بخشی از مقاله

چکیده :

سنجش از دور به عنوان ابزاری جهت تولید اطلاعات جامع و بهنگام با استفاده از فن آوری ماهواره ای برای مدیریت یکپارچه و جامع کشاورزی مطرح است. تشخیص نوع محصولات کشاورزی با استفاده از تصاویر ماهواره ای و با کمترین سطح نیاز به دسترسی مستقیم به زمین های کشاورزی موجب کاهش چشمگیر هزینه ها در بخش مدیریت کشاورزی در سطح کلان می شود. استفاده از تصاویر چند طیفی چند زمانه راه کاری است که پیش از این تحقیقات جامعی بر روی آن انجام پذیرفته است.

آنچه در این تحقیق مورد نظر است افزایش دقت تفکیک محصولات کشاورزی یک منطقه با استفاده از اطلاعات مرز زمین های کشاورزی استخراج شده از تصویر با قدرت تفکیک مکانی بالا است. در واقع الگوریتم پیشنهادی در این تحقیق اضافه کردن یک مرحله پردازش بر روی نتایج طبقه بندی کننده های آماری و غیر آماری نظیر طبقه بندی کننده بیشترین شباهت و طبقه بندی کننده شبکه عصبی در کلاس بندی زمین های کشاورزی است.

در الگوریتم پیشنهادی به هر زمین کشاورزی به عنوان یک واحد جداگانه نگاه شده و پس از پردازش پیکسل مبنا ، پیکسل های هر زمین کشاورزی، کلاسی که بیشترین پوشش را در سطح زمین مورد بررسی داشته باشد تعیین کننده نوع محصول آن مزرعه می باشد. در واقع مرز زمین های کشاورزی از تصویر با قدرت تفکیک مکانی بالا استخراج شده و نوع محصول پیکسل مبنا نیز با استفاده از تصاویر چند طیفی چند زمانه مشخص می گردد و الگوریتم پیشنهادی با تلفیق این دو داده به طبقه بندی شیء مبنای تصویر می پردازد.با استفاده از الگوریتم پیشنهادی، شاهد افزایش دقت %12 درصدی در زمینه تفکیک محصولات کشاورزی هستیم که دقت تفکیک محصولات کشاورزی را از %80 به %92 افزایش داده است.

-1 مقدمه

کشاورزی به عنوان یکی از ارکان توسعه کشور ایران مطرح است. عمده ضعف کشورمان در این زمینه به ضعف در مدیریت یکپارچه و عدم وجود اطلاعات به هنگام و دقیق برای احقاق این مدیریت است. سنجش از دور به عنوان ابزار ارائه دهنده اطلاعات دقیق و به هنگام برای یک مدیریت صحیح و فعال مطرح می شود. یکی از کاربردهای سنجش از دور در زمینه کشاورزی فراهم کردن یک سیستم کنترل و پایش محصولات کشاورزی است.

به این منظور که مدیریت کشاورزی کشور به صورت دقیق از تنوع محصولات و مساحت اختصاص یافته به هر محصول در هر ناحیه خاص از کشور اطلاع داشته باشد. اگر چنین سیستم یکپارچه ای در مدیریت کشاورزی کشور پدید آید با ارزیابی آمار و اطلاعات به دست آمده و بازده زمین های کشاورزی می توان به بسیاری از نقص ها در این زمینه فائق آمد و هزینههای بسیاری نظیر هزینه حمل و نقل که سهم عمده ای در تعیین قیمت نهایی محصول کشاورزی دارد را کاهش داد. تفکیک محصولات کشاورزی و تعیین حدود دقیق مزارع از کاربردی ترین استفاده های سنجش از دور در کشاورزی میباشد.

برای کنترل و پایش پدیده های مورد نظر ، از جمله شناسایی و تفکیک محصولات کشاورزی ، با استفاده از سنجش از دور باید به جنبه های متفاوت این پدیده ها توجه نمود. اغلب نمی توان با استفاده از یک محصول سنجش از دور به مطالعه یک پدیده پیچیده پرداخت زیرا هر مجموعه داده سنجش از دور با توجه به انتظاری که سازندگان سنجنده از آن دارند ویژگی خاصی را دربر می گیرد.

در سالیان اخیر برای استفاده همه جانبه از داده های سنجش از دور به ترکیب منابع مختلف داده سنجش از دور می پردازند.1]، 2، 3، 4، 5 و [6 روش های مختلف استفاده از داده های چند منبعی را می توان در سه سطح زیر طبقهبندی نمود:

-1 منابع مختلف داده :

در این زمینه می توان به تحقیقی اشاره نمود که در آن با ترکیب دادهای سنجنده های ماهواره ای نظیر IRS-P6 و استر و داده های نقشه های توپوگرافی 1:50000 منطقه و ارتفاع استخراج شده از مدل رقومی ارتفاعی - - DEM منطقه به تهیه نقشه یخچال های طبیعی باقیمانده در منطقه هیمالیا پرداخته اند.

