فهرست نشریات علمی دسترسی آزاد ایران

پیشرفت فناوری‏های جدید و گسترش عمومی آن‏ها، امکان تولید داده‏های ارزشمندی را برای متخصصان علوم مختلف ازجمله کشاورزی، به‌منظور افزایش بهره‏وری و تولید محصول باکیفیت، فراهم می‏آورد. ثبت تصاویر هوایی به کمک پرنده‏های هدایت‏پذیر از راه دور (پهپاد) و بکارگیری الگوریتم‏های پردازش تصویر، می‏تواند تحلیلی با دقت بالا و بهنگام از وضعیت گیاه در اختیار کشاورز قرار دهد. در این پژوهش برای برآورد شاخص کسر پوشش گیاهی ذرت، از تصاویر پهپادی استفاده شد و چهار الگوریتم مختلف طبقه‏بندی نظارت‌شده شامل ماشین بردار پشتیبان (SVM)، حداقل فاصله اقلیدسی از میانگین (MDM)، حداقل فاصله ماهالانوبیسی از میانگین (MDC) و روش طبقه‏بندی حداکثر احتمال (MLC) مورد ارزیابی قرار گرفتند. نتایج نشان داد کمترین میزان دقت در تفکیک کلاس‏ها و تعیین کسر پوشش گیاهی مربوط به روش MDM با دقت کلی 4/73 درصد و ضریب کاپا 61/0 است. اگرچه سه روش دیگر دقت کلی بالای 90 درصد داشتند ولی روش MDC توانسته است با دقت کلی 5/94 درصد و ضریب کاپای 92/0 بهترین عملکرد را داشته باشد. اگرچه روش SVM نیز نتایج نزدیک و خوبی را داشته است ولی زمان پردازش تصویر در این روش بسیار بالاتر از روش MDC است. نتایج نشان داد روش MLC اگرچه ازنظر دقت کلی و ضریب کاپا در رتبه سوم بین روش‏های موردبررسی قرار می‏گیرد ولی در تشخیص پیکسل‏های برگ و سایه گیاه، بسیار دقیق بوده است. به‏طوری‏که بالاترین دقت تولید کلاس برگ و سایه گیاه را به ترتیب 3/98 و 01/99 درصد داشت. به‌طورکلی می‏توان نتیجه گرفت، الگوریتم‏های طبقه‏بندی نظارت‌شده، می‏تواند روش‏های قابل‌اعتمادی در برآورد شاخص‏های گیاهی با دقت مطلوب باشد، و بکارگیری این روش‏ها هم در پژوهش‏های میدانی وسیع و هم در تحلیل‏های کاربردی مزرعه‏ای پیشنهاد می‏گردد.