ارايه روشي جهت استخراج نسبي پارامترهاي كيفي گياه از تصاوير Hyperion با كاربرد در كشاورزي دقيق

A Method of Extracting Plant Relative Quality Parameters Using Hyperion Images, with the Application in Precision Farming

تصاوير ابرطيفي با داشتن قدرت تفكيك طيفي بالا و تصوير برداري در محدوده طيفي باريك، قابليت بسيار بالايي را در رابطه با بررسي و پايش گياهان و محصولات كشاورزي دارا مي باشند. با توجه به تعداد زياد باند ها در تصاوير ابرطيفي، لزوم انتخاب باند بهينه براي مطالعه پارامتري خاص ضروري مي باشد. بدين منظور مي توان از باندهاي جذبي مربوط به مواد مختلف گياه و همچنين از شاخص هايي كه بدين منظور تعريف شده اند، استفاده نمود. در اين پژوهش ، ابتدا با توجه به موقعيت باندهاي جذبي مواد موثر در رشد و سلامت گياهان، 17 باند بهينه انتخاب و با استفاده از آنها شاخص هاي مختلف گياهي تعريف و بر روي تصوير ماهواره اي اعمال گرديد. نتايج اعمال هر شاخص بر روي تصوير مورد بررسي قرار گرفته و سپس تصاوير حاصل بر اساس حدود آستانه محاسبه شده، به نواحي مختلف تقسيم گرديد. به منظور دستيابي به نتايج قابل استفاده، در مرحله دوم از روش طبقه بندي تصميم گيري درختي استفاده گرديد. نتايج خروجي از اين روش طبقه بندي نشان داد كه مي توان با استفاده از اين روش بطور نسبي تنش و در مجموع سلامت گياهان منطقه را تشخيص داده و گياهان را از اين حيث، و بطور نسبي طبقه بندي نمود. اين پژوهش نشان داد كه با استفاده از اين تصاوير مي توان به بررسي و پايش گياهان سبز، پارامترهاي موثر بر سلامت آنها و كشف تنش هاي وارد بر گياهان كه گاهي حتي با مشاهدات بصري زميني هم قابل كشف نمي باشند را آشكارسازي نمود.

High spectral resolution in hyperspectral images and their ability of imaging in narrow bands, make them highly capable in investigating and monitoring vegetation and crops. Due to the high number of bands in the hyperspectral images, selection of optimum bands for monitoring a specific parameter is indispensable. For this, absorption bands of different materials and the relevant defined indices can be deployed. In this research, regarding the absorption bands of the substances under consideration, 17 optimum bands were selected. Then, using these bands, different vegetation indices were defined and implemented on the images. The results of each index on the image were investigated and the outcoming results divided into different regions. To get access to applicable results, Decision Tree classification method was applied in the second stage. The resultant output of this method of classification revealed that this method can be used in the relative determination of the plant stress and as a whole, the health and vigour of the vegetation under study in the region, resulting in their classification in this respect. Also this research revealed that, by using these images, one can investigate and monitor the green vegetation, the parameters affecting their vigour as well as discover the stresses which cannot often and otherwise through naked be detected eyes.