شناسایی و تعیین مزارع گندم با استفاده از تغییرات بازتابی شاخص پوشش گیاهی و تحلیل مکانی در غرب ایران

نویسندگان

1 گروه آب و هواشناسی، دانشکده علوم جغرافیایی، دانشگاه خوارزمی، تهران، ایران

2 هیئت علمی گروه آب و هواشناسی، دانشکده انسانی، دانشگاه زنجان، زنجان، ایران

3 هیئت علمی گروه آب و هواشناسی، دانشکده انسانی، دانشگاه زنجان، زنجان، ایران

4 گروه آب و هواشناسی، دانشکده انسانی، دانشگاه زنجان، زنجان، ایران

doi
10.22059/ijswr.2021.320926.668921
چکیده

   تهیه نقشه و تحلیل مکانی مزارع گندم در مسائل کلان اقتصادی و اجتماعی ازجمله مدیریت کشاورزی دارای اهمیت زیادی است. نقشه‌های الگوی کشت تغییرپذیر هستند و تهیه آن با استفاده از داده‌های زمینی با مسائل زیادی همراه است. هدف از این تحقیق پیاده‌سازی روشی کاربردی برای استخراج مزارع گندم با استفاده از تغییرات شاخص پوشش گیاهی و تحلیل مکانی مزارع گندم در غرب ایران است. بررسی منحنی تغییرات شاخص پوشش گیاهی مزارع نمونه گندم نشان داد بیشترین مقدار بازتاب شاخص مزارع نمونه گندم در ماه‌های خرداد و اوایل تیرماه بوده و پس از برداشت محصول شاخص بازتاب به مقدار زیادی کاهش می‌یابد. در همین راستا داده‌های سنجنده سنتیل در سامانه Earth Engine پردازش و شاخص پوشش گیاهی 12 ماهه سال 1398 در قالب یک مجموعه داده از آن استخراج گردید. با معرفی نمونه‌های آموزشی به مجموعه داده ایجادشده به روش طبقه‌بندی ماشین بردار پشتیبان[1]، کاربری زمین محدوده موردمطالعه در پنج کلاس به دست آمد. با اعمال فیلتر ارتفاعی و حذف مزارع مستخرج شده بالای سه هزار متر نقشه پراکندگی مزارع گندم را با 48 نمونه باقی‌مانده نمونه‌های زمینی صحت­سنجی شد و صحت کلی 86/0 و ضریب کاپا 79/0 به دست آمد. نتایج نشان داد با توجه به اینکه در روش پیشنهادی اطلاعات داده‌های آموزشی بیشتری به الگوریتم داده شد، بنابراین موجب افزایش صحت کلی طبقه­بندی می‌شود. الگوی مکانی مزارع گندم با تابع میانگین نزدیک‌ترین همسایه و آماره P_value<0.05 نشان‌دهنده خوشه‌ای بودن پراکندگی مزارع و تابع کاریپلی عدم تصادفی بودن پراکندگی مزارع گندم تا فاصله‌های 21 هزار متری را نشان داد. از نتایج این تحقیق و نقشه‌های خروجی‌های آن می‌توان در کسب اطلاعات برای برنامه‌ریزی‌های کشاورزی و همچنین تخصیص و توزیع مکانی منابع و امکانات استفاده نمود. [1] Support Vector Machine Classification Algorithm (SVM)