طبقه‌بندي كاربري اراضي كشاورزي با استفاده از تصاوير ماهواره‌اي سنتينل و شبكه عصبي پيچشي سه‌بعدي عميق (مطالعه موردي: شهركرد)

كشاورزي به عنوان عامل محرك رشد و توسعه اقتصادي در كشورهاي مختلف دنيا شناخته شده است. در اين بين توليد نقشه هاي سطح زيركشت به واسطه طبقه بندي كاربري اراضي كشاورزي با استفاده از تصاوير سنجش از دوري، يكي از راهكارهاي موثر در تصميم گيري هاي كلان اين حوزه و تامين امينت غذايي جامعه به شمار مي رود. در اين پژوهش اراضي كشاورزي با استفاده از تصاوير چندزمانه نوري (سنتينل2) و رادار با روزنه مجازي (سنتينل1) به كاربري مختلف محصولات كشاورزي پاييزه و بهاره (شامل گندم، جو، ذرت، يونجه، سيب زميني و چغندقند) طبقه بندي شد. كليه مراحل مربوط به آماده سازي تصاوير ماهواره اي، در سامانه برخط گوگل ارث انجين انجام پذيرفته است. جهت طبقه بندي نيز، از شبكه عصبي پيچشي عميق سه بعدي با ساختاري نوين استفاده گرديد. شبكه طراحي شده، علاوه بر استفاده از كرنل هاي سه بعدي با امكان استخراج همزمان اطلاعات همسايگي و زماني هر پيكسل، از اتصالات فرار لايه هاي قبلي بهره برده است. اين اتصالات فرار، برخلاف شبكه هاي پيچشي معمولي پيش خور، سبب استفاده از خروجي لايه هاي پيچشي قبلي در لايه هاي جديد مي شوند. شبكه طراحي شده به كمك داده هاي واقعيت زميني بدست آمده از بازديدهاي ميداني وسيع از منطقه مطالعاتي واقع در شهر شهركرد به صورت انتهابهانتها مورد آموزش و ارزيابي قرار گرفته است. پس از تقسيم بندي داده هاي واقعيت زميني به دو دسته آموزشي و ارزيابي، ارزيابي شبكه طي 50 بار اجرا داده هاي آموزشي و ارزيابي متنوع، به طور ميانگين 91.6% محاسبه شده است. اتصالات فرار طراحي شده، سبب افزايش دقت طبقه بندي هر كاربري شده و دقت نهايي طبقه بندي را 2% افزايش دادند. روش ارائه شده با دو نوع زماني و زمانيمكاني روش هاي جنگل تصادفي و ماشين بردار پشتيبان نيز مورد مقايسه قرار گرفت كه با اختلاف حداقل 2.4 درصدي، عملكرد بهتري از خود نشان داد.