| تفکیک باغات از اراضی زراعی با استفاده از روشهای هوش مصنوعی و طبقهبندی مبتنی بر دادههای ماهوارهای |
| کد مقاله : 1242-SCWMSUP (R1) |
| نویسندگان |
|
علی اکبر نوروزی *1، حسین فرازمند2، گیسو سیمایی3، آرمان فکری4 1رئیس مرکز فناوری اطلاعات و اطلاع رسانی کشاورزی سازمان تات 2سازمان تات 3دانشجو 4ندارد |
| چکیده مقاله |
| پایش دقیق اراضی کشاورزی و تفکیک باغات از اراضی زراعی، نقش مهمی در ارزیابی الگوی کشت، برآورد عملکرد محصولات و مدیریت منابع کشاورزی دارد. هدف این پژوهش، ارزیابی کارایی ترکیب سری زمانی تصاویر Sentinel-2، شاخص پوشش گیاهی NDVI، تحلیل مؤلفههای اصلی (PCA) و الگوریتم ماشین بردار پشتیبان (SVM) برای تفکیک باغات از اراضی زراعی استان گلستان در سال زراعی ۱۴۰۳–۱۴۰۴ بود. برای این منظور، ۷ تصویر Sentinel-2 Level-2A بر اساس مراحل فنولوژیکی محصولات انتخاب شد. بهمنظور کاهش اثر پوشش ابر، تصاویر از پایگاه Copernicus Data Space Ecosystem با پوشش ابری کمتر از ۲۰ درصد دریافت شدند. شاخص NDVI از باندهای قرمز (B4) و فروسرخ نزدیک (B8) با قدرت تفکیک مکانی ۱۰ متر استخراج شد و تمامی پردازشها بر مبنای اندازه پیکسل ۱۰×۱۰ متر انجام گرفت. بهمنظور کاهش ابعاد دادهها و حذف همبستگی میان متغیرها، از روش PCA استفاده شد. همچنین، ۱۵۶ نمونه آموزشی بر اساس اطلاعات میدانی، تفسیر تصاویر با قدرت تفکیک مکانی بالا و اطلاعات موجود از اراضی کشاورزی تهیه و برای آموزش الگوریتم SVM به کار گرفته شد. نتایج نشان داد که روش پیشنهادی توانایی مناسبی در تفکیک باغات، بهویژه در مناطق کوهپایهای و حاشیه جنگلهای هیرکانی، از سایر اراضی زراعی دارد. مساحت باغات حدود ۱۹٬۳۸۲ هکتار برآورد شد و بررسی بصری با تصاویر Google Earth در شهرستان بندرگز تطابق قابل قبولی را با نقشه طبقهبندی نشان داد. همچنین، ارزیابی دقت بیانگر صحت کلی 91.41 درصد و ضریب کاپا 0.796 بود که نشاندهنده توافق مناسب بین نتایج طبقهبندی و دادههای مرجع است. بر این اساس، روش پیشنهادی میتواند بهعنوان رویکردی کارآمد برای پایش و تفکیک باغات از اراضی زراعی در استان گلستان و سایر مناطق دارای شرایط مشابه به کار گرفته شود. |
| کلیدواژه ها |
| استان گلستان، تفکیک باغات، اراضی زراعی، سنتینل-۲، ماشین بردار پشتیبان(SVM) ، هوش مصنوعی |
| وضعیت: پذیرفته شده |