شماره ركورد كنفرانس :
5313
عنوان مقاله :
اندازهگيري غيرمخرب نيتروژن برگ نيشكر با استفاده از شاخص طيفي استخراج شده از ماهواره Sentinel-2
عنوان به زبان ديگر :
Non-destructive measurement of sugarcane leaf nitrogen using spectral index extracted from sentinel-2 satellite
پديدآورندگان :
سلطاني كاظمي مريم دانشجوي دكتري، گروه مهندسي مكانيك بيوسيستم، دانشكده كشاورزي، دانشگاه تربيت مدرس ، تهران، ايران , مينايي سعيد minaee@modares.ac.ir استاد، گروه مهندسي مكانيك بيوسيستم، دانشكده كشاورزي، دانشگاه تربيت مدرس ، تهران، ايران , شفيعزاده مقدم حسين استاديار، گروه مديريت منابع آب، دانشكده كشاورزي، دانشگاه تربيت مدرس ، تهران، ايران , مهدويان عليرضا استاديار، گروه مهندسي مكانيك بيوسيستم، دانشكده كشاورزي، دانشگاه تربيت مدرس ، تهران، ايران
كليدواژه :
سنجش از دور , تصاوير چندطيفي , شاخص گياهي , رگرسيون جنگل تصادفي , رگرسيون بردار پشتيباني
عنوان كنفرانس :
ششمين كنفرانس بينالمللي آزمونهاي غيرمخرب ايران
چكيده فارسي :
نيتروژن عامل مهمي براي ارزيابي كيفيت نيشكر در دوره رشد است و كمبود اين عنصر باعث كاهش عملكرد محصول ميشود. متداولترين روش براي اندازهگيري نيتروژن نيشكر، استفاده از دستگاه Kjeldahl ميباشد كه آمادهسازي نمونهها دستي و در واقع تجزيه و تحليل آن به صورت شيميايي است كه رويكردي پرزحمت، پرهزينه و وقتگير ميباشد. اين در حالي است كه سنجش از دور چند طيفي ماهوارهاي به عنوان روش غيرمخرب ميتواند اطلاعات به هنگام، مقرون به صرفه و در مقياس بزرگ در مورد وضعيت نيتروژن در مزارع نيشكر را فراهم كند. هدف از اين مطالعه، تخمين ميزان نيتروژن گياه نيشكر با استفاده از دو مدل جنگل تصادفي (RF) و ماشين بردار پشتيبان (SVM) ميباشد. در اين پژوهش، ميزان نيتروژن 44 مزرعه از كشت و صنعت اميركبير استان خوزستان به روش سنتي اندازهگيري شد و همزمان تصاوير ماهواره سنتينل-2 اخذ گرديد. از اين تصاوير، باندهاي طيفي شامل B2 ، B6 ، B11 و شاخص پوشش گياهي شامل GEMI محاسبه شد. نتايج مدل سازي نشان داد كه ميزان نيتروژن با R2=0.59 و RMSE=0.1 توسط جنگل تصادفي برآورد شده است در حالي كه رگرسيون بردار پشتيبان ميزان نيتروژن را با R2 برابر با 29/0 و RMSE 03/0 پيشبيني كرد. باتوجه به چالش موجود در زمينه تخمين نيتروژن توسط ماهوارههاي اپتيك، اين امكان وجود دارد كه الگوريتم جنگل تصادفي بتواند حل مساله را بهبود بخشد.
چكيده لاتين :
Nitrogen is an important factor for quality assessment of sugarcane in growing period and deficiency of this element causes reduced crop yield. The most common method for measuring sugarcane nitrogen is by manual sampling, preparation, and chemical analysis in the laboratory using Kjeldahl device. This approach is laborious, costly, and time-consuming. Multispectral remote sensing (RS) and satellite imagery can provide timely, cost-effective, and large-scale information regarding the nitrogen condition in sugarcane fields. The objective of this study was to estimate nitrogen content of sugarcane plants by applying two data processing schemes to sentinel-2 satellite images. Nitrogen content of 44 farms in Amir Kabir agro-industry of Khuzestan Province was measured, and at the same time sentinel-2 satellite images were obtained. Then, spectral bands including B2, B6, B11 and GEMI vegetation index were calculated from the images. Modelling results showed that nitrogen content can be estimated using random forest method and support vector regression with R2 = 0.59, RMSE = 0.1and R2 = 0.29 and RMSE =0.03, respectively. Given the challenge of estimating nitrogen by optical satellites, it is possible that a random forest algorithm can improve problem solving.