و پس از تصحیح اولیه، 30 عدد از مهم ترین شاخص های طیفی موجود در این زمینه استخراج شدند. آزمون واریانس و مقایسه میانگین ها جهت شناسایی شاخص های بهینه در تفکیک گونه ها، در سطح 99 درصد اطمینان اجرا شد. سپس از دو رویکرد شبکه عصبی مصنوعی و ماشین بردار پشتیبان جهت ارزیابی عملکرد شاخص ها در تفکیک گونه ها استفاده شد. نتایج آزمون واریانس نشان داد که شاخص های تنش رطوبت، نسبت باند در 1200 نانومتر، شاخص نرمال شده فئوئوفیتین و شاخص جذب سلولز جهت تفکیک گونه های موردمطالعه بهینه هستند. نتایج ارزیابی عملکرد شاخص های معرفی شده نتیجه 100 درصد تفکیک گونه ها را در دو رویکرد شبکه عصبی مصنوعی و ماشین بردار پشتیبان، در هر دو مرحله آموزش و آزمون نشان داده است. این نتایج لزوم انجام مطالعات طیف سنجی را برای تفکیک گونه های باغی پیش از تحلیل داده های تصویری ابرطیفی به دلیل حجم وسیع و هزینه بیشتر تهیه و تحلیل آن ها نشان می دهد.

تفکیک طیفی گونه های مهم باغی با استفاده از شاخص های ابرطیفی و رویکردهای هوش مصنوعی Keywords:

طیف سنجی زمینی , تفکیک طیفی گونه های گیاهی , شاخص های طیفی , شبکه عصبی مصنوعی , ماشین بردار پشتیبان

تفکیک طیفی گونه های مهم باغی با استفاده از شاخص های ابرطیفی و رویکردهای هوش مصنوعی authors

محسن میرزائی

دانشجوی دکتری محیط زیست، پژوهشکده انگور و کشمش، دانشگاه ملایر

مژگان عباسی

استایار گروه علوم و مهندسی جنگل، دانشکده منابع طبیعی و علوم زمین، دانشگاه شهرکرد

صفر معروفی

استاد گروه مهندسی آب، دانشکده کشاورزی، دانشگاه بوعلی سینا، همدان

عیسی سلگی

استادیار گروه محیط زیست، دانشکده منابع طبیعی و محیط زیست، دانشگاه ملایر

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 :

بخشوده، م. و ح. شفیعی. 1385. بررسی اثرات حمایتی سیاست ...

پیشنماز احمدی، م.، م. ح. رضائی مقدم و ب. فیضی ...

درویش صفت، ع. ا.، م. عباسی و م. مروی مهاجر. ... [مقاله ژورنالی]

رحیم زادگان، م. و م. پورغلام. 1395. تعیین سطح زیر ...

سالنامه آماری استان چهارمحال و بختیاری. 1392. فصل 4 : ...

عباسی، م.، ع. درویش صفت، م. شپمن، ه. سبحانی، ا. ...

میرزائی، م.، ع. ریاحی بختیاری، ع. سلمان ماهینی و م. ...

نجفی، ا. و م. ح. مختاری. 1394. مقایسه روش های ... [مقاله ژورنالی]

بخشوده، م. و ح. شفیعی. 1385. بررسی اثرات حمایتی سیاست ...

پیشنماز احمدی، م.، م. ح. رضائی مقدم و ب. فیضی ...

درویش صفت، ع. ا.، م. عباسی و م. مروی مهاجر. ... [مقاله ژورنالی]

رحیم زادگان، م. و م. پورغلام. 1395. تعیین سطح زیر ...

سالنامه آماری استان چهارمحال و بختیاری.1392. فصل 4 : کشاورزی، ...

عباسی، م.، ع. درویش صفت، م. شپمن، ه. سبحانی، ا. ...

میرزائی، م.، ع. ریاحی بختیاری، ع. سلمانماهینی و م. غلامعلیفرد. ...

نجفی، ا. و م. ح. مختاری. 1394. مقایسه روش های ... [مقاله ژورنالی]

Adam E, Mutanga O. 2009. Spectral discrimination of papyrus vegetation ...

Adam E, Mutanga O, Rugege D. 2010. Multispectral and hyperspectral ...

Aneece I, Epstein H. 2017. Identifying invasive plant species using ...

