ارزيابي تصاوير IRS-P6 براي برآورد سطح زير‌كشت باغات

Evaluation of IRS-P6 Images for Orchards Area Estimating

كشاورزي، محور توسعه است و سطح زير‌كشت محصولات زراعي و باغي در بخش كشاورزي يك پارامتر مهم مديريتي است. ارزيابي و تعيين دقيق‌ سطح اين پارامتر، برنامه‌ريزان را در توسعه كشاورزي ياري مي‌دهد. به‌منظور غلبه بر محدوديت‌هاي كار ميداني در برآورد سطح زير‌كشت محصولات كشاورزي، استفاده از تصاوير ماهواره‌اي به‌دليل ديد وسيع و يكپارچه، چند‌طيفي و به‌روز بودن گزينه مناسبي به‌ نظر مي‌رسد. در اين تحقيق داده‌هاي ماهواره IRS-P6 به‌منظور برآورد سطح زير‌كشت باغات در اراضي دشت شارويران شهرستان مهاباد مورد تجزيه‌و‌تحليل قرار گرفت. به‌منظور استخراج بهتر اطلاعات، شاخص‌هاي مختلف با استفاده از روش‌هاي نسبت‌گيري باندي و تحليل مولفه‌هاي اصلي تهيه شدند. طبقه‌بندي داده‌ها به‌روش نظارت‌شده و با الگوريتم‌هاي مختلف به دو‌صورت 7 كلاسه‌ (طبقات كاربري اراضي) و 2 كلاسه‌ (باغ و غيرباغ) انجام شد. صحت نقشه‌هاي حاصل از طبقه‌بندي‌ در مقايسه با نقشه‌هاي واقعيت‌ زميني ارزيابي شد. بهترين صحت كلي و ضريب كاپا به‌ترتيب برابر %97/75 و 0/95 با الگوريتم حداكثر احتمال در طبقه‌بندي 2‌ كلاسه‌ حاصل شد. نتايج نشان داد كه داده‌هاي IRS-P6 براي شناسايي و پايش سطح زير‌كشت باغات از لحاظ هزينه، زمان و دقت بسيار مناسب هستند.

Agriculture is the basis for development and identification of crops and orchards is an important parameter in agricultural management helping planners through providing precise crop/orchard mapping. In order to overcome the limitations of fieldwork in crop and orchard mapping, satellite images seem to be appropriate due to providing wide coverage, timely and sequentially repeated image acquisition. In this study, IRS-P6 satellite images were analyzed in the Sharveran Plain lands in Mahabad County for orchard mapping. Various spectral indices were extracted using band ratioing and Principal Components Analysis (PCA) methods. Different supervised classifiers were used for classification of a 7-class (land use) and a 2-class (orchard and non-orchard) scenario. The classified maps were evaluated using the ground truth maps. The best overall accuracy and kappa coefficient were 97.95% and 0.95, respectively, using Maximum Liklihood classifier in the 2-class scenario. The results showed that IRS-P6 data are very suitable for identification and monitoring of orchards in terms of cost, time and accuracy.