سلمان گودرزدشتی؛ محمد سیفی؛ مهشید کهندل؛ داود عاشورلو؛ حسین عقیقی
چکیده
محصول سیبزمینی، چهارمین محصول کشت شده در جهان میباشد. با توجه به اهمیت استراتژیک این محصول در تامین امنیت غذایی، تهیه نقشههای دقیق از سطوح زیر کشت محصول سیبزمینی، اطلاعات ضروری برای تخمین و پیشبینی میزان عملکرد محصول در مقیاسهای مختلف را فراهم میکند. اگرچه رویکردهای سنجش از دور مبتنی بر سنجندههای اپتیکی و یا مایکروویو ...
بیشتر
محصول سیبزمینی، چهارمین محصول کشت شده در جهان میباشد. با توجه به اهمیت استراتژیک این محصول در تامین امنیت غذایی، تهیه نقشههای دقیق از سطوح زیر کشت محصول سیبزمینی، اطلاعات ضروری برای تخمین و پیشبینی میزان عملکرد محصول در مقیاسهای مختلف را فراهم میکند. اگرچه رویکردهای سنجش از دور مبتنی بر سنجندههای اپتیکی و یا مایکروویو بهطور گسترده برای پایش مزارع (شامل سطح زیر کشت محصول، شرایط و پیشبینی عملکرد آن) استفاده شده است، اما به شناسایی مزارع سیبزمینی با استفاده از دادههای سنجش از دور کمتر پرداخته شده است. لذا این پژوهش با ارائه رویکردی موثر در نگاشت مزارع سیبزمینی با استفاده از تصاویر ماهواره سنتینل-2، سامانه Google Earth Engine و روش یادگیری ماشین به مطالعه این موضوع میپردازد. از آنجا که اکثر محصولات کشاورزی دارای ویژگیهای طیفی-زمانی منحصر بفرد در طول دوره رشد خود هستند، این پژوهش روشی برای تمایز مزارع سیبزمینی از سایر محصولات با استفاده از تصاویر سری زمانی و بدون آستانهگذاری صریح را ارائه کرده است. بمنظور بهینه سازی پارامترها، آموزش و ارزیابی مدل از دادههای نوع محصول در سایت مورد مطالعه که شامل 1648 نمونه از مزارع سیبزمینی و سایر محصولات است استفاده شد. این دادهها توسط گیرنده GPS دستی نمونهبرداری گردید. کارایی روش پیشنهادی در شهرستانهای همدان و بهار که بیشترین میزان کشت این محصول را در ایران دارند، مورد ارزیابی قرار گرفته است. شناسایی دقیق مزارع سیب زمینی با تهیه لایههای ورودی مناسب شامل، شاخص فنولوژیکی محصول و میانههای NDVI (سری زمانی تصاویر سنتینل-2) انجام شد. در ادامه، این لایهها بهعنوان ورودیهای ماشینبردارپشتیبان مورد استفاده قرار گرفت. بهمنظور آموزش مدل بهینه برای ماشینبردارپشتیبان با استفاده از کرنل RBF، مقادیر gamma و C با کمک روش 5-fold cross validation بهینهسازی شد. سپس، این مقادیر در فرایند پیادهسازی الگوریتم، تحت سامانه رایانش ابری GEE مورد استفاده قرارگرفت. صحت کلی و ضریب کاپا بهترتیب برای همدان %90.9 و 82/0 و برای بهار %93.3 و 87/0 برآورد شد. نتایج پژوهش حاضر نشاندهنده کارایی روش ماشینبردارپشتیبان در شناسایی سطوح زیر کشت محصول سیبزمینی است. همچنین شاخصهای استفاده شده، مانند شاخص فنولوژی سیبزمینی، میتوانند بهعنوان ویژگیهای متمایز کننده، جهت شناسایی بهتر مزارع محصول مورد استفاده قرار گیرند.
محمدرضا گیلی؛ داود عاشورلو؛ حسین عقیقی؛ علی اکبر متکان؛ علیرضا شکیبا
چکیده
تغییرات رشد محصولات کشاورزی در فواصل زمانی نسبتاً کوتاه، ناهمزمانی کشت محصولات مشابه، شباهت طیفی میان محصولات گوناگون در برخی از زمانهای دورة کشت و کمبود دادههای زمینی، طبقهبندی محصولات زراعی در تصاویر ماهوارهای را به کاری چالشبرانگیز مبدل میکند. تغییر مقدار درصد پوشش و سبزینگی، در طول فصل رشد، از برجستهترین ویژگی ...
بیشتر
تغییرات رشد محصولات کشاورزی در فواصل زمانی نسبتاً کوتاه، ناهمزمانی کشت محصولات مشابه، شباهت طیفی میان محصولات گوناگون در برخی از زمانهای دورة کشت و کمبود دادههای زمینی، طبقهبندی محصولات زراعی در تصاویر ماهوارهای را به کاری چالشبرانگیز مبدل میکند. تغییر مقدار درصد پوشش و سبزینگی، در طول فصل رشد، از برجستهترین ویژگی پوششهای گیاهی ازجمله محصولات کشاورزی است که میتوان بر آن نظارت کرد. این کار با استفاده از سری زمانی شاخصهای گیاهی انجام میشود که اطلاعات بسیار مفیدی از توالی ویژگیهای فنولوژیک محصولات کشاورزی در اختیار ما قرار میدهد. استفاده از روشهای یادگیری عمیق با توانایی یادگیری اطلاعات متوالی حاصل از این سریها میتواند، در طبقهبندی محصولات کشاورزی و کاهش وابستگی به دادههای زمینی، مفید باشد. شبکةLong-Short Term Memory (LSTM) یکی از انواع شبکههای عصبی بازگشتی در تجزیه و تحلیل دادههای متوالی است که توانایی یادگیری توالیهای بلندمدت در سری زمانی را دارد؛ بنابراین در این مطالعه، پس از محاسبة شاخص NDVI از باندهای ماهوارة سنتینلـ 2 در نُه تاریخ متفاوت و تشکیل سری زمانی آن شاخص برای ورود به شبکه، دو ناحیة متفاوت در دشت مغان در نظر گرفته شد که محصولات کشتشده در آنها، طی عملیات زمینی، برداشت شده بود. در ناحیة اول، شبکة کانولوشنی LSTM برای طبقهبندی محصولات آموزش دید و در ناحیة دیگر، کارآیی این شبکة آموزشدیده در طبقهبندی محصولات ارزیابی شد و دقت کلی 82% و ضریب کاپای 8/0 بهدست آمد. افزایش تعداد نمونههای زمینی و انتخاب مرز دقیق محصولات، میتواند کارایی روش مورد استفاده را افزایش دهد.
داود عاشورلو؛ حمید صالحی شهرابی؛ حامد نعمت اللهی
چکیده
شاخصهای طیفی پوشش گیاهی بهمنزلة ابزاری مناسب برای تخمین میزان تولید محصولات کشاورزی استفاده میشوند. بااینحال، تعداد محدود تصاویر از عوامل اصلی کاهش کارآیی شاخصها بهمنظور تخمین تولید شمرده میشود. از سوی دیگر، ارزیابی توانایی شاخصها در تخمین تولید از راه ترکیب دادههای مادیس و لندست، در مواردی که تعداد دادههای لندست ...
بیشتر
شاخصهای طیفی پوشش گیاهی بهمنزلة ابزاری مناسب برای تخمین میزان تولید محصولات کشاورزی استفاده میشوند. بااینحال، تعداد محدود تصاویر از عوامل اصلی کاهش کارآیی شاخصها بهمنظور تخمین تولید شمرده میشود. از سوی دیگر، ارزیابی توانایی شاخصها در تخمین تولید از راه ترکیب دادههای مادیس و لندست، در مواردی که تعداد دادههای لندست کم باشد، کمتر مورد توجه قرار گرفته است. هدف تحقیق حاضر، در گام نخست، معرفی شاخصها یا شاخص منتخب در تخمین تولید کلزا و در گام بعدی، استفاده از تکنیکهای تلفیق داده برای افزایش کارآیی شاخص منتخب است. کلزا ازجمله محصولات کشاورزی است که، بهدلیل گلدهی در دورة رشد، ویژگیهای طیفی خاصی دارد. در این تحقیق، پایگاه دادهای از میزان تولید محصول کلزا و سری زمانی دادههای لندست و مادیس کشتوصنعت مغان تهیه و سپس ده شاخص متفاوت بهقصد تخمین تولید کلزا ارزیابی شد. در ادامه، رابطة میزان تولید با شاخص پیشنهادی بررسی و مشخص شد که شاخصNDYI ، در طول زمان گلدهی، دقتی بیشتر از سایر شاخصها دارد (r = 0.73). با تلفیق دادههای سری زمانی لندست و مادیس مبتنیبر الگوریتم مدل تطبیقی ادغام بازتابندگی مکانی و زمانی بهبودیافته (ESTARFM)، همبستگی و RMSE (kg/ha) بهترتیب 7% و 0.11 افزایش و کاهش یافت. تحقیق حاضر نشان داد که استفاده از تکنیکهای تلفیق داده امکانِ افزایش کارآیی شاخصهای طیفی را بهمنظور تخمین تولید محصول فراهم میکند.
حامد نعمت اللهی؛ داود عاشورلو؛ عباس علیمحمدی؛ الهام خدابنده لو؛ سهیل رادیوم
دوره 10، شماره 3 ، فروردین 1397، ، صفحه 105-122
چکیده
یکی از اهداف مهم در کشاورزی پایدار، حفظ اکوسیستم های سالم با تاکید بر مدیریت منابع زمینی، آبی و طبیعی به منظور تحقق امنیت غذایی در سطوح محلی تا جهانی است. داده های سری زمانی سنجش از دور به عنوان منبعی وسیع و ارزشمند از اطلاعات طیفی و زمانی، توانسته محققان را در پیشبرد اهداف مدیریت مزرعه کمک کند. مدیریت مزرعه همیشه با چالشهایی همراه ...
بیشتر
یکی از اهداف مهم در کشاورزی پایدار، حفظ اکوسیستم های سالم با تاکید بر مدیریت منابع زمینی، آبی و طبیعی به منظور تحقق امنیت غذایی در سطوح محلی تا جهانی است. داده های سری زمانی سنجش از دور به عنوان منبعی وسیع و ارزشمند از اطلاعات طیفی و زمانی، توانسته محققان را در پیشبرد اهداف مدیریت مزرعه کمک کند. مدیریت مزرعه همیشه با چالشهایی همراه بوده و عدم دسترسی به اطلاعات کمی و کیفی محصولات زراعی از مشکلات این حوزه به شمار میرود. هدف از این تحقیق، توسعه و کاربرد شاخصهای وضعیت محصول و مزرعه با استفاده از دادههای سری زمانی NDVI ماهواره Sentinel-2)) و نقشه نوع محصول مزارع شرکت کشت و صنعت مغان در سال 1396-1395 و شرکت کشت و صنعت شهید رجایی دزفول در سال 1396-1397 است تا به وسیله آن، مناطقی که توسط عواملی همچون بیماری، هجوم آفات و علف های هرز و همچنین مشکلات خاک و عدم توزیع نامناسب آب آبیاری در مزرعه، دچار تغییر فنولوژیکی در طول زمان شده اند، شناسایی شوند. برای این منظور، داده های سری زمانی شاخص NDVI برای 4 نوع محصول (گندم، ذرت، یونجه و چغندرقند) و در مزارع مختلف محاسبه شد و برای نشان دادن وضعیت مزرعه و محصول در هر مزرعه و مزارع نسبت به هم، دو شاخص وضعیت مزرعه و محصول توسعه داده شد. ارزیابی نتایج این شاخصها با مشاهدات زمینی، حاکی از آن است که محصول یونجه در کشت و صنعت مغان و گندم در کشت و صنعت شهید رجایی دزفول به ترتیب 88/88 و 11/94 درصد، بالاترین دقت (صحت کلی) را در بین محصولات منطقه داشتند.
داوود عاشورلو؛ حسین عقیقی؛ علیاکبر متکان؛ حامد نعمتاللهی
دوره 9، شماره 4 ، مرداد 1396، ، صفحه 111-128
چکیده
بیماریهای زنگ زرد و قهوهای گندم ازجمله مهمترین بیماریهای غلات در ایران و سایر کشورهای دنیا محسوب میشوند که سالیانه خسارات جبرانناپذیری را به اقتصاد کشاورزی وارد میکنند و در اغلب موارد، همزمان رخ میدهند. بنابراین در این تحقیق، اثر بیماریهای زنگ زرد و قهوهای گندم در بازتابندگی برگ، با استفاده از شاخصهای طیفی در ...
بیشتر
بیماریهای زنگ زرد و قهوهای گندم ازجمله مهمترین بیماریهای غلات در ایران و سایر کشورهای دنیا محسوب میشوند که سالیانه خسارات جبرانناپذیری را به اقتصاد کشاورزی وارد میکنند و در اغلب موارد، همزمان رخ میدهند. بنابراین در این تحقیق، اثر بیماریهای زنگ زرد و قهوهای گندم در بازتابندگی برگ، با استفاده از شاخصهای طیفی در مدل تاجپوشش، بررسی شد. بدینمنظور، شاخصهای گوناگون پوشش گیاهی استخراجشده از طیف برگ بیمار ارزیابی شدند. برای این کار، میزان گسترش بیماریهای زنگ زرد و قهوهای سطح برگ و درجات متفاوت آنها، با استفاده از دوربین دیجیتال و الگوریتم چندمرحلهای شامل تبدیلات رنگ، تهیة ماسک، استفاده از بافت و طبقهبندی حداکثر احتمال، استخراج شد. همچنین نتایج نشان داد، با افزایش نسبت سطح بیمار برگ، مقادیر عددی شاخصها تغییر میکند؛ درحالیکه پراکندگی دادهها بهصورت کاملاً مشخصی افزایش مییابد. بیشترین میزان همبستگی برای شاخص NDVI برابر با 9/0و حداقل در شاخص حداکثر شیب قرمز برابر با 2/0 است. با ارائة معیار همانندی، دامنة تغییرات و نیز پراکندگی درونکلاسی، روابط طیف و بیماری بررسی و مشخص شد که با گسترش بیماری، معیارهای مورد اشاره تغییر مییابند. اگرچه در بیماری زنگ زرد این تغییرات دیده نمیشود، در شاخصهای گوناگون طیفی با افزایش میزان بیماری، اختلاط طیفی در بخشهای متفاوت زرد، نارنجی، قهوهای و مردة گیاه دلیلی بر پراکندگی دادهها با گسترش بیماری محسوب میشود.