طبقه بندی نرم محصولات زراعی در تصاویر با قدرت تفکیک مکانی پایین به کمک تصاویر با قدرت تفکیک مکانی بالا

چکیده:

صنعت کشاورزی به­عنوان یکی از ارکان مهم رشد و توسعه­یافتگی هر کشور شناخته شده است. در سال­های اخیر به­سبب افزایش جمعیت، شهری­سازی و صنعتی­سازی مناطق مختلف، پایش و در دست داشتن اطلاعات به­روز از سطح زیرکشت محصولات مختلف کشاورزی در سطوح ملی به­منظور حفظ امنیت غدایی جامعه بیش از گذشته اهمیت پیدا کرده است. فناوری سنجش از دور امروزه به­طور گسترده در شناسایی، پایش و بررسی وضعیت زمین­های زراعی مورد استفاده قرار گرفته است. در این مطالعه تولید نقشه سطح زیرکشت 12 محصول اصلی کشاورزی در ایران یعنی گندم، جو، برنج، ذرت، کلزا، نیشکر، چغندرقند، یونجه، سیب­زمینی، پیاز، گوجه­فرنگی و باغات در سطح ملی با استفاده از سری زمانی شاخص­های گیاهی تصاویر ماهواره­ای مادیس با قدرت تفکیک مکانی 250 متر دنبال شده است. تولید نقشه­های سطح زیرکشت در ایران با استفاده از تصاویر ماهواره­ای با قدرت تفکیک مکانی پایین به­دلایل مختلفی نظیر خرده مالکی بودن و اقلیم­های آب و هوایی متنوع سراسر کشور منجر به بروز عدم قطعیت­های جدی در نتایج خواهد شد. لذا به­کارگیری روش­ها طبقه­بندی نرم در این تصاویر به­جای روش­های طبقه­بندی سخت رایج در مطالعات مختلفی انجام شده است. در این مطالعه استفاده از روش­های تجزیه زمانی نظارت شده پیکسل­های زراعی که در زمره روش­های طبقه­بندی نرم دسته­بندی می­شوند، به­منظور تولید نقشه­های سطح زیرکشت در دستور کار قرار گرفته است. از روش نظارت شده تخمین تُنُک جهت برآورد سهم حضور محصولات مختلف کشاورزی در هر پیکسل زراعی مادیس استفاده خواهد شد. بدین منظور 3 گام کلی در این مطالعه دنبال شده است. در گام اول نیاز به یک نقشه زراعی-غیرزراعی از کل کشور وجود دارد. این نقشه با استفاده از سری زمانی شاخص EVI تصاویر مادیس و روش نظارت شده شبکه­های عصبی مصنوعی تولید شده است. در گام دوم، به­دلیل تنوع درون­کلاسی و مشابهت بین کلاسی بالای محصولات کشاورزی (اعضای انتهایی)، شناسایی و دردست بودن اطلاعات رفتار زمانی گسترده از پیکسل­های خالص تصویری ضروری است. با توجه به ابعاد زمین­های زراعی در ایران و ابعاد زمینی هر پیکسل از تصاویر مادیس، استخراج رفتار زمانی محصولات مختلف کشاورزی با استفاده از سری زمانی تصاویر سنتینل-2 در سامانه گوگل انجین انجام پذیرفته است. این مجموعه رفتار زمانیِ محصولات مختلف تحت عنوان یک دیکشنری کشوری (کتابخانه رفتار زمانی اعضای انتهایی) شناخته می­شوند. به­منظور برآورد سهم حضور محصولات مختلف زراعی، از زیرمجموعه­ای از دیکشنری کشوری تولید شده در هر موقعیت زراعی و روش تخمین تنک استفاده خواهد شد. به­منظور حل دستگاه معادلات فرومعین تخمین تنک در هر نقطه از روشی جدید مبتنی بر الگوریتم حریصانه جست­و­جوی تطابقی متعامد (OMP) استفاده خواهد شد. روش ارائه شده به­نحوی طراحی گردیده است که دو شرط مهم در مسائل تجزیه زمانی یعنی: 1- سهم حضورهای مثبت محصولات مختلف در هر پیکسل و 2- مجموع-برابر-یک سهم­های حضور برآورد شده، رعایت شوند. در نهایت نیز ارزیابی عملکرد الگوریتم در سه مرحله مختلف برای دو شاخص گیاهی EVI و NDVI در حالت­های مختلف پیش­پردازش انجام شده است. در مرحله اول توانایی الگوریتم در بازسازی رفتار زمانی پیکسل زراعی با استفاده از دو معیار خطای بازسازی و زاویه بین رفتار زمانی اصلی پیکسل زراعی و رفتار زمانی تخمین زده شده مورد بررسی قرار می­گیرد. در مرحله دوم و با کمک داده­های واقعیت زمینی، عملکرد الگوریتم در تشخیص صحیح اعضای انتهایی مورد سنجش قرار گرفته است. به­نحوی که در موقعیت هر داده واقعیت زمینی، حضور یا عدم حضور کلاس داده واقعیت زمینی متناظر در بین محصولات کشاورزی استخراج شده توسط الگوریتم، مورد بررسی قرار می­گیرد. در مرحله سوم نیز آمارهای برآورد شده از سطح زیرکشت محصولات کشاورزی مختلف با آمارنامه­های رسمی جهاد کشاورزی کشور مقایسه شده است.