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.