زمینه و هدف: گیاه برنج یکی از مهمترین محصولات استراتژیکی در کشور ایران محسوب میشود. از دیگر سو، کشاورزی طیف گسترده ای از امکانات و در عین حال مشکلات زیست محیطی را ایجاد میکند. درنتیجه، تحقیقاتی که به تولید و توسعه پایدار در این حیطه کمک کنند، حائز اهمیت هستند. هدف اص أکثر
زمینه و هدف: گیاه برنج یکی از مهمترین محصولات استراتژیکی در کشور ایران محسوب میشود. از دیگر سو، کشاورزی طیف گسترده ای از امکانات و در عین حال مشکلات زیست محیطی را ایجاد میکند. درنتیجه، تحقیقاتی که به تولید و توسعه پایدار در این حیطه کمک کنند، حائز اهمیت هستند. هدف اصلی از این پژوهش طراحی و توسعه مدل مقیاس پذیر عملکرد برنج مبتنی بر سنجش از دور و پردازش داده های ماهواره ای است.روش بررسی: در این مطالعه، از چندین تصویر مختلف، موجود در سامانه گوگل ارث انجین (Google Earth Engine) برای تخمین عملکرد برنج در مقیاس های مختلف زمانی (فصول رشد مختلف) و مکانی (وضوح 30 متر تا مقیاس های منطقه ای) استفاده شد. سپس یک مدل کارایی استفاده از نور (LUE) مبتنی بر سنجش از دور را اجرا نموده و در آن تنشهای محیطی غیرزنده را وارد نمودیم. این مدل فیزیکی در برابر دادههای عملکرد اندازهگیری شده زمینی، در سالهای زراعی 1395، 1396 و 1398 در 691 مزرعه برنج در استان گیلان ارزیابی شد.یافته ها: نتایج، همبستگی مثبت و تطابق قابل توجهی بین مقادیر محاسباتی و مشاهداتی نشان داد، بطوریکه در سالهای زراعی مورد مطالعه، میانگین ضریب همبستگی (R) و شاخص توافق (d) برابر با55/0 بدست آمد. میانگین RMSE برابر با 500 کیلوگرم در هکتار، میانگین MAE برابر با 440 کیلوگرم در هکتار، و میانگین NRMSE برابر با 0.12، حاکی از دقت مناسب مدل در برآورد عملکرد محصول در این مکانها و سالهاست. مدل ارائه شده، تغییرپذیری مناسب مقادیر عملکرد را در مقیاس مزرعه نشان داد.بحث و نتیجه گیری: بهرهگیری از سنجش از دور در محیط GEE به عنوان ابزاری مفید جهت تخمین عملکرد محصول در مقیاسهای مختلف زمانی و مکانی، مورد تایید قرار گرفت. مدل حاضر میتواند در طیف وسیعی از کاربردها مانند مدیریت کشاورزی و بیمه محصولات کشاورزی مورد استفاده قرار گیرد.
تفاصيل المقالة
از جمله مشکلات موجود در انطباق تصاویر سنجش از دور این است که تصاویر توسط سنسورهای متنوع و در زمانهای مختلف و با زاویه های انحراف متنوع گرفته شدهاند. برای حل این مشکل الگوریتمهایی برای بهبود انطباق پیشنهاد شدهاند. یکی از متداولترین روشها، استفاده از الگوریتم SURF ( أکثر
از جمله مشکلات موجود در انطباق تصاویر سنجش از دور این است که تصاویر توسط سنسورهای متنوع و در زمانهای مختلف و با زاویه های انحراف متنوع گرفته شدهاند. برای حل این مشکل الگوریتمهایی برای بهبود انطباق پیشنهاد شدهاند. یکی از متداولترین روشها، استفاده از الگوریتم SURF (ویژگی های مقاوم سریع) است که نسبت به تغییر مقیاس، چرخش، تغییر روشنایی و نویز تا حدودی مقاوم و به زاویه انحراف تصاویر تا حدود 45 درجه پاسخگو است. اما روی همافتادگی و نزدیکی نقاط کلیدی استخراج شده در این الگوریتم زیاد است و عملاً توزیع پذیری مکانی مناسبی از نقاط کلیدی را ارائه نمی‎دهد. این پژوهش به دنبال روشهایی است که نسبت به پارامترهای تابع تبدیل آفین مقاوم باشد. در مقاله حاضر از محیط شبیهساز IMAS (انطباق تصویر با شبیهساز توابع تبدیل مستوی) که توزیعپذیری مناسبی از نقاط کلیدی را پیشنهاد و به اختلاف زاویه بیشتری نسبت به SURF پاسخگوست، استفاده شده است. برای یافتن مرزها و لبههایی با وضوح بیشتر در تصویر از فیلتر مورفولوژی استفاده شده و برای آشکارسازی نقاط کلیدی، ایده جرم تصویر به کاربرده شده است که جهت اصلی نقاط ویژگی را مشخص و چرخشهای تغییر ناپذیر را توصیف میکند. در بخش توصیفگر از توصیفگر RBRISK (نقاط کلیدی دودویی مقیاس پذیر مقاوم و تغییرناپذیر در برابر دوران) که نسبت به دوران پایدار است، استفاده شده است. نتایج عملی آزمایش‎ها نشان دهنده آن است که روش پیشنهادی در تصاویر ماهواره میزان انطباق را تا حدود 10 درصد بهبود بخشیده و از سرعت اجرای مناسبی در کاربردهای آنلاین برخوردار است.
تفاصيل المقالة
سند
Sanad is a platform for managing Azad University publications