بهبود طبقه‌بندی رقومی محصولات کشاورزی در تصاویر چندزمانه با استفاده از اطلاعات بافت در شهرستان قروه

نوع مقاله : علمی - پژوهشی

نویسندگان

1 استاد مرکز مطالعات سنجش از دور و GIS، دانشکدة علوم زمین، دانشگاه شهید بهشتی

2 استادیار مرکز مطالعات سنجش از دور و GIS، دانشکدة علوم زمین، دانشگاه شهید بهشتی

3 کارشناس ارشد سنجش از دور و GIS مرکز مطالعات سنجش از دور و GIS، دانشکدة علوم زمین، دانشگاه شهید بهشتی

چکیده

مشخصه‌های استخراج‌شده از تصاویر ماهواره‌ای تک‌زمانه نمی‌تواند در طبقه‌بندی محصولات کشاورزی به صحت بالای طبقه‌بندی منتج شود؛ بدین سبب، استفاده از تصاویر چندزمانه و اطلاعات بافت این تصاویر در پژوهش حاضر بررسی شده است. این تحقیق تفکیک چهار محصول یونجه، گندم، سیب‌زمینی و خیار را در شهرستان قروه، با استفاده از تصویر تک‌زمانه و چندزمانه (ASTER & SPOT5)، بررسی می‌کند. این تحقیق هفت تصویر مربوط به هفت زمان متفاوت را بررسی کرده و با استفاده از جدول تفکیک‌پذیری، به این نتیجه رسیده که تصویر 11 تیر بهترین تصویر تک‌زمانه و ترکیب 11 تیر و 21 مهر بهترین تصویر دوزمانه است. در تحقیق حاضر، از روشGLCM  برای استخراج بافت استفاده شده است. برای استخراج شاخص‌های بافت از این روش، اندازة تقریبی پنجره با استفاده از واریوگرام تعیین شد و سپس شاخص‌های به‌دست‌آمده با باندهای طیفی تصویر تک‌زمانه و دوزمانه ترکیب شدند. سپس طبقه‌بندی با استفاده از انواع ترکیبات تصویر تک‌زمانه و دوزمانه و شاخص‌های گوناگون اجرا شد. در طبقه‌بندی طیفی بهترین تصویر تک‌زمانه (11 تیر)، صحت کلی طبقه‌بندی حدود 24% بیشتر از کمترین صحت طبقه‌بندی مربوط به تصویر 10 مرداد (76.02% در برابر 52.28%) به‌دست آمد. صحت طبقه‌بندی با استفاده از تصویر دوزمانه به حداکثر می‌رسد و با اضافه‌کردن تصاویر بعدی، افزایشی ندارد. در تصویر پنج‌زمانه، صحت طبقه‌بندی از تصویر دوزمانه بیشتر می‌شود اما، با اضافه‌کردن شاخص‌های بافت، حدود 5% از صحت طبقه‌بندی دوزمانه با شاخص‌های بافت کاسته شد. بدین‌ترتیب مشخص می‌شود که بافت می‌تواند نقشی بیشتر از چند تصویر داشته باشد. بهترین طبقه‌بندی در بهترین ترکیب دوزمانه (11 تیر و 21 مهر) به‌دست آمد (97.48%). در تصاویر تک‌زمانه، تصویر 11 تیر بالاترین صحت طبقه‌بندی (95.2%) را به‌دست آورد. نتایج نشان داد که استفاده از تصاویر چندزمانه به‌همراه شاخص‌های بافت، درمقایسه با روش‌های مرسوم (بدون استفاده از شاخص‌های بافت یا تصاویر چندزمانه)، دقت بسیار بالاتری دارد.

