ارزیابی قابلیت طبقه‌بندی نظارت شده تصاویر ماهواره‌ای لندست-8 و سنتینل-A2 در تعیین محدوده و سطح زیر کشت ارقام پسته

نویسندگان

1 دانشجوی دکتری علوم و مهندسی مرتع، دانشکده منابع طبیعی، دانشگاه تهران، کرج، ایران

2 استادیار گروه جغرافیا، پردیس علوم انسانی و اجتماعی، دانشگاه یزد، ایران

3 دانش آموخته کارشناسی ارشد باغبانی و زراعت، دانشکده علوم گیاهی، دانشگاه کالیفرنیا، دیویس، کالیفرنیا

doi
10.30495/girs.2020.672378
چکیده

فن آوری سنجش از دور یکی از ابزارهای کارآمد برای پایش، مطالعه و تعیین سطح زیر کشت محصولات کشاورزی و باغی بویژه در سطوح وسیع می باشد. برنامه ریزان، مجریان و کشاورزان با آگاهی از نوع رقم و سطح زیر کشت محصولات کشاورزی می توانند سیاست های مدیریتی و اجرایی مناسبی اتخاذ نمایند. هدف از پژوهش حاضر ارزیابی قابلیت طبقه بندی نظارت شده تصاویر ماهواره ای چند باندی لندست-8 و سنتینل-A2 در تعیین محدوده، سطح زیر کشت و نوع رقم چهار نوع پسته اکبری، کله قوچی، احمد آقایی و فندوقی در یک مزرعه مطالعاتی در استان یزد می باشد. دقت چهار الگوریتم طبقه بندی متوازی السطوح، کمترین فاصله، فاصله ماهالانوبیس و بیشترین تشابه و همچنین بهترین زمان در تفکیک ارقام پسته مورد بررسی قرار گرفت. بر اساس نتایج، الگوریتم حداکثر تشابه در طبقه بندی تصویری در تاریخ 22 خرداد 1397 ماهواره لندست-8 با دقت نهایی و ضریب کاپای به ترتیب 76.8 درصد و 0.67 از بالاترین دقت و الگوریتم طبقه بندی متوازی السطوح به ترتیب با دقت نهایی و ضریب کاپای 7/64 و 47/0 از کمترین دقت برخوردار بود. همچنین بر اساس نتایج، بهترین زمان برای تفکیک ارقام پسته مورد بررسی اواخر خرداد می باشد. به طوری که ضریب کاپای طبقه بندی با الگوریتم حداکثر تشابه در تصویر تاریخ 22 خرداد 1397 ماهواره لندست، 0.67 و به ترتیب در تاریخ های 23 تیر، 24 مرداد و 25 شهریور 0.64، 0.63 و 0.63 بدست آمد. دقت نهایی و ضریب کاپای طبقه بندی با استفاده از الگوریتم حداکثر تشابه در تصویر تاریخ 24 خرداد 1397 ماهواره سنتینل-A2 به ترتیب 80 درصد و 0.71 بدست آمد. با انجام عمل فیلتر میانه با اندازه پنجره سه در سه بر روی تصویر طبقه بندی شده سنتیل-A2 میزان دقت نهایی و ضریب کاپا به ترتیب به 82.6 و 0.75 افزایش یافت. دقت نهایی و ضریب کاپای طبقه بندی و تفکیک ارقام پسته در تصاویر سنتینل-A2 نسبت به تصاویر لندست 8 بالاتر بود. در مجموع بر اساس نتایج، تکینک های طبقه بندی سنجش از دور و نیز تصاویر ماهواره ای چند باندی، از قابلیت مناسبی برای نقشه برداری کشاورزی و باغی برخوردار می باشند.