palette
ارزيابي تصاوير IRS-P6 براي برآورد سطح زير‌کشت باغات
بیژن یونسی, ناصر احمدی ثانی, سوران شرفی

چکیده

کشاورزي، محور توسعه است و سطح زير‌کشت محصولات زراعي و باغي در بخش کشاورزي يک پارامتر مهم مديريتي است. ارزيابي و تعيين دقيق‌ سطح اين پارامتر، برنامه‌ريزان را در توسعه کشاورزي ياري مي‌دهد. به‌منظور غلبه بر محدوديت‌هاي کار ميداني در برآورد سطح زير‌کشت محصولات کشاورزي، استفاده از تصاوير ماهواره‌اي به‌دليل ديد وسيع و يکپارچه، چند‌طيفي و به‌روز بودن گزينه مناسبي به‌ نظر مي‌رسد. در اين تحقيق داده‌هاي ماهواره IRS-P6 به‌منظور برآورد سطح زير‌کشت باغات در اراضي دشت شارويران شهرستان مهاباد مورد تجزيه‌و‌تحليل قرار گرفت. به‌منظور استخراج بهتر اطلاعات، شاخص‌هاي مختلف با استفاده از روش‌هاي نسبت‌گيري باندي و تحليل مولفه‌هاي اصلي تهيه شدند. طبقه‌بندي داده‌ها به‌روش نظارت‌شده و با الگوريتم‌هاي مختلف به دو‌صورت 7 کلاسه‌ (طبقات کاربري اراضي) و 2 کلاسه‌ (باغ و غيرباغ) انجام شد. صحت نقشه‌هاي حاصل از طبقه‌بندي‌ در مقايسه با نقشه‌هاي واقعيت‌ زميني ارزيابي شد. بهترين صحت کلي و ضريب کاپا به‌ترتيب برابر %75/97 و 95/0 با الگوريتم حداکثر احتمال در طبقه‌بندي 2‌ کلاسه‌ حاصل شد. نتايج نشان داد که داده‌هاي IRS-P6 براي شناسايي و پايش سطح زير‌کشت باغات از لحاظ هزينه، زمان و دقت بسيار مناسب هستند

واژگان کلیدی
ارزيابي صحت، تهيه نقشه باغات، سنجش از دور، حداکثر احتمال، کشاورزي

منابع و مآخذ مقاله

آبکار، ع.ا.، خيرخواه زرکش، م.م.، صادقي نائيني، ع.، عليزاده، ه. و وفايي‌نژاد، ع.ر.، 1391، تهيه نقشه پراکنش شاليزارهاي برنج با استفاده از داده‌هاي سري زماني سنجنده MODIS ماهواره TERRA، سنجش از دور و GIS ايران، سال چهارم، شماره دوم، صص. 95-75.

اصغري، م.، 1391، ترويج علم و تکنولوژي براي ايجاد تحول در بخش کشاورزي استان آذربايجان غربي، نشريه آموزشي، ترويجي و پ‍ژوهشي چاليشانلار، سال شانزدهم، شماره ششم، صص. 11-8.

اميني‌ بازيابي، س.، اکبري، م. و زارع ابيانه، ح.، 1392، برآورد سطح و تراکم کشت با استفاده از سنجش از دور در دشت همدان، نشريه آبياري و زهکشي ايران، سال اول، شماره هفتم، صص. 48-36.

انصاري ‌آملي، ع. و علي‌محمدي، ع.، 1390، استفاده از روش طبقه‌بندي چند‌زمانه و داده‌هاي سنجنده AVHRR به‌منظور تخمين دقيق سطح زيرکشت محصول برنج در استان گيلان، برنامه‌ريزي و آمايش فضا، سال دوم، شماره پانزدهم، صص. 41-33.

جباري، س،. خواجه‌الدين، ج.، جعفري، ر. و سلطاني، س.، 1393، بررسي تغييرات پوشش گياهي مراتع با استفاده از تصاوير ماهواره‌اي در منطقه سميرم اصفهان، بوم‌شناسي کاربردي، سال دهم، شماره سوم، صص. 37-27.

رحيم‌زادگان، م. و پورغلام، م.، 1395، تعيين سطح زير كشت گياه زعفران با استفاده از تصاوير لندست، سنجش از دور و سامانه اطلاعات جغرافيايي در منابع طبيعي، سال هفتم، شماره چهارم، صص. 115-97.

رفيعي، ي،. علوي‌پناه، ک.، ملک‌محمدي، ب.، رمضاني مهربان، م. و نصيري، ح.، 1391، تهيه نقشه‌هاي پوشش اراضي به کمک سنجش از دور با استفاده از خوارزميک درخت تصميم‌گيري، مجله جغرافيا و برنامه‌ريزي محيطي، سال سوم، شماره بيست و سوم، صص. 110-93.