کلیدواژه‌ها


  1. وزارت جهاد کشاورزی، 1377، ارزیابی بازتاب طیفی محصولات کشاورزی با استفاده از اطلاعات ماهواره‌ای، استان همدان، جلد1، شهرستان رزن و بهار.
  2. Atkinson, P.M. & Lewis, P., 2000, Geostatistical Classification for Remote Sensing: An Introduction, Computers and Geosciences, No. 26, PP. 361-371.
  3. Becker-Reshef, I., Vermote, E., Lindeman, M. & Justice, C., 2010, A Generalized Regression-Based Model for Forecasting Winter Wheat Yields in Kansas and Ukraine Using MODIS Data, Remote Sensing of Environment, Vol. 114, PP. 1312-1323.
  4. Carr, J.R. & Miranda, F.P., 1998, The Semivariogram in Comparison to the Co-Occurrence Matrix for Classification of Image Texture, IEEE Transactions on Geoscience and Remote Sensing, Vol. 36, PP. 1945-1952.
  5. Conrad, C., Fritcsh, S., Zeidler, J., Rucker, G. & Dech, S., 2010, Per-Field Irrigated Crop Classification in Arid Central Asia using SPOT and ASTER Data, Remote Sensing, Vol. 2, PP. 1035-1056.
  6. De Wit, A.J.W., & Clevers, J.G.P.W., 2004, Efficiency and Accuracy of Per-Field Classification for Operational Crop Mapping, International Journal of Remote Sensing, Vol. 25, No. 20, PP. 4091-4112.
  7. Haralick, R.M., Shanmugam, K. & Dinstein, I., 1973, Textural Features for Image Classification, IEEE Transactions on Systems, Man, and Cybernetics, Vol. 3, PP. 610-62.
  8. Khan, S., Xevi, E. & O’Connell, N., 2003, Better Management of Rice-Based Farming Systems, Advances in Mathematical Modelling, Natural Resource Management, Vol. 6, PP. 55-62.
  9. Lloyd, C.D., Berberoglu, S , Curran, P.J. & Atkinson, P.M., 2004, A Comparison of Texture Measures for the Per-Field Classification of Mediterranean Land Cover, International Journal of Remote Sensing, Vol. 25, No. 19, PP.3943-3965.
  10. Miranda, F.P., Macdonald, J.A. & Carr, J.R., 1992, Application of the Semivariogram Textural Classifier (STC) for Vegetation Discrimination Using SIR-B Data of Borneo, International Journal Remote Sensing, Vol. 13, PP. 2349-2354.
  11. Murakami, T., Ogawa, S., Ishitsuka, N., Kumagai, K. & Saito, G., 2001, Crop Discrimination with Multi-Temporal SPOT/HRV Data in the Saga Plains, Japan, International Journal of Remote Sensing, Vol. 22, No. 7, PP. 1335-1348.
  12. Ouma, Y.O., Tetuko, J. & Tateishi, R., 2008, Analysis of Co-Occurrence and Discrete Wavelet Transform Textures for Differentiation of Forest and Non-forest Vegetation in Very-High-Resolution Optical-Sensor Imagery, International Journal of Remote Sensing, Vol. 29, No. 12, PP. 3417-3456.
  13. Peña-Barragan, J.M., Ngugi, M.K., Plant, R.E. & Six J., 2011, Object-based Crop Identification Using Multiple Vegetation Indices, Textural Features and Crop Phenology, Remote Sensing of Environment, Vol. 115, PP. 1301-1316.
  14. Narasimha Rao, P.V., Sesha Sai, M.V.R., Sreenivas, K., Krishna Rao, M.V., Rao, B.R.M., Dwivedi, R.S. & Venkataratnam, L., 2002, Textural Analysis of IRS-1D Panchromatic Data for Land Cover Classification, International Journal of Remote Sensing, Vol. 23, No.17, PP. 3327-3345.
  15. Shaban, M.A., & Dikshit, O., 1997, Textural Classification of High Resolution Digital Satellite Data of Urban Environment, Presented at Nat. Sym. on Remote Sensing for Natural Resources with Special Emphasis on Infrastructure Development, Hyderabad, India, 26-28 November.
  16. Tucker, C.J., Gatlin, J.A. & Schneider, S.R., 1984, Monitoring Vegetation in the Nile Delta with NOAA-6 and NOAA-7 AVHRR Imagery, Photogrammetric Engineering and Remote Sensing, Vol. 50, PP. 53-61.
  17. Unser, M., 1986, Sum and Divergence Histograms for Texture Classification, IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol. 8, PP. 118-125.
  18. Van Niel, T.G. & McVicar, T.R., 2001, Assessing Positional Accuracy and Its Effects on Rice Crop Area Measurement: An Application at Coleambally Irrigation Area, Australian Journal of Experimental Agriculture, Vol. 41, PP. 557-566.
  19. Van Niel, T.G. & McVicar, T,R., 2004, Determining Temporal Windows for Crop Discrimination with Remote Sensing: A Case Study in South-Eastern Australia, Computers and Electronics in Agriculture, Vol. 45, PP. 91-108.
  20. Weszka, J.S., Dyer, C.R. & Rosenfeld, A., 1976, A Comparative Study of Texture Measures for Terrain Classification, IEEE Transactions on Systems, Man and Cybernetics, Vol. 6, PP. 2269-2285.
  21. www.satimagingcorp.es
  22. www.irimo.ir, دسترسی در سال 1390.