بیژن یونسی؛ ناصر احمدی ثانی؛ سوران شرفی
چکیده
کشاورزی، محور توسعه است و سطح زیرکشت محصولات زراعی و باغی در بخش کشاورزی یک پارامتر مهم مدیریتی است. ارزیابی و تعیین دقیق سطح این پارامتر، برنامهریزان را در توسعه کشاورزی یاری میدهد. بهمنظور غلبه بر محدودیتهای کار میدانی در برآورد سطح زیرکشت محصولات کشاورزی، استفاده از تصاویر ماهوارهای بهدلیل دید وسیع و یکپارچه، چندطیفی ...
بیشتر
کشاورزی، محور توسعه است و سطح زیرکشت محصولات زراعی و باغی در بخش کشاورزی یک پارامتر مهم مدیریتی است. ارزیابی و تعیین دقیق سطح این پارامتر، برنامهریزان را در توسعه کشاورزی یاری میدهد. بهمنظور غلبه بر محدودیتهای کار میدانی در برآورد سطح زیرکشت محصولات کشاورزی، استفاده از تصاویر ماهوارهای بهدلیل دید وسیع و یکپارچه، چندطیفی و بهروز بودن گزینه مناسبی به نظر میرسد. در این تحقیق دادههای ماهواره IRS-P6 بهمنظور برآورد سطح زیرکشت باغات در اراضی دشت شارویران شهرستان مهاباد مورد تجزیهوتحلیل قرار گرفت. بهمنظور استخراج بهتر اطلاعات، شاخصهای مختلف با استفاده از روشهای نسبتگیری باندی و تحلیل مولفههای اصلی تهیه شدند. طبقهبندی دادهها بهروش نظارتشده و با الگوریتمهای مختلف به دوصورت 7 کلاسه (طبقات کاربری اراضی) و 2 کلاسه (باغ و غیرباغ) انجام شد. صحت نقشههای حاصل از طبقهبندی در مقایسه با نقشههای واقعیت زمینی ارزیابی شد. بهترین صحت کلی و ضریب کاپا بهترتیب برابر %75/97 و 95/0 با الگوریتم حداکثر احتمال در طبقهبندی 2 کلاسه حاصل شد. نتایج نشان داد که دادههای IRS-P6 برای شناسایی و پایش سطح زیرکشت باغات از لحاظ هزینه، زمان و دقت بسیار مناسب هستند
علیرضا دانشی؛ مصطفی پناهی
دوره 8، شماره 2 ، بهمن 1395، ، صفحه 73-86
چکیده
با توجه به اینکه الگوریتمهای متنوعی برای طبقهبندی تصاویر ماهوارهای در سنجش از دور توسعه یافتهاند، انتخاب الگوریتم مناسب طبقهبندی در دستیابی به نتایج صحیح نقش بسیاری ایفا میکند. به همین منظور در پژوهش حاضر، با مقایسۀ کارآیی صحت طبقهبندی دو الگوریتم حداکثر احتمال و ماشینهای بردار پشتیبان، الگوریتم دقیقتر تعیین، و از ...
بیشتر
با توجه به اینکه الگوریتمهای متنوعی برای طبقهبندی تصاویر ماهوارهای در سنجش از دور توسعه یافتهاند، انتخاب الگوریتم مناسب طبقهبندی در دستیابی به نتایج صحیح نقش بسیاری ایفا میکند. به همین منظور در پژوهش حاضر، با مقایسۀ کارآیی صحت طبقهبندی دو الگوریتم حداکثر احتمال و ماشینهای بردار پشتیبان، الگوریتم دقیقتر تعیین، و از آن برای بررسی روند تغییرات کاربری اراضی استفاده شد. تحقیق حاضر در حوزۀ آبخیز سیمینهرود و با استفاده از تصاویر سنجندههای TM، ETM+ و OLI انجام گرفت. نتایج تحقیق نشان داد که الگوریتم ماشین بردار پشتیبان، درمقایسه با الگوریتم حداکثر احتمال، تصاویر ماهوارهای را بهتر طبقهبندی کرده است و از میان کرنلهای ماشین بردار، کرنل تابع پایۀ شعاعی (RBF) کارآیی بهتری داشته است. بنابراین، از الگوریتم ماشین بردار پشتیبان با کرنل تابع پایۀ شعاعی برای تهیۀ نقشۀ کاربری اراضی دورههای مورد بررسی و تغییرات کاربری استفاده شد. بررسی روند تغییرات کاربری اراضی، با استفاده از این کرنل، مشخص کرد که در طی دورههای بررسیشده، مساحت کاربریهای زراعت آبی از 30.535 هکتار به 67.210 هکتار، زراعت دیم از 79.909 هکتار به 123.383 هکتار و مناطق مسکونی از 474 هکتار به 1934 هکتار افزایش یافته است درحالیکه مراتع از 259.811 هکتار به 178.398هکتار، و منابع آب از 240 هکتار به 41 هکتار روند کاهشی دارند.