تفكيك محصولات زراعي با استفاده از تركيب تصاوير سنتينل-1 و 2 در استان اردبيل

سابقه و هدف: شناسايي و نقشه كردن محصولات زراعي اطلاعات مهمي براي مديريت زمين‌هاي كشاورزي و برآورد سطح زير كشت محصولات زراعي فراهم مي‌كند. تصاوير اپتيك و راداري، منابع ارزشمندي براي طبقه‌بندي زمين‌هاي كشاورزي است. ويژگي‌هاي مستخرج از تصاوير اپتيك حاوي اطلاعاتي در مورد امضاي بازتابي محصولات مختلف است. در مقابل، يك تصوير راداري فراهم‌كننده‌ اطلاعاتي در مورد خصوصيات ساختاري و سازوكارهاي پراكنش محصولات است. تركيب اين دو منبع قادر به ايجاد يك مجموعه داده‌ مكمل با تعداد چشمگيري از ويژگي‌هاي زماني طيفي، بافت و قطبيده براي طبقه‌بندي زمين‌هاي كشاورزي است. مواد و روش‌ها: اين پژوهش به بررسي اهميت باندهاي لبه‌قرمز براي تفكيك محصولات زراعي شامل گندم، جو، يونجه، لوبيا، باقلا، كتان، ذرت، چغندر قند و سيب‌زميني با استفاده از روش جنگل تصادفي و ماشين بردار پشتيبان مي‌پردازد. بدين منظور سري زماني تصاوير سنتينل-1 و 2 در سال 2019 از شمال غرب شهر اردبيل در پلتفرم ارت انجين فراخواني شد. تركيب‌هاي متفاوت باندها براي بررسي تأثيرات اطلاعات طيفي و زماني، شاخص‌هاي گياهي و اطلاعات بازپراكنش براي طبقه‌بندي محصولات بررسي شد. با استفاده از روش انتخاب ويژگي جنگل تصادفي ويژگي هاي مهم شناسايي و به‌عنوان ورودي الگوريتم جنگل تصادفي و ماشين بردار پشتيبان معرفي شدند. نتايج و بحث : جنگل تصادفي براي تمامي سناريوها بهترين نتيجه را به دست آورد. نتايج نشان داد افزودن طول ‌موج‌هاي لبه‌قرمز و شاخص‌هاي مشتق‌شده از آن باعث شد محصولاتي همچون جو، لوبيا، باقلا و كتان نسبت به ساير محصولات با صحت بالاتري تفكيك شود. بهترين نتيجه در ميان تركيبات مختلف ويژگي‌ها مربوط به تلفيق سري زماني ويژگي‌هاي طيفي تصاوير سنتينل-2 با سري زماني تصاوير سنتينل-1 بود. صحت كلي 67/84 درصد و ضريب كاپا 31/ 82 درصد به دست آمد. نتايج نشان داد باندهاي لبه‌قرمز و شاخص‌هاي پوشش گياهي مبتني بر آن به‌تنهايي قابليت جداسازي محصولات زراعي را از همديگر دارند. نتيجه‌گيري: پيشنهاد مي‌شود براي دستيابي به صحت بالاتر در تفكيك محصولات زراعي انتخاب باندهاي طيفي هدفمند مورد توجه قرار گيرد. تركيبي از تصاوير راداري و اپتيك هميشه از روش طبقه‌بندي براساس تك‌سنجنده بهتر عمل مي‌كند و به افزايش اطلاعات طبقه‌بندي منجر مي‌شود.