فهرست نشریات علمی دسترسی آزاد ایران

برآورد سطح زیر کشت بر اساس شاخصهای جنبی از جمله میزان بذر، کود و سم تحویلشده به کشاورزان و همچنین برآوردهای شرکتهای مشاور کنترل میگردد که کاری زمان‌بر و پر‌هزینه می‌باشد. بنابراین این مطالعه با هدف برآورد سطح زیر کشت دو محصول گندم و سویا در طی سالهای 2000 تا 2016 با استفاده از تصاویر ماهواره لندست انجام شد. بعد از پیش پردازش و پردازش های لازم، و تهیه نمونه های تعلیمی مناسب از مزارع کشت سویا و گندم، طبقه بندی تصاویر با استفاده از دو روش طبقهبندی شبکه عصبی مصنوعی و ماشین ‏بردار پشتیبان انجام شد و جهت طبقهبندی با هدف تفکیک این دو محصول زراعی دادههای واقعیت زمینی، نقشه NDVI اراضی زراعی و شناسایی رفتار طیفی نقاط آموزشی گندم و سویا بکار برده شدند. نقشه های حاصل از طبقه بندی با استفاده از نقاط واقعیت زمینی مورد ارزیابی صحت قرار گرفتند. با توجه به نتایج بهدستآمده از بررسی ضـریب کاپـا و صـحت کلـی، روش ماشین‏بردار پشتیبان برای طبقه‌بندی اراضی کشاورزی و تفکیک محصولات نسبت به روش شبکه عصبی موفق‌تر بود و در همه تصاویر مقدار صحت کلی محاسبهشده و ضریب کاپا به ترتیب بیشتر از 80٪ و بیش از 8/0میباشد که این نشان‌دهنده قابلاعتماد بودن نتایج طبقهبندیاست. طبق نتایج، حدود 93 درصد از نقاط برآورد‌شده سطح زیرکشت گندم و سویا در طی 16 سال مورد مطالعه در محدوده حدود اطمینان 15± درصد قرار دارند که نشان می‏دهد این روش، روش مطمئنی برای تفکیک این دو محصول با استفاده از تصاویر اردیبهشت‏ماه (برای گندم) و شهریورماه (برای سویا) می‏باشد.