فهرست نشریات علمی دسترسی آزاد ایران

سابقه و هدف: شناسایی و نقشه کردن محصولات زراعی اطلاعات مهمی برای مدیریت زمین‌های کشاورزی و برآورد سطح زیر کشت محصولات زراعی فراهم می‌کند.تصاویر اپتیک و راداری، منابع ارزشمندی برای طبقه‌بندی زمین‌های کشاورزی است. ویژگی‌های مستخرج از تصاویر اپتیک حاوی اطلاعاتی در مورد امضای بازتابی محصولات مختلف است. در مقابل، یک تصویر راداری فراهم‌کنندة اطلاعاتی در مورد خصوصیات ساختاری و سازوکارهای پراکنش محصولات است. ترکیب این دو منبع قادر به ایجاد یک مجموعه دادة مکمل با تعداد چشمگیری از ویژگی‌های زمانی طیفی، بافت و قطبیده برای طبقه‌بندی زمین‌های کشاورزی است.مواد و روش‌ها: این پژوهش به بررسی اهمیت باندهای لبه‌قرمز برای 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 ارت انجین فراخوانی شد. ترکیب‌های متفاوت باندها برای بررسی تأثیرات اطلاعات طیفی و زمانی، شاخص‌های گیاهی و اطلاعات بازپراکنش برای طبقه‌بندی محصولات بررسی شد. با استفاده از روش انتخاب ویژگی جنگل تصادفی ویژگی­های مهم شناسایی و به‌عنوان ورودی الگوریتم جنگل تصادفی و ماشین بردار پشتیبان معرفی شدند.نتایج و بحث :جنگل تصادفی برای تمامی سناریوها بهترین نتیجه را به دست آورد. نتایج نشان داد افزودن طول ‌موج‌های لبه‌قرمز و شاخص‌های مشتق‌شده از آن باعث شد محصولاتی همچون 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 لبه‌قرمز و شاخص‌های پوشش گیاهی مبتنی بر آن به‌تنهایی قابلیت جداسازی محصولات زراعی را از همدیگر دارند.نتیجه‌گیری: پیشنهاد می‌شود برای دستیابی به صحت بالاتر در تفکیک محصولات زراعی انتخاب باندهای طیفی هدفمند مورد توجه قرار گیرد. ترکیبی از تصاویر راداری و اپتیک همیشه از روش طبقه‌بندی براساس تک‌سنجنده بهتر عمل می‌کند و به افزایش اطلاعات طبقه‌بندی منجر می‌شود.