فرزانه حدادی بارفروشی؛ داود عاشورلو؛ علیرضا شکیبا؛ علی اکبر متکان
چکیده
تغییر اقلیم به عنوان یکی از مهم‌ترین چالش‌های پیش روی بشر می‌باشد. این پدیده تاکنون تاثیرات قابل توجهی را بر تولیدات کشاورزی در اکثر نقاط جهان مخصوصا مناطق خشک و نیمه خشک بر جای گذاشته است. همچنین، در اکثر مناطق دنیا طی دهه‌های اخیر، متوسط درجه حرارت افزایش یافته است. امروزه در تحقیقات مختلف، شاخص‌های سنجش از دور به عنوان یکی از ...
بیشتر
تغییر اقلیم به عنوان یکی از مهم‌ترین چالش‌های پیش روی بشر می‌باشد. این پدیده تاکنون تاثیرات قابل توجهی را بر تولیدات کشاورزی در اکثر نقاط جهان مخصوصا مناطق خشک و نیمه خشک بر جای گذاشته است. همچنین، در اکثر مناطق دنیا طی دهه‌های اخیر، متوسط درجه حرارت افزایش یافته است. امروزه در تحقیقات مختلف، شاخص‌های سنجش از دور به عنوان یکی از روش‌های نوین در شناسایی تغییر اقلیم استفاده می‌شوند. یکی از شاخص‌های مهم سنجش از دور، ویژگی‌های فنولوژی پوشش گیاهی است که در مطالعات اخیر توانایی خوبی در شناسایی و تخمین پوشش گیاهی نشان داده است. در مطالعه حاضر، با استفاده از سری زمانی 5 روزه شاخص نرمال شده پوشش‌گیاهی (NDVI) از تصاویر NOAA-AVHRR و پارامترهای فنولوژی گیاه، تغییرات پوشش‌گیاهی مناطق مراتع و اراضی دیم حوضه دریاچه ارومیه در طول سال‌های 2013-1984 مورد بررسی قرار گرفت. داده‌های اقلیمی دما و بارش از ایستگاه‌های هواشناسی حوضه دریاچه ارومیه اخذ و در مقایسه با نتایج تصاویر ماهواره‌ای استفاده گردید. نتایج تحلیل سری زمانی در طی سی سال دوره آماری در حوضه دریاچه ارومیه نشان داد، پارامتر شروع فصل رشد در منطقه اشنویه، سقز و سراب در سال 2013 نسبت به سال 1984 زودتر آغاز شده است. اما در منطقه مراغه دیرتر آغاز شده است. پارامتر پایان فصل رشد در اشنویه، سقز و تکاب زودتر به پایان رسیده است. همچنین پارامتر اوج رشد در شهرستان‌های مذکور پوشش گیاهی زودتر به حداکثر مقدار خود رسیده است. طول فصل رشد در شهرستان‌های اشنویه، مراغه و سقز به ترتیب کوتاه‌تر شده است. نتایج تحلیل‌های آماری بدست آمده از تصاویر ماهواره‌ای و داده‌های اقلیمی نشان داد که تغییرات پارامترهای فنولوژی به مکان وابسته می‌باشد و همچنین شب‌های سرد و روزهای گرم در ابتدای فصل رشد به ترتیب کاهش و افزایش یافته است. اما در انتهای فصل رشد روزهای گرم افزایش داشته است. این تغییرات باعث افزایش شیب منحنی فنولوژی رشد گیاه در زمان پیری گیاه شده است و در نهایت طول فصل رشد را کاهش داده است.
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.
