بخشی از مقاله
چکیده
هدف از این تحقیق طبقه بندی واریته های مختلف نیشکر با استفاده از الگوریتم های طبقه بندی نظارت شده ماشین بردار پشتیبان، نقشه بردار زاویه طیفی و شبکه عصبی در اراضی کشت و صنعت نیشکر امام خمینی در استان خوزستان بر روی تصویر فراطیفی Hyperion می باشد. برای این منظور ابتدا تصویر منطقه مورد نظر تهیه گردید و تصحیحات هندسی و اتمسفری بر روی آن اعمال شد. سپس با انجام بازدید میدانی و بررسی نقشه های موجود از منطقه، مناطق آموزشی مربوط به واریته های مختلف نیشکر متناظر با واقعیت زمینی بر روی تصویر فراطیفی مشخص گردید. در ادامه هر یک از الگوریتم های مورد نظر جهت طبقه بندی و تفکیک واریته های مختلف نیشکر به طور جداگانه بر روی تصویر اعمال و نقشه مربوطه تهیه گردید. نتیجه اینکه الگوریتم طبقه بندی ماشین بردار پشتیبان با دقت کلی 97/97 درصد و ضریب کاپای 0/9766 نسبت به دو الگوریتم دیگر دارای دقت بیشتری در تشخیص واریته های مختلف نیشکر می باشد.
واژه های کلیدی: طبقه بندی نظارت شده، SVM، SAM، NN، واریته، نیشکر، Hyperion
-1 مقدمه
شناسایی و تشخیص محصولات کشاورزی و تعیین سطح زیر کشت آن از کاربردهای مهم سنجش از دور فراطیفی میباشد. از آنجایی که تهیه داده های زمینی در مورد محصولات کشاورزی درسطح وسیع کاری دشوار، زمانبر و پر هزینه است، لذا با استفاده از تصاویر ماهواره ای با صرف کمترین زمان و هزینه می توان اطلاعات مفیدی بدست آورد. بازتاب های پوشش گیاهی و شاخص های گیاهی که بوسیله سنجنده های موجود در ماهواره ها حاصل می گردند برای شناسایی، بررسی وضعیت سلامت گیاه، برآورد سطح زیرکشت استفاده گسترده ای دارند.[3] سنجنده های جدید فراطیفی مانند Hyperion قابلیتهای جدیدی را در مدیریت و تهیه نقشه های پوشش گیاهی در بخش کشاورزی وارد ساخته است.
242 باند طیفی سنجنده در محدوده 400 تا 2500 نانومتر و قدرت تفکیک مکانی 30 متر پتانسیل بالایی را برای تشخیص گونه های گیاهی در بخش کشاورزی و تخمین خصوصیات بیوفیزیکی و بیوشیمی گیاهان فراهم ساخته است.[4] طبقه بندی گیاهان بر اساس گونه های مختلف گیاه یکی از کاربردهای مهم سنجش از دور در کشاورزی دقیق می باشد. [ 5] در زمینه استفاده از تصاویر سنجش از دور در کشاورزی مطالعات زیادی در ایران و کشورهای خارجی صورت گرفته است، که می توان به مواردی از آن اشاره کرد. فهیم نژاد و همکاران - - 1386 در تحقیقی با استفاده از تصویر فراطیفی هایپریون، روش های طبقه بندی نظارت شده SAM و LSU را مورد ارزیابی قرار دادند، و دو محصول کشاورزی گندم و جو را در اراضی کشاورزی جنوب تهران ازهم تفکیک کردند.
ثانی نژاد و همکاران - - 1387، با استفاده از تصویر ماهواره TERRA، سطح زیر کشت محصول گندم را در استان خراسان رضوی برآورد کردند. قاسملو و همکاران - - 1388، با استفاده از ویژگیهای طیفی و شبکه عصبی مصنوعی و تصویر هایپریون، اقدام به تشخیص گیاه یونجه در اراضی کشاورزی جنوب تهران کردند. عبداله زاده و همکاران - - 1386 سطح زیر کشت محصول سیب زمینی در شهرستان بروجن را، با استفاده از سری زمانی تصاویر IRSP6 و آنالیز میزان NDVI مزارع نمونه سیب زمینی در طول دوره رشد، بدست آوردند. مباشری و همکاران - - 2010 با ارائه دو روش، PASAVI و PANDVI، سن فیزیولوژیکی گیاه نیشکر را در قسمتی از اراضی کشت و صنعت امیر کبیر و دعبل خزایی، با استفاده از تصویر ASTER تخمین زدند.
