مرز مزارع

امروزه کاربردهای تصاویر ماهواره ای، در پایش و مدیریت زمین های کشاورزی، رو به گسترش است. با توجه به قدرت تفکیک مکانی، طیفی و زمانی بالای تصاویر سنتینل 2، در این مطالعه، در کشاورزی دقیق در شهرستان قروه از این تصاویر استفاده شده است. ابتدا با توجه به تقویم زراعی محصولات متفاوت آن منطقه، تصاویر سری زمانی جمع آوری شد. در روش پیشنهادی، نخست، فضای ویژگی طیفی براساس بازتاب طیفی باندها و همچنین شاخص های گیاهی، ایجاد شد. ابعاد فضای ویژگی طیفی، با استفاده از روش آنالیز مؤلفه های اصلی، کاهش یافت. سپس چهار طبقه بندی کننده قدرتمند ماشین های بردار پشتیبان، شبکه عصبی پرسپترون چندلایه، نزدیک ترین k همسایه و جنگل های تصادفی نقشه طبقه بندی از اطلاعات طیفی تولید کردند. در ادامه، مکانی با هدف تعیین مرز مزارع، اطلاعات استخراج شد. برای این منظور، از شناسایی لبه ها در سری زمانی تصاویر سنتینل 2 استفاده شد. در نهایت، نقشه طبقه بندی نهایی، با تلفیق اطلاعات مکانی و ادغام نتایج طبقه بندی کننده ها ایجاد شد. نتایج به دست آمده نشان داد که دقت طبقه بندی کننده های نزدیک ترین k همسایه، ماشین های بردار پشتیبان، شبکه عصبی پرسپترون چندلایه و جنگل های تصادفی روی فضای ویژگی طیفی اولیه، به ترتیب 78/77%، 16/79%، 41/76% و 89/76% است. با استفاده از روش پیشنهادی، دقت طبقه بندی به 72/94% افزایش پیدا کرد که حاکی از توانایی آن در منطقه مورد مطالعه است.