فخيره، ا،. پهلوان‌رو، ا.، نجفي زيلالي، م.، مرادزاده، م. و نوري، س.، 1391، کاربرد داده‌هاي رقومي در تهيه نقشه تغييرات پوشش گياهي ناحيه بياباني غرب رودخانه کرخه، تحقيقات مرتع و بيابان ايران، سال سوم، شماره نوزدهم، صص. 468-457.

فرزاد‌مهر، ج. و تباکي بجستاني، ک.، 1397، تعيين قابليت تصاوير ماهواره‌اي لندست 8 در تخمين سطح زيرکشت زعفران، نشريه زراعت و فناوري زعفران، سال ششم، شماره اول، صص. 60-49.

فروغي‌منش، م. و عبدالهيان نوقابي، م.، 1393، تعيين سطح زيرکشت و تراکم بوته مزارع چغندرقند با پردازش داده‌هاي ماهواره‌اي، چغندر‌قند، سال سي‌ام، شماره دوم، صص. 222-207.

فريد‌حسيني، ع.، آستارايي، ع.، ثنايي‌نژاد، ح. و حسين موسوي، پ.، 1391، تخمين شاخص سطح برگ با استفاده از داده‌هاي IRS در منطقه نيشابور، نشريه پژوهش‌هاي زراعي ايران، سال سوم، شماره دهم، صص. 6-1.

شيرازي، م،. زهتابيان، غ. و متين‌فر، ح.، 1389، بررسي قابليت شاخص‌هاي مختلف دورسنجي در بارزسازي پوشش‌هاي سطح زمين در مناطق خشک، تحقيقات مرتع و بيابان ايران، سال دوم، شماره هفدهم، صص. 275-256.

عباس‌زاده تهراني، ن.، بهشتي‌فر، م.ر. و مربي، م.، 1390، برآورد سطح زيرکشت محصول در استان قزوين با به‌کارگيري تصاوير چندزمانه IRS-LISS III، پژوهش‌هاي محيط‌زيست، سال دوم، شماره سوم، صص. 96-87.

عليپور، ف.، آق‌خاني، م.ح.، عباسپور فرد، م.ح. و سپهر، ع.، 1393، تفکيک محدوده و تخمين سطح زير کشت محصولات کشاورزي به کمک تصاوير ماهواره اي، ماشين‌هاي کشاورزي، سال چهارم، شماره دوم، صص. 254-244.

Beyer, F., Jarmer, T. and Siegmann, B., 2015, Identification of agricultural crop types using multitemporal rapideye data, Photo-grammetrie-Fernerkundung-Geoinformation, 1: 21-32.

Boonen, M., Gallace, N., Delalieux, S., Sima, A., Delaure B. and Bylemans, D., 2016, Remote sensing as a useful tool in strawberry cultivation, 8th International Strawberry Symposium, 13-17 August, Canada.

Boryan, C., Yang, Z., Mueller, R. and Craig, M., 2011, Monitoring US agriculture: the US department of agriculture, national agricultural statistics service, cropland data layer program, Geocarto International, 26(5): 341-358.

Bridhikitti, A. and Overcamp, T. J., 2012, Estimation of Southeast Asian rice paddy areas with different ecosystems from moderate-resolution satellite imagery, Agriculture, Ecosystems and Environment, 146(1): 113-120.

Clevers, J. P. W., 1986, The application of a vegetation index in correcting the infrared reflectance for soil background, International Archives of Photogrammetry and Remote Sensing, Balkema, Rotterdam, Boston, 26(1): 221-226.

Conrad, C., Low, F. and Lamers, J. P., 2017, Mapping and assessing crop diversity in the irrigated Fergana valley, Uzbekistan, Applied Geography, 86: 102-117.

Crippen, R.E., 1990, Calculating the Vegetation Index Faster, Remote Sensing of Environment, 34(1): 71-73.

Eggen, M., Ozdogan, M., Zaitchik, B.F. and Simane, B., 2016, Land cover classification in complex and fragmented agricultural landscapes of the thiopian highlands, Remote Sensing, 8(12): 1020.

Gallego, F.J., Kussul, N., Skakun, S., Kravchenko, O., Shelestov, A., and Kussul, O., 2014, Efficiency assessment of using satellite data for crop area estimation in Ukraine, International Journal of Applied Earth Observation and Geoinformation, 29: 22-30.

Gallego, J., Craig, M., Michaelsen, J., Bossyns, B. and Fritz, S., 2008, Best practices for crop area estimation with remote sensing, JRC Scientific and Technical Reports, Pp. 1-14, italy.

