آمار
| تعداد نشریات | 14 |
| تعداد شمارهها | 678 |
| تعداد مقالات | 7,064 |
| تعداد مشاهده مقاله | 10,606,934 |
| تعداد دریافت فایل اصل مقاله | 9,703,903 |
پایش و برآورد سطح زیر کشت محصولات باغی و زراعی با تلفیق سریهای زمانی سنجنده سنتینل-۲ و الگوریتمهای یادگیری ماشین (مطالعه موردی: منطقه مجن) | ||
| مجله پژوهشهای حفاظت آب و خاک | ||
| مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 09 تیر 1405 | ||
| نوع مقاله: مقاله کامل علمی پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22069/jwsc.2026.23099.3778 | ||
| نویسندگان | ||
| مجتبی شاکر1؛ موسی حسام* 2؛ خلیل قربانی3؛ ابوطالب هزار جریبی4؛ محمد اوشنی5 | ||
| 1دانشجوی دکتری گروه مهندسی آب، دانشگاه علوم کشاورزی و منابع طبیعی گرگان | ||
| 2دانشیار گروه مهندسی اب، دانشکده مهندسی اب و خاک، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، ایران. | ||
| 3دانشکده مهندسی آب و خاک، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، گرگان. ایران. | ||
| 4گروه مهندسی آب، دانشکده مهندسی آب و خاک، دانشگاه علوم کشاورزی و منابع طبیعی گرگان | ||
| 5دکتری علوم اقتصادی، کارشناس مطالعات اقتصادی آب و آبفا، عضو دبیر خانه هیئت ساماندهی و راهبری بازارهای محلی آب وزارت نیرو، تهران | ||
| چکیده | ||
| سابقه و هدف: پایش دقیق الگو و سطح زیر کشت محصولات کشاورزی، بهویژه در مناطق کوهپایهای با ساختار خردهمالکی و پراکنده، برای مدیریت بهینه منابع آب و برنامهریزی کشاورزی امری ضروری است. با این وجود، فقدان آمار دقیق و بهروز، برنامهریزی در این مناطق را با چالش مواجه ساخته است. فناوری سنجش از دور با قابلیت پوشش گسترده و تهیه دادههای بههنگام، راهکاری کارآمد برای پایش سطح زیر کشت بهشمار میرود. این پژوهش با هدف پایش و برآورد سطح زیر کشت محصولات باغی و زراعی غالب در منطقه مجن با تلفیق سریهای زمانی تصاویر سنتینل-۲ و الگوریتمهای یادگیری ماشین انجام شد. مواد و روشها: منطقه مورد مطالعه این پژوهش، شهر مجن، با دارا بودن شرایط خاص توپوگرافی واقع در دامنه جنوبی رشتهکوه البرز، الگوی کشت پیچیدهای متشکل از باغات متراکم (مانند زردآلو، سیب و گیلاس) و اراضی زراعی (عمدتاً گندم) را در خود جای داده است. عدم وجود آمار دقیق و بهروز از سطح زیر کشت هر یک از این محصولات، برنامهریزی برای تخصیص بهینه منابع آب محدود این منطقه را با مشکل مواجه ساخته است. از اینرو، دسترسی به یک روش خودکار، دقیق و کمهزینه مبتنی بر فناوری سنجش از دور برای پایش الگوی کشت در این منطقه، نه تنها یک نیاز علمی، بلکه یک ضرورت عملیاتی برای مدیریت پایدار منابع آب و کشاورزی است. این پژوهش با تمرکز بر این چالش منطقهای، در پی پر کردن خلأ اطلاعاتی موجود است.در این پژوهش با استفاده از تصاویر چند زمانه ماهواره سنتینل 2، اقدام به شناسایی سطح زیر کشت اراضی موجود در بازار آب مجن با بهرهگیری از دوره فنولوژیکی گردیده است. در ابتدا اقدام به شناسایی نوع محصولات منطقه شامل زردآلو، سیب، گیلاس و گندم و نیز دوره فنولوژیکی آنها گردید. سپس به عنوان اهداف تعلیمی از میان تمامی باغات و مزارع منطقه 91 باغ سیب، 254 باغ زردآلو، 15 باغ گیلاس و 35 مزرعه گندم و نیز 50 محدوده اراضی بایر و فاقد کشت به عنوان جلوگیری از تداخل طیفی انتخاب شدند. همچنین از شاخصهای گیاهی تفاضلی نرمال شده (NDVI)، پوشش گیاهی بهبود یافته (EVI)، تفاضلی نرمال شده آب (NDWI) به عنوان کاربردیترین شاخصهای گیاهی جهت شناسایی پوششهای گیاهی، نوع کشت و وضعیت سبزینگی منطقه در طی دورههای مختلف نیز استفاده گردیده شد. در نهایت به کمک برداشتهای میدانی و همچنین مدلهای نظارت شده ماشین بردار پشتیبان (SVM)، شبکه عصبی (Neural Net)، حداقل فاصله از میانگین (MD) و حداکثر تشابه (MLE)، تصاویر ماهوارهای طبقهبندی و نوع محصولات و نقشه اراضی کشاورزی بدست آمد. یافتهها: جهت بررسی صحت نتایج، نقشههای تولید شده با برداشتهای میدانی تطبیق داده شد. نتایج بررسی نمودارهای شاخص-های گیاهی به وضوح بیانگر تفکیک نمودارها از یکدیگر و مشاهده هر یک از باغات سیب، زردآلو، گیلاس و مزارع گندم بصورت جداگانه با شدت و رنگ متفاوت بودند، لذا روند تغییرات ساختار محصولات غالب منطقه که شامل شاخص سطح برگ، نوع و ساختار تاج پوششی گیاه، مقادیر رطوبت و شناسایی پهنههای آبی از گیاهی میباشند را در شناسایی، تفکیک و همچنین آغاز روند رشد تا برداشت و خزان به خوبی نمایش دادهاند. به جهت ارزیابی دقت مدلهای طبقهبندی از روش اعتبارسنجی متقابل استفاده گردید که شاخصهای آماری ضریب کاپای و دقت کلی در آنها به کار گرفته شد، همچنین مقادیر دو خطای اومیسیون که بیانگر پیکسلهایی است که در مساحت اراضی به اشتباه طبقه بندی شده و به آن کلاس تعلق ندارد و نیز خطای کومیسیون که نشان دهنده اراضی یک کلاس که در کلاسهای دیگر واقع شده است به ترتیب برای محاسبه دقت تولیدکننده و دقت کاربر محاسبه گردیدند. برای روشهای شبکه عصبی، ماشین بردار پشتیبان، حداکثر تشابه و حداقل فاصله از میانگین مقادیر ضریب کاپای به ترتیب 79/0، 78/0، 66/0 و 60/0 و دقت کلی 89، 88، 81 و 79 درصد بدست آمد که بررسی این اعداد به همراه مقادیر دوخطای کمیسیون و اومیسیون بیانگر عملکرد بهتر روش شبکه عصبی و ماشین بردار پشتیبان نسبت به دو روش دیگر بودند. نتایج نشان داد با استفاده از روش شبکه عصبی از مجموع 2000 هکتار اراضی مجن، مساحت تحت پوشش باغات زردآلو، سیب، گیلاس به ترتیب 1442، 333 و 52 هکتار (1/72، 7/16 و 6/2 درصد) و زراعت گندم 173 هکتار (6/8 درصد) میباشد، که در مقایسه با آمار سازمان جهاد کشاورزی از دقت 94 درصدی برخودار است. بررسیهای میدانی نشان داد عواملی همچون کشت درختان هلو، شلیل، آلبالو و گردو به شکلی محدود در برخی از باغات منطقه به صورت ترکیبی با زردآلو و سیب با توجه به وسعت منطقه و تشابه دوره تقویم زراعی موجب بروز خطا در برآورد سطح زیر کشت این محصولات شده است، همچنین از بین نبردن علفهای هزر در تعداد معدودی از باغات منطقه در ابتدای فصل بهار موجب بروز خطا در تفکیک این باغات با زمینهای زراعی گندم شده. کمترین میزان خطا را میتوان در سطح زیر کشت گندم در منطقه مشاهده نمود زیرا کشت آن بصورت پاییزه بوده و در این دوره محصولی همزمان در منطقه کشت نمیگردد. نتیجه گیری: در نهایت میتوان بیان داشت کاربرد تصاویر ماهوارهای چند زمانه و شاخص فنولوژیکی میتوانند نتایج نسبتاً مقبولی را در شناسایی نوع محصولات کشاورزی و تعیین سطح زیر کشت آنها ارائه نمایند که از دیدگاههای مدیریتی و نظارتی با توجه به مزایای آن از جمله قابلیت دسترسی به نقاط دوردست، سطح گسترده پوشش، دسترسی آسان و سریع به تصاویر و نیز دقت مناسب به جهت تهیه نقشه اراضی کشاورزی حائز اهمیت میباشد. در واقع میتوان بیان داشت با بهرهگیری از این فناوری در تمامی ابعاد مطالعاتی و مدیریتی میتوان اطلاعات بسیار مفیدی را پیرامون مدیریت آبیاری و نحوه استفاده آن در مزارع و باغات و نیز کنترل تنش-های آبی به جهت برنامهریزی در بخشهای مختلف بهره جست و دقت کار را با صرف کمترین هزینه و نظارت دائمی افزایش داد. | ||
| کلیدواژهها | ||
| پایش سطح زیرکشت؛ سنتینل-2؛ شاخصهای گیاهی؛ الگوریتمهای یادگیری ماشین | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 1 |
||
سامانه مدیریت نشریات علمی. طراحی و پیاده سازی از سیناوب