|
" مطالعه، طراحی و پیاده سازی سامانه تعیین سطح زیرکشت و تشخیص محصولات کشاورزی به کمک تصاویر ماهواره ای مادیس "
| شماره شناسایی
|
:
|
18868093
|
| شماره مدرک
|
:
|
۶۰۲۲۲
|
| نام عام مواد
|
:
|
[گزارش علمی- فنی]
|
| شناسه افزوده
|
:
|
نوروزی، علی اکبر
|
|
|
:
|
فرازمند، حسین
|
|
|
:
|
صاحبی، محمودرضا
|
|
|
:
|
طالعی، محمد
|
|
|
:
|
مزینانی، حامد
|
| عنوان اصلي
|
:
|
مطالعه، طراحی و پیاده سازی سامانه تعیین سطح زیرکشت و تشخیص محصولات کشاورزی به کمک تصاویر ماهواره ای مادیس
|
| ساير اطلاعات عنواني
|
:
|
گزارش علمی ـ فنی محرمانه
|
| عنوان اصلي به زبان ديگر
|
:
|
Study, design and implementation of a system for determining the crop land and detection of agricultural products supported by MODIS satellite images
|
| صفحه شمار
|
:
|
۱۶۴ص.: جدول، مصور
|
| وضعیت انتشار
|
:
|
تهران: مرکز علوم و فناوری اطلاعات کشاورزی، ۱۴۰۰
|
| فروست
|
:
|
گزارش علمی فنی به شماره ۶۰۲۲۲ تاریخ ۱۴۰۰/۰۶/۲۱ ثبت گردید
|
| خلاصه یا چکیده
|
:
|
بخش کشاورزی در کشورهای در حال توسعه به عنوان موتور اصلی رشد و توسعه اقتصادی کشور شناخته می شود. این بخش با رشد روز افزون خود و با برقراری ارتباطات گسترده با سایر بخش های اقتصادی، می تواند زمینه تولید ثروت، ارزآوری و رشد صنعت را فراهم نماید. امروزه کشورهای در حال توسعه به¬منظور گذر از بحران های اقتصادی و خودکفایی، درصدد تلفیق هر چه بیش تر بخش کشاورزی با دانش و تکنولوژی های پیشرفته برآمده و توانسته اند پیشرفت¬های قابل¬توجهی را در این زمینه کسب نمایند. با وجود محدودیت¬های موجود در منابع آبی و زمینهاي قابل کشت و هم¬چنین رشد روزافزون جمعیت و افزایش تقاضا براي منابع و مواد غذایی، مدیریت زمینهاي قابل کشت و در حال کشت و هم چنین نوع کشت در زمینها از اهمیت ویژه ای برخوردار می¬باشند. از این رو رسیدن به این اهداف مستلزم برنامه¬ریزی مناسب و بهره مندی از دادههاي معتبر در این زمینه خواهدبود. از بهترین منابع جمعآوری داده می¬توان به تکنیک سنجش از دور اشاره نمود. مبناي مطالعات سنجش از دوري بر پایه بازتاب طیفی پدیدهها استوار بوده و در سالیان اخیر با پیدایش نسل جدید سنجندههای سنجش از دوري (سنجندههاي فضایی، هوایی و پهپاد مبنای ابرطیفی و چندطیفی) و با افزایش قدرت تفکیک طیفی آنها در حد چندین نانومتر، توانسته اطلاعات وسیع¬تر و جامع¬تری را از عوارض سطح زمین تهیه نماید.مزایای سنجشازدور را در مقایسه با سایر روش¬های جمعآوری داده می¬توان در اخذ داده های بهروز، سرعت بالای انجام کار، فرمت رقومی مناسب برای محاسبات و هم¬چنین امکان انتخاب وسیعی از دقت¬های ¬مکانی، زمانی و طیفی نام برد که این عوامل موجبات توانایی این روش را بهخصوص در زمینه کشاورزی و آشکارسازی تغییرات سریع محیطی فراهم آورده است.این مطالعه در دو گام کلی تولید نقشه سطح زیر کشت کل کشور صرف نظر از نوع محصول و تولید نقشه تفکیکی محصولات کشاورزی مختلف انجام پذیرفت. بدین منظور از سری زمانی شاخص گیاهی مستخرج از تصاویر از جمله NDVI و EVI مادیس با قدرت تفکیک مکانی 250 متر و با قدرت تفکیک زمانی 8 روز در یک دوره زمانی یک ساله استفاده شد. در گام اول، از روش شبکه¬های عصبی نظارت شده و با داده¬های آموزشی بدست آمده از پالایش نقشه¬های جهانی رایگان، نقشه اولیه سطح زیر کشت کل کشور صرف نظر از نوع محصولات تولید شد. در مرحله بعد، سهم حضور محصولات مختلف در هر پیکسل با استفاده از روش¬های تجزیه خطی که در زمره روش¬های طبقه¬بندی نرم قرار دارد، دوازده محصول(گندم، جو، ذرت، یونجه، گوجه فرنگی، سیب زمینی، کلزا، چغندر قند، نیشکر، برنج، پیاز و محصولات باغی )به همراه مساحت هایشان محاسبه شد. الگوریتم طراحی شده در این مرحله نیز قادر به حذف پیکسل¬های اشتباه از ماسک زراعی تولید شده در مرحله قبل بوده و با به¬روز رسانی این نقشه، نقشه زراعی جدیدی از کل کشور ارائه شد. The agricultural sector in developing countries is known as the main engine of economic growth and development of the country. With its increasing growth and by establishing extensive connections with other economic sectors, this sector can provide the land for wealth production, currency exchange and industry growth. Today, in order to overcome economic crises and self-sufficiency, developing countries have tried to integrate the agricultural sector with advanced knowledge and technologies as much as possible. Make significant progress in this area.Despite the limitations of water resources and arable land, as well as the growing population and increasing demand for resources and food, the management of arable land, as well as the type of cultivation in the fields are particular importance. Therefore, achieving these goals will require proper planning and the use of valid data in this field. One of the best sources of data collection is remote sensing technique. The basis of remote sensing studies was based on spectral reflection of phenomena. In recent years, with the development of a new generation of remote sensing sensors (space, aerial and super spectral and multispectral based UAV sensors) and by increasing their spectral resolution to several nanometers, it has been able to provide broader and more comprehensive information on surface features.The advantages of remote sensing compared to other data collection methods include obtaining up-to-date data, high speed of work, digital format suitable for calculations, as well as the possibility of choosing from a wide range of spatial, temporal and spectral accuracy.These factors have enabled this method, especially in the field of agriculture and the detection of rapid environmental changes. This study was carried out in two general steps of producing a map of the area under cultivation of the whole country, regardless of the type of product, and producing a separate map of different agricultural products. For this purpose, the time series of the plant index extracted from images such as NDVI and EVI MODIS with a spatial resolution of 250 meters and a temporal resolution of 8 days in a period of one year was used.In the first step, the neural network method was monitored and with the training data obtained from the refinement of free available maps, the initial map of the area under cultivation of the entire country was produced, regardless of the type of products. In the next step, the share of the presence of different products in each pixel using linear analysis methods, which are among the soft classification methods, twelve products (wheat, barley, corn, alfalfa, tomatoes, potatoes, canola, sugar beet, Sugarcane, rice, onions and horticultural products) along with their areas were calculated. The algorithm designed at this stage was also able to remove the noise pixels from the crop mask produced in the previous step, and by updating this map, a new crop land map of the whole country was presented.
|
| |