ASD, Analytical Spectral Devices, Inc. 2005. Handheld Spectroradiometer: User’s Guide, ...

Atherton D, Choudhary R, Watson D. 2017. Hyperspectral Remote Sensing ...

Barnes JD, Balaguer L, Manrique E, Elvira S, Davison AW. ...

Beeri O, Phillips R, Hendrickson J, Frank AB, Kronberg S. ...

Belluco E, Camuffo M, Ferrari S, Modenese L, Silvestri S, ...

Bratsch SN, Epstein HE, Buchhorn M, Walker DA. 2016. Differentiating ...

Carter GA. 1994. Ratios of leaf reflectances in narrow wavebands ...

Cho MA, Sobhan I, Skidmore AK, De Leeuw J. 2008. ...

Clark ML, Roberts DA. 2012. Species-level differences in hyperspectral metrics ...

Clevers JG, Kooistra L, Schaepman ME. 2010. Estimating canopy water ...

Datt B. 1999. Visible/near infrared reflectance and chlorophyll content in ...

Galvão LS, Formaggio AR, Tisot DA. 2005. Discrimination of sugarcane ...

Gamon JA, Field CB, Goulden ML, Griffin KL, Hartley AE, ...

Gao BC. 1996. NDWI-A normalized difference water index for remote ...

Gitelson AA, Merzlyak MN. 1997. Remote estimation of chlorophyll content ...

Gong P, Pu R, Heald RC. 2002. Analysis of in ...

Kalacska M, Bohlman S, Sanchez-Azofeifa GA, Castro-Esau K, Caelli T. ...

Kent M. 2011. Vegetation description and data analysis: a practical approach. ...

Koch B. 2010. Status and future of laser scanning, synthetic ...

Lehmann JRK, Große-Stoltenberg A, Römer M, Oldeland, J. 2015. Field ...

Lichtenthaler HK, Lang M, Sowinska M, Heisel F, Miehe JA. ...

Löw F, Fliemann E, Abdullaev I, Conrad C, Lamers JP. ...

Merton R. 1998. Monitoring community hysteresis using spectral shift analysis ...

Mureriwa N, Adam E, Sahu A, Tesfamichael S. 2016. Examining ...

Murphy RJ, Monteiro ST, Schneider S. 2012. Evaluating classification techniques ...

Nagler PL, Inoue Y, Glenn EP, Russ AL, Daughtry CST. ...

Najah AA, El-Shafie OA, Karim O, Jaafar A, El-Shafie A. ...

Peñuelas J, Filella I. 1998. Visible and near-infrared reflectance techniques ...

Peñuelas J, Baret F, Filella I. 1995. Semi-empirical indices to ...

Peñuelas J, Gamon JA, Fredeen AL, Merino J, Field CB. ...

Peñuelas J, Pinol J, Ogaya R, Filella I. 1997. Estimation ...

Prospere K, McLaren K, Wilson B. 2014. Plant species discrimination ...

Pu R. 2009. Broadleaf species recognition with in situ hyperspectral ...

Pu R, Ge S, Kelly NM, Gong P. 2003. Spectral ...

Raynolds MK, Walker DA, Epstein HE, Pinzon JE, Tucker CJ. ...

Rivard B, Sanchez-Azofeifa GA, Foley S, Calvo-Alvarado JC. 2008. Species ...

Sims DA, Gamon JA. 2002. Relationships between leaf pigment content ...

Sims DA, Gamon JA. 2003. Estimation of vegetation water content ...

Song XP, Potapov P, Adusei B, King L, Khan A, ...

Stitson M, Weston J, Gammerman A, Vovk V, Vapnik VJUoL. ...

Thenkabail PS, Lyon JG. 2016. Hyperspectral remote sensing of vegetation. ...

Thomas J, Gausman HW. 1977. Leaf reflectance vs. leaf chlorophyll ...

Vaiphasa C, Ongsomwang S, Vaiphasa T, Skidmore AK. 2005. Tropical ...

Vogelmann JE, Rock BN, Moss DM. 1993. Red edge spectral ...

Wu W, Walczak B, Massart DL, Heuerding S, Erni F, ...

Yang YH, Yiao Y, Segal MR. 2005. Identifying differentially expressed ...

Zhang M, Qin Z, Liu X, Ustin SL. 2003. Detection ...