چکیده:
