احمد موسوی؛ میلاد جانعلی پور؛ دکتر تهرانی
چکیده
اساس برنامهریزی و مدیریت صحیح داشتن آمار و اطلاعات دقیق و بههنگام است. یکی از مهمترین آمار و اطلاعات بخش کشاورزی میزان تولید سالیانة هر محصول یا سطح زیرکشت است. یکی از ابزارهایی که در کمترین زمان و با هزینة پایین و دقت مناسب، میتواند سطح زیرکشت محصولات را محاسبه کند دانش و فنّاوری سنجش از دور است. در این تحقیق، از دو روش طبقهبندی ...
بیشتر
اساس برنامهریزی و مدیریت صحیح داشتن آمار و اطلاعات دقیق و بههنگام است. یکی از مهمترین آمار و اطلاعات بخش کشاورزی میزان تولید سالیانة هر محصول یا سطح زیرکشت است. یکی از ابزارهایی که در کمترین زمان و با هزینة پایین و دقت مناسب، میتواند سطح زیرکشت محصولات را محاسبه کند دانش و فنّاوری سنجش از دور است. در این تحقیق، از دو روش طبقهبندی شبکة عصبی مصنوعی و ماشین بردار پشتیبان استفاده شده و سطح زیرکشت محصولات غالب منطقه، شامل هشت کلاس، از تصاویر سری زمانی سنتینلـ2 برآورد شده است. براساس نتایج بهدستآمده، صحت کلی هریک از روشهای شبکة عصبی مصنوعی و ماشین بردار پشتیبان بهترتیب برابر با 97.74 و 97.96%، با ضریب کاپای 0.97 برای برآورد سطح زیرکشت محصولات بوده است. بنابراین، نتایج این دو روش مورد قبول واقع شده است. با توجه به صحت کلی، میتوان نتیجه گرفت که دو روش طبقهبندی نتایج تقریباً یکسانی در منطقه دارد. علاوهبراین، طبق نتایج صحت کاربر، میتوان بیان کرد درمورد چهار محصول یونجه، برنج، پیاز و خربزه، عملکرد روش ماشین بردار پشتیبان بهتر از روش شبکة عصبی است و درمورد گندم دیم و آبی، جارو و مرتع، روش شبکة عصبی بهتر از ماشین بردار پشتیبان در منطقه عمل میکند.