Gao, B.C., 1996, NDWI: A normalized difference water index for remote sensing of vegetation liquid water from space, Remote Sensing of Environment, 58(3): 257-266.

Gumma, M.K., Thenkabail, P.S., Teluguntla, P., Rao, M.N., Mohammed, I.A. and Whitbread, A.M., 2016, Mapping rice-fallow cropland areas for short-season grain legumes intensification in South Asia using MODIS 250 m time-series data, International Journal of Digital Earth, 9(10): 981-1003.

Hunt Jr, E. R. and Rock, B.N., 1989, Detection of changes in leaf water content using near-and middle-infrared reflectances, Remote Sensing of Environment, 30(1): 43-54.

Jackson, R.D., 1983, Spectral indices in n-space, Remote Sensing of Environment, 13(5): 409-421.

Jain, M., Mondal, P., Galford, G.L., Fiske, G. and Fries, R.S., 2017, An approach to map winter cropped area of smallholder farms across large scales using MODIS imagery, Remote Sensing, 9(6): 566.

Jordan, C.F., 1969, Derivation of leaf area index from quality measurements of light on the forest floor, Ecology, 50: 663-666.

King, L., Adusei, B., Stehman, S.V., Potapov, P.V., Song, X.P., Krylov, A., Bella, C.D., Loveland, T.R., Johnson, D.M. and Hansen, M.C., 2017, A multi-resolution approach to national-scale cultivated area estimation of soybean, Remote Sensing of Environment, 195: 13-29.

Kozhoridze, G., Orlovsky, N., Orlovsky, L., Blumberg, D.G. and Golan-Goldhirsh, A., 2018, Classification based mapping of trees in commercial orchards and natural forests, International journal of Remote Sensing, 39(14): 1-14.

Kraemer, R., Prishchepov, A.V., Muller, D., Kuemmerle, T., Radeloff, V.C., Dara, A., Trekhov, A. and Fruhauf, M., 2015, Long-term agricultural land-cover change and potential for cropland expansion in the former Virgin Lands area of Kazakhstan, Environmental Research Letters, 10(5): 054012.

Kussul, N., Shelestov, A., Skakun, S., Kravchenko, O., & Moloshnii, B., 2012, Crop state and area estimation in Ukraine based on remote and in-situ observations, International Journal on Information Models and Analyses, 1(3): 251-259.

Li, C., Zhu, X., Wei, Y., Cao, S., Guo, X., Yu, X. and Chang, C., 2018, Estimating apple tree canopy chlorophyll content based on Sentinel-2A remote sensing imaging, Scientific reports, 8(1): 3756.

Mushtaq, A.G. and Asima, N., 2014, Estimation of apple orchard using remote sensing and agro- meteorology land based observation in Pulwama district of Kashmir valley, International Journal of Remote Sensing and Geoscience, 3(6): 21-26.

Naji, T.A., 2018, Study of vegetation cover distribution using DVI, PVI, WDVI indices with 2D-space plot, In Journal of Physics: Conference Series, 1003(1): 012083.

Nguyen, D. B., Wagner, W., 2017, European rice cropland mapping with Sentinel-1 data: The Mediterranean region case study, Water, 9(6): 392.

Nishant, N., Upadhayay, G., Vyas, S.P. and Manjunath, K.R., 2016, Banana orchard inventory using IRS LISS sensors, SPIE Asia-Pacific Remote Sensing, 4-7 April, India.

Rouse, J., 1973, Monitoring the vernal advancement of retrogradation of natural vegetation, NASA/GSFG, Type III. Final Report, 371.

Vibrans, A.C., McRoberts, R. E., Moser, P. and Nicoletti, A.L., 2013, Using satellite image-based maps and ground inventory data to estimate the area of the remaining Atlantic forest in the Brazilian state of Santa Catarina, Remote Sensing of Environment, 130: 87-95.

Yadav, I.S., Rao, N.S., Reddy, B.M.C., Rawal, R.D., Srinivasan, V.R., Sujatha, N.T., Bhattacharya, C., Rao, P.P.N., Ramesh, K.S. and Elango, S., 2002, Acreage and production estimation of mango orchards using Indian remote Sensing (IRS) satellite data, Scientia Horticulturae, 93(2): 105-123.

Yang, C., Everitt, J.H. and Murden, D., 2011, Evaluating high resolution SPOT5 satellite imagery for crop identification, Computers and Electronics in Agriculture, 75(2): 347-354.

Zhang, H., Li, Q., Liu, J., Du, X., Zhao, L., Wang, N. and Dong, T., 2017, Crop classification and acreage estimation in North Korea using phenology features, GIScience & Remote Sensing, 54(3): 381-406.


ارجاعات
  • در حال حاضر ارجاعی نیست.