آپان هلد، فین و مارکی - 2004 - توانایی های تصویر برداری ابرطیفی را برای تشخیص بیماری - زنگ نارنجی - نیشکر آزمایش کردند. روابط بین بیماری زنگ نارنجی نیشکر و تغییرات مربوط به مولفه های بیوشیمیایی محصول را با استفاده از تصویر هایپریون بررسی کردند. ناحیه تحقیقاتی آنها بخشی از منطقه تولید نیشکر مکای را پوشش داد که بزرگ ترین ناحیه تولید شکر در استرالیاست. لینیو سوارس و همکاران - - 2004، گونه های مختلف گیاه نیشکر را با استفاده از تصویر فراطیفی هایپریون در برزیل، شناسایی و از هم تفکیک کردند.در این تحقیق سعی به تشخیص واریته های مختلف گیاه نیشکر در اراضی کشت و صنعت نیشکر امام خمینی و طبقه بندی آنها بر روی تصویر فراطیفی هایپریون می باشد. برای این منظور ابتدا بر روی تصویر هایپریون تصحیحات هندسی و اتمسفری جهت کاهش خطاهای هندسی و اتمسفری صورت گرفت. جهت شناسایی و تفکیک گونه های نیشکر روش های طبقه بندی نظارت شده، نقشه بردار زاویه طیفی، شبکه عصبی و ماشین بردار پشتیبان مورد استفاده قرار گرفت.
-2 منطقه مورد مطالعه
منطقه مورد مطالعه بخشی از اراضی کشت و صنعت نیشکر امام خمینی در استان خوزستان با مختصات جغرافیایی 31 درجه و 37 دقیقه تا 31 درجه و 54 دقیقه شمالی و 48 درجه و 39 دقیقه تا 48 درجه و 44 دقیقه شرقی در 30 کیلومتری جنوب شوشتر میباشد، تصویر ماهواره ای منطقه مورد مطالعه در شکل - 1 - نشان داده شده است.
-3 مواد و روشها
دادههای سنجش از دور استفاده شده در این تحقیق، تصویر سطح L1Gst هایپریون متعلق به ماهواره EO-1 است که در تاریخ 11 شهریور 1389 دریافت شد. هایپریون یک سیستم طیف سنج تصویربردار فراطیفی است، که بخش مرئی، مادون قرمز نزدیک - VNIR - و مادون قرمز موج کوتاه - SWIR - را پوشش می دهد.این تصویر دارای سیستم مرجع "WGS84" و سیستم تصویر" " UTM می باشد. همچنین دارای 242 باند طیفی، دامنه طیفی 350 تا 2500 نانومتر، پهنای باند 10 نانومتر، قدرت تفکیک مکانی 30 متر است، و ناحیهای به اندازه 185 × 7.5 کیلومتر را در بر میگیرد.پردازش تصویر توسط نرم افزار ENVI 4.7 انجام شد.
1؛-3 تصحیح هندسی
به منظور تصحیح هندسی از تصویر ALI - این سنجنده همراه با سنجنده هایپریون بر روی ماهواره EO-1 قرار دارد - که فاقد خطای هندسی بود به روش Image to Image با کمک نرمافزارENVI4.7 با خطای 0/34 متر استفاده شد.
2؛-3 تبدیل ارزشهای رقومی - - DN به رادیانس
با توجه به فاکتورهای مجزایی که در مورد باندهای محدوده مرئی- مادون قرمز نزدیک - - VNIR و مادون قرمز کوتاه - - SWIR وجود دارد با تقسیم مقادیر DN به این فاکتورها تصویر به رادیانس تبدیل میشود. باندهای 8-57 را به عنوان باندهای مرئی ومادون قرمز نزدیک - VNIR - و باندهای 78-242 را به عنوان باندهای مادون قرمز کوتاه - SWIR - طبقه بندی می کنند.
3؛-3 تصحیح خطای اتمسفری و تبدیل DN تصویر به انعکاس
به دلیل اثرات بسیار زیاد اتمسفر بر روی میزان انرژی ثبت شده توسط سنسور، برای آنالیز دادههای تصویر باید اثر اتمسفر در صورت امکان تعدیل شود. بنابراین روش FLAASH بهعنوان یکی از روشهای تصحیح اتمسفری، بر روی تصویر هایپریون اعمال گردید. در این مدل پارامترهای فیزیکی و جوی مربوط به اتمسفر منطقه تصویربرداری و همچنین مدل اتمسفری خاص هر منطقه استفاده میشود.
4؛-3 تبدیل کمترین کسر نویز - - Minimum Noise Fraction Transform
در این مرحله برای اینکه عمل شناسایی و تشخیص هدف مورد نظر دقیق تر صورت گیرد و نتیجه معقول و قابل قبولی بدست آید، روش - Minimum Noise Fraction Transform - بر روی تصویر اعمال شد. این تبدیل یک تبدیل خطی است که برای مشخص کردن بعد و حجم اصلی تصویر، جدا کردن نویز از دیگر اطلاعات و کاهش میزان پردازش در مراحل بعد استفاده می شود. در این تبدیل ابتدا تصویر به دو بخش نویز و غیر نویز تقسیم می شود و سپس بخش غیر نویز به عنوان جزو اصلی شناخته می شود و نویز حذف می گردد. تصویر MNF باندهای 3 و 14 در اشکال زیر نشان داده شده است.
