مقایسه روشهای مختلف طبقهبندی در برآورد کسر پوشش گیاهی چغندرقند با استفاده از تصاویر پهپادی | ||
| مدیریت آب و آبیاری | ||
| دوره 14، شماره 4، زمستان 1403، صفحه 989-1004 اصل مقاله (1.53 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/jwim.2024.383445.1181 | ||
| نویسندگان | ||
| سید رضا حدادی؛ مسعود سلطانی* ؛ عباس کاویانی | ||
| گروه علوم و مهندسی آب، دانشکده کشاورزی و منابع طبیعی، دانشگاه بینالمللی امام خمینی(ره)، قزوین، ایران. | ||
| چکیده | ||
| کسر پوشش گیاهی (CCF) یکی از شاخصهای مهم در تعیین وضعیت ظاهری گیاه و تشخیص وضعیت گیاه ازنظر وجود و یا عدم وجود تنش در گیاه محسوب میشود. امروزه با پیشرفت فنآوری و در دسترسبودن دوربینهای دیجیتالی با کیفیت بالا، امکان تعیین و پایش کسر پوشش گیاهی در تمام طول فصل رشد و بدون تخریب گیاه وجود دارد. در این پژوهش برای تعیین کسر پوشش گیاهی چغندرقند، از تصاویر هوایی مزرعه پژوهشگاه علوم گیاهی در سوئیس استفاده شد. تعداد 481 تصویر در باند طیف مرئی و در ارتفاع متوسط 10 متری از سطح زمین با استفاده از پهپاد DJI MATRICE 100 در چهار تاریخ مختلف برداشت شد. برای تعیین کسر پوشش گیاهی پنج روش طبقهبندی نظارتشده، شامل فاصله ماهالانوبیس (MahD)، حداکثر احتمال (MaxLh)، حداقل فاصله (MinD)، شبکه عصبی (NN) و ماشین بردار پشتیبان (SVM) موردبررسی و ارزیابی قرار گرفتند. نتایج نشان داد دو روش SVM و MaxLh با مقدار دقت کلی (OA) 99 درصد بهترین نتیجه را در طبقهبندی تصویر و محاسبه کسر پوشش گیاهی داشتند. مقایسه نتایج بهدستآمده برای تمام تاریخهای تصویربرداری نشان داد ازنظر زمان پردازشها روش MaxLh با سازوکار نسبتاً ساده بهعنوان مناسبترین روش در برآورد پوشش سایهانداز چغندرقند هست و نسبت به روشهای مبتنی بر یادگیری ماشین مانند NN و SVM سریعتر بوده و میتواند بهعنوان روش جایگزین با دقت بالا و بسیار نزدیک به روشهای یادگیری ماشین، مورداستفاده قرار گیرد. | ||
| کلیدواژهها | ||
| حداکثر احتمال؛ حداقل فاصله؛ فاصله ماهالانوبیس؛ شبکه عصبی؛ ماشین بردار پشتیبان | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 577 تعداد دریافت فایل اصل مقاله: 336 |
||