علی شمس الدینی؛ بهار اسدی
چکیده
شناسایی و نقشه کردن محصولات زراعی اطلاعات مهمی برای مدیریت زمینهای کشاورزی و برآورد سطح زیر کشت محصولات زراعی فراهم میکند. این پژوهش به بررسی اهمیت باندهای لبه قرمز جهت تفکیک محصولات زراعی شامل گندم، جو، یونجه، لوبیا، باقلا، کتان، ذرت، چغندر قند و سیبزمینی با استفاده از روش جنگل تصادفی و ماشین بردار پشتیبان میپردازد. بدین ...
بیشتر
شناسایی و نقشه کردن محصولات زراعی اطلاعات مهمی برای مدیریت زمینهای کشاورزی و برآورد سطح زیر کشت محصولات زراعی فراهم میکند. این پژوهش به بررسی اهمیت باندهای لبه قرمز جهت تفکیک محصولات زراعی شامل گندم، جو، یونجه، لوبیا، باقلا، کتان، ذرت، چغندر قند و سیبزمینی با استفاده از روش جنگل تصادفی و ماشین بردار پشتیبان میپردازد. بدین منظور سری زمانی تصاویر سنتینل -1 و 2 در سال 2019 از شمال غرب شهر اردبیل در پلتفرم ارث انجین فراخوانی شد. ترکیبهای متفاوت باندها برای بررسی تأثیرات اطلاعات طیفی و زمانی، شاخصهای گیاهی و اطلاعات بازپراکنش برای طبقهبندی محصولات مورد بررسی قرار گرفت. با استفاده از روش انتخاب ویژگی جنگل تصادفی ویژگیهای مهم شناسایی و بهعنوان ورودی الگوریتم جنگل تصادفی و ماشین بردار پشتیبان معرفی شدند. جنگل تصادفی برای تمامی سناریوها بهترین نتیجه را به دست آورد. نتایج نشان داد افزودن طولموجهای لبه قرمز و شاخصهای مشتق شده از آن باعث شد محصولاتی نظیر جو، لوبیا، باقلا و کتان نسبت به سایر محصولات با صحت بالاتری تفکیک شود. بهترین نتیجه در میان ترکیبات مختلف ویژگیها مربوط به تلفیق سری زمانی ویژگیهای طیفی تصاویر سنتینل-2 با سری زمانی تصاویر سنتینل-1 بود. صحت کلی 67/84 درصد و ضریب کاپا 31/ 82 درصد به دست آمد. نتایج نشان داد باندهای لبه قرمز و شاخصهای پوشش گیاهی مبتنی بر آن بهتنهایی قابلیت جداسازی محصولات زراعی را از همدیگر دارند.