-2 سنجنده های ماهواره ای با ماهیت متفاوت:

در زمینه تعیین نوع محصولات کشاورزی در تحقیقی با استفاده از تصاویر نوری و رادار به طور همزمان ، به تفکیک محصولات کشاورزی پرداخته شده است و از تصویر نوری اطلاعات طیفی و شکل و از تصویر رادار اطلاعات بافت و ساختار محصول استخراج شده است و در نهایت با استفاده از طبقه بندی کننده های مختلف از جمله روش های درختی اقدام به تفکیک محصولات نموده اند.

-3 تصاویر چند زمانه یک سنجنده:

برای تفکیک محصولات کشاورزی بررسی دوره رشد یک محصول در تشخیص نوع آن بسیار حائز اهمیت است. و تصاویر چند زمانی این قابلیت را فراهم می کنند. در این زمینه می توان به تحقیقی اشاره نمود که با استفاده از داده های چند زمانه سنجنده مادیس به پیش بینی بازده محصولات کشاورزی در کانادا پرداخته اند.

روشهای اول و دوم به دلیل نیاز به چند منبع با محدودیت اجرایی مواجه هستند ، از طرفی با توجه به دوره رشد چندین ماهه محصولات کشاورزی ، استفاده از روش های چند زمانی دارای توجیه است. با توجه به مشابهت طیفی محصولات مختلف ، تصاویر بایستی در هر بازه زمانی از قدرت تفکیک طیفی کافی ، برخوردار باشند.

معمولا حد تفکیک مکانی و طیفی سنجنده ها با یکدیگر رابطه ی معکوس دارد. از این رو تصاویر چند طیفی امکان استخراج اطلاعات مکانی با دقت های بالا را فراهم نمی کنند.

استخراج حدود دقیق هر زمین کشاورزی از تصویر با قدرت تفکیک مکانی بالا اسپات و ذخیره اطلاعات آن به عنوان یک ویژگی برای هر پیکسل مورد پردازش در الگوریتم های طبقه بندی کننده آماری بیشترین شباهت و غیر آماری شبکه عصبی به عنوان موضوع این تحقیق مطرح است.

طبقه بندی کننده های موجود بیشتر با استفاده از اطلاعات پیکسلی به طبقه بندی تصویر می پردازند ، در این تحقیق یک مرحله طبقه بندی شیء مبنا پس از طبقه بندی پیکسل مبنا اضافه شده است، به این ترتیب که هر پیکسل پس از ورود به طبقه بندی کننده آماری و غیر آماری یک برچسب کلاس می خورد که این برچسب می تواند درست یا غلط باشد. برای افزایش دقت طبقه بندی کننده های پیکسل مبنا، پیشنهاد می شود که در طبقه بندی نهایی یک منطقه به هر زمین کشاورزی به عنوان یک واحد جداگانه نگاه شود.

در مرحله طبقه بندی پیکسل مبنا درصد پوشش هر کلاس از یک زمین کشاورزی منفرد مشخص می شود، با توجه به این منطق که در هر زمین کشاورزی یک محصول پرورش داده می شود و منطقی نیست که زمینی که فرضا بیش از %90 آن مختص یک محصول کشاورزی است، در میانه خود %10 از محصول دیگر کشت شود، این %10 را به خطای طبقه بندی کننده به دلیل وجود پیکسل های مرزی و ترکیبی بازگردانده و کلاس آنها را به کلاسی که حائز اکثریت پوشش یک زمین است باز می گردانیم.

-2 روشها

-1-2 طبقه بندی پیکسل مبنا:

روش های عمده طبقه بندی تصاویر در سنجش از دور را می توان به دو دسته عمده روش های مبتنی بر مدل های آماری یا روش های طبقه بندی پارمتریک و روش های غیر آماری یا غیر پرامتریک تقسیم بندی نمود.

هریک از مدل های مطرح شامل روش های متنوعی هستند:

-1-1-2 روشهای مبتنی بر مدلهای آماری

مدل استنباط کلاسیک1، کالمن فیلترینگ2 ، روش تخمین بیز3 ، روش استنباط شهودی4 ، کمترین فاصله، بیشترین شباهت و غیره

-2-1-2 روشهای هوشمند و مبتنی بر الگوریتمهای آموزشپذیری

تئوری مجموعه فازی5 ، شبکههای عصبی6 ، تئوری آنالیز موجک7 ، ماشین بردار پشتیبان8و غیره

در متن اصلی مقاله به هم ریختگی وجود ندارد. برای مطالعه بیشتر مقاله آن را خریداری کنید