نوع مقاله : علمی - پژوهشی
نویسندگان
1 استاد گروه مهندسی آب، دانشکدة کشاورزی، دانشگاه تبریز
2 دانشجوی دکتری مهندسی آبیاری و زهکشی، گروه مهندسی آب، دانشکدة کشاورزی، دانشگاه تبریز
3 استاد گروه مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز
4 دانشیار گروه مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز
چکیده
توسعة روشهای سنجش از دور در پهنهبندی اراضی زیر کشت محصولات کشاورزی در مقیاس گستردة مکانی و زمانی، بهصورت جایگزین شیوههای پرهزینه و زمانبر جمعآوری آمار میدانی، در حال گسترش است. تا کنون، روشهایی برای شناسایی اراضی زراعی، با استفاده از تصاویر سنجندههای اپتیک و راداری، مطرح شده است. برخی از این روشها، با تأکید بر فرایندهای حذف پیکسلهای ابری، مناسب اقلیم مرطوب با روزهای متعدد ابرناکی هستند و برخی دیگر، بهدلیل روش بهکاررفته در آنها بهمنظور ترکیب تصاویر هر دو سیستم اپتیک و راداری، پیچیدهگیهای خاص خود را دارند. در این میان، روشهای مبتنیبر استفاده از ویژگیهای منحصربهفرد سری زمانی شاخص گیاهی هریک از محصولات زراعی فرایند نسبتاً سادهتری در پهنهبندی اراضی زراعی دارد. هدف از این پژوهش بهبود یکی از روشهای مطرحشده برای تفکیک اراضی زیر کشت گندم دیم است که در آن از الگوریتم حذف گامبهگام پیکسلهای غیرگندم و تصاویر سنجندة مادیس استفاده شده بود. برای بهبود الگوریتم مذکور، طی فرایندی، از قدرت تفکیک زمانی تصاویر سنجندة مادیس و قدرت تفکیک مکانی تصاویر ماهوارة لندست8 بهره گرفته شد. فرایند جدید، ضمن رفع نقاط ضعف الگوریتم سابق در تشخیص مراتع و اراضی غیرگندم از اراضی گندم دیم، بهخصوص در پیکسلهای ناهمگن، موجب افزایش دقت این الگوریتم در پهنهبندی اراضی گندم دیم شد؛ بهطوریکه روش مطرحشده توانست با مقادیر صحت کلی، شاخص کاپا و F1 بهترتیب برابر با 92.5%، 0.67 و 0.71، با دقت قابلقبولی، سطوح زیر کشت گندم دیم را تفکیک کند.
کلیدواژهها
عنوان مقاله [English]
Rain-Fed Wheat Area Mapping Using MODIS and Landsat Images (Case Study: Ahar City)
نویسندگان [English]
- Amir Hossen Nazemi 1
- Hamed Sabzchi 2
- Aliashrafi Sadraddini 3
- Abolfazl Majnooni Haris 4
چکیده [English]
Application of the remote sensing methods in crop area mapping on a large spatiotemporal scale serves is as an alternative to costly time-consuming field data gathering methods. So far, some methods have been developed for wheat and rice area mapping using the images from optical and radar sensors. Some of these methods are appropriate for humid climates with several cloudy days, while others use complex processes in terms of combining both optics and radar images. Meanwhile, methods based on the unique variation of the vegetation index time series belongs to each crop are relatively simple methods that can be used for crop area mapping. The objective of this study is to improve one of the proposed methods for rain-fed wheat area mapping, in which a step-by-step elimination algorithm of non-wheat pixels was applied to MODIS images. The Improved algorithm took advantage of both MODIS and Landsat Images in terms of their high temporal and high spatial resolutions, respectively. The mentioned process could detect rain-fed wheat areas from the pastures and heterogeneous areas with higher accuracy in comparison with the previous algorithm. The overall accuracy, Kapa index, and F1 score for the final rain-fed wheat map was 92.5%, 0.67, and 0.71 respectively.
کلیدواژهها [English]
- Crop area mapping
- Vegetation Index
- Rain-fed wheat
- MODIS
- Landsat