تعيين سطح زيركشت و تراكم بوته مزارع چغندرقند با پردازش داده هاي ماهواره اي

Determination of the cultivated area and plant density of sugar beet fields using satellite data

هدف از اجراي اين تحقيق تعيين تراكم بوته مزارع چغندرقند دشت قزوين با استفاده از تصاوير ماهواره اي و روش هاي سنجش از دور بود. با تعيين تراكم بوته مي توان ميزان محصول چغندرقند را در سطح قابل قبول قبل از برداشت برآورد نمود و در نتيجه امكان مديريت مناسب فرآيندهاي صنعتي و كشاورزي توليد شكر فراهم خواهد شد. استفاده از داده هاي ماهواره اي مي تواند با دقت مناسبي جايگزين روش هاي پرهزينه و زمان بر ميداني شود. در اين تحقيق با استفاده از تصاوير سنجنده هاي TM و GeoEye، تراكم بوته مزارع چغندرقند كشت شده در سال زراعي 1390 در بخشي از دشت قزوين تعيين شد. نتايج حاصل از ارزيابي دقت عمليات و مقايسه نقشه هاي تهيه شده از داده هاي سنجش از دور با نمونه هاي زميني نشان داد كه با استفاده از داده هاي ماهواره اي مي توان تراكم بوته مزارع چغندرقند را با اطمينان نسبي برآورد نمود. محاسبات حاصل از داده-هاي پژوهش نشان داد كه دقت نقشه هاي خروجي برابر 7/91 درصد با ضريب كاپاي برابر 84/0 مي باشد. علاوه بر آن داده-هاي سنجش از دور قادرند اختلاف تراكم را حتي در بخش هاي مختلف يك مزرعه آشكار نمايند. بنابراين پيشنهاد مي گردد متوليان اجرايي كشور همه ساله از روش سنجش از دور براي تخمين دقيق سطح زير كشت چغندرقند و ميزان توليد محصول استفاده نمايند.

The purpose of this study was to determine the plant density of sugar beet fields in Qazvin region using satellite images and remote sensing techniques. The plant density can be used to estimate the pre-harvest sugar beet yield and as a result the proper management of agricultural and industrial processes involved in sugar production. Satellite data can be used to remove the cost and time of conventional field methods. In this study, using satellite imagery of TM and GeoEye, the plant density of sugar beet fields in a part of Qazvin region was estimated in 2011. Results derived from the assessment of accuracy of operations and comparison of the maps obtained from remote sensing data with ground samples showed that using satellite data, the plant density of sugar beet can be estimated with relative certainty. The calculation of the overall data showed that the accuracy of maps outputs was 91.7% with Kappai coefficient of 0.84. In addition, remote sensing data can illustrate the density variation in different parts of the field.