محمد حاجب؛ سعید حمزه؛ سید کاظم علوی پناه؛ جوشم ورلزت
چکیده
شاخص سطح برگ نقش مهمی در تبادل ماده و انرژی بین زمین و اتمسفر دارد. مانند سایر گیاهان، شاخص سطح برگ نیشکر معیار خوبی برای وضعیت سلامت و رشد این محصول است که به‌دلیل نقش آن در صنایع غذایی و انرژی، اهمیت اقتصادی بسیاری دارد. ماهوارة PRISMA که در سال 2019 پرتاب شد، یکی از جدیدترین منابع داده‌های ابرطیفی را فراهم کرده است که به‌ویژه، در تهیة ...
بیشتر
شاخص سطح برگ نقش مهمی در تبادل ماده و انرژی بین زمین و اتمسفر دارد. مانند سایر گیاهان، شاخص سطح برگ نیشکر معیار خوبی برای وضعیت سلامت و رشد این محصول است که به‌دلیل نقش آن در صنایع غذایی و انرژی، اهمیت اقتصادی بسیاری دارد. ماهوارة PRISMA که در سال 2019 پرتاب شد، یکی از جدیدترین منابع داده‌های ابرطیفی را فراهم کرده است که به‌ویژه، در تهیة نقشة متغیرهای گیاهی کاربرد دارد. در پژوهش حاضر، نوع جدیدی از شبکه‌های عصبی مصنوعی، موسوم به شبکة عصبی تنظیم‌شده با روش بیزین (BRANN) که قانون بیز را برای غلبه بر مشکل بیش‌برازش شبکه‌های عصبی به‌کار می‌برد، استفاده می‌شود. مدل یادشده روی مجموعه‌ای داده، متشکل از طیف دریافت‌شده ازطریق ماهوارة PRISMA به‌منزلة متغیر مستقل و مقادیر اندازه‌گیری شاخص سطح برگ نیشکر به‌منزلة متغیر وابسته، اجرا شد. اندازه‌گیری‌های زمینی شاخص سطح برگ نیشکر در 118 واحد نمونه‌برداری زمینی، روی مزارع کشت‌و‌صنعت نیشکر امیرکبیر در استان خوزستان و در هفت تاریخ متفاوت طی یک دوره رشد نیشکر در سال 1399، انجام شد. مقایسة عملکرد BRANN با یک روش متعارف شبکة عصبی، یعنی شبکة آموزش‌دیده با روش لونبرگ‌ـ مارکوارت (LMANN) در بازیابی شاخص سطح برگ نیشکر از طیف PRISMA، حاکی از این است کهRMSE بازیابی از 26/2 (m2/m2) به‌روش LMANN به 67/0 (m2/m2)، با استفاده از روش BRANN کاهش یافته است. در این پژوهش، به‌منظور کاهش ابعاد داده نیز از تبدیل مؤلفه‌های اصلی استفاده شد. در بازیابی شاخص سطح برگ از بیست مؤلفة اصلی اول نیز RMSE از 41/1 (m2/m2) با استفاده از روش LMANN به 71/0 (m2/m2) طبق روش BRANN کاهش یافت. استفاده از مؤلفه‌های اصلی باعث کاهش چشمگیر زمان محاسباتی شد. با اجرای مدل آموزش‌دیدة BRANN روی تصاویر PRISMA به‌صورت پیکسل‌به‌پیکسل، نقشة شاخص سطح برگ نیشکر تولید شد. ارزیابی این نقشه نشان داد که این نقشه تغییرات مکانی شاخص سطح برگ نیشکر را به‌خوبی نشان می‌دهد. نتایج این تحقیق بیانگر قابلیت بالای روش BRANN و تصاویر PRISMA برای بازیابی شاخص سطح برگ نیشکر است.
اسلام گله بان؛ سعید حمزه؛ شادمان ویسی؛ سید کاظم علوی پناه
چکیده
تعیین دقیق نیاز آبی محصولات گوناگون و همچنین میزان آب مصرفی در سطحی پهناور و در زمان واقعی یکی از مهم‌ترین نیازهای متخصصان آب‌وخاک است. پیش‌نیاز آن نیز تعیین تبخیروتعرق مرجع است. معمولاً محاسبة این پارامتر براساس استفاده از داده‌های اقلیمی و حل معادلات تجربی انجام می‌شود اما، به‌دلیل محدودبودن و توزیع نامناسب ایستگاه‌های هواشناسی، ...
بیشتر
تعیین دقیق نیاز آبی محصولات گوناگون و همچنین میزان آب مصرفی در سطحی پهناور و در زمان واقعی یکی از مهم‌ترین نیازهای متخصصان آب‌وخاک است. پیش‌نیاز آن نیز تعیین تبخیروتعرق مرجع است. معمولاً محاسبة این پارامتر براساس استفاده از داده‌های اقلیمی و حل معادلات تجربی انجام می‌شود اما، به‌دلیل محدودبودن و توزیع نامناسب ایستگاه‌های هواشناسی، اغلب استفاده از داده‌های آنها سبب ایجاد خطا در محاسبة این پارامتر می‌شود. بهترین گزینه، به‌منظور برطرف‌کردن این محدودیت، استفاده از داده‌های سنجش از دوری است. بدین‌منظور می‌توان از محصولات گوناگون ماهواره‌ای بهره برد و با ترکیب آنها، برای تهیة نقشه‌های به‌روز تبخیروتعرق مرجع و واقعی اقدام کرد. ازاین‌رو تحقیق حاضر به‌منظور بررسی امکان استفاده از محصولات سامانه‌های WaPOR و ERA5 با هدف محاسبة میزان تبخیروتعرق مرجع روزانه، برمبنای روش تجربی پنمن مانتیث و ارزیابی و صحت‌سنجی خروجی‌های آن در سطح استان سیستان و بلوچستان ایران انجام شده است. نتایج تحقیق نشان داد که سامانه‌های سنجش از دوری با دقت بالای 80%، در محل ایستگاه‌های هواشناسی، مقدار تبخیروتعرق مرجع را برآورد کرده‌اند و در تمامی ایستگاه‌ها خطای کمتر از 2 میلی‌متر گزارش شد. همچنین فصل زراعی پانزدهم خرداد تا پانزدهم آبان، در مقایسه با فصل زراعی اول آذر تا پانزدهم اردیبهشت، تبخیروتعرق مرجع به‌دست‌آمده از داده‌های ماهواره‌ای همبستگی بالاتری را نشان می‌دهد. ازآن‌جاکه مقادیر برآورد و صحت‌سنجی‌شده دقت مورد قبولی داشتند، در گام بعدی می‌توان، در هر نقطه از استان، از این سامانه‌ها استفاده کرد
علی صادقی؛ علی درویشی؛ عطاالله عبدالهی؛ سید کاظم علوی پناه؛ سعید حمزه
چکیده
در مطالعات زمین‌شناسی و کانی‌شناسی، وجود پوشش گیاهی سالم و خشک در پیکسل‌های حاوی اطلاعات طیفی اجتناب‌ناپذیر است. بنابراین، بازیابی اطلاعات در حد زیرپیکسل، مانند برآورد میزان حضور یک کانی در یک پیکسل از تصاویر سنجش از دور ابرطیفی، مسئله‌ای مهم محسوب می‌شود. در این پژوهش، روش عمق پیوستار اصلاح‌شدة اثر پوشش گیاهی (VCCD)، برای کاهش ...
بیشتر
در مطالعات زمین‌شناسی و کانی‌شناسی، وجود پوشش گیاهی سالم و خشک در پیکسل‌های حاوی اطلاعات طیفی اجتناب‌ناپذیر است. بنابراین، بازیابی اطلاعات در حد زیرپیکسل، مانند برآورد میزان حضور یک کانی در یک پیکسل از تصاویر سنجش از دور ابرطیفی، مسئله‌ای مهم محسوب می‌شود. در این پژوهش، روش عمق پیوستار اصلاح‌شدة اثر پوشش گیاهی (VCCD)، برای کاهش اثر پوشش گیاهی سالم و خشک در تخمین میزان کانی‌های هدف، با استفاده از داده‌های طیف‌سنجی، آزمایشگاهی کانی‌شناسی و تصاویر هایپریون (Hyperion) اصلاح و در منطقة اوغلانسر در شمال‌غرب ایران مورد صحت‌سنجی قرار گرفت. تخمین پوشش گیاهی سالم و خشک در سطح پیکسل، به‌ترتیب، با شاخص SAVI و عمق عارضة جذبی در ۲۱۰۲ نانومتر انجام شد. اصلاح عمق حذف‌پیوستارشده (CRBD)، با روش VCCD، تا آستانة حداکثری حضور پوشش گیاهی سالم برابر با ۶۰ و برای گیاه خشک در بازة 60-56 و ترکیب گیاه سالم و خشک در بازة ۷6-۷2% امکان‌پذیر است. تأثیر وجود نویزهای تصادفی و تغییر نوع پوشش گیاهی در عملکرد روش اصلاح‌شده بررسی شد و نتایج نشان داد که روش VCCD توسعه‌یافته، در مقایسه با وجود نویزهای تصادفی در طیف‌ها و تغییر نوع پوشش گیاهی، حساسیت بیشتری ندارد. بعد از اصلاح ضرایب مدل و پس از تأیید کارآیی آن، روش پیشنهادی برای اصلاح CRBD و کاهش اثر پوشش گیاهی، روی تصویر Hyperion، اجرا شد. طبق نتایج، حضور پوشش گیاهی سالم و خشک در کانی‌های کائولینیت و مسکویت منجر به تخمین کمتر از مقدار واقعی می‌شود. میزان بهبود در صحت برآورد کانی با اعمال روش VCCD درمورد کانی‌های کائولینیت و مسکویت، به‌ترتیب، معادل 0.25 و 0.13 ضریب تعیین و میزان خطا 0.0108 و 0.0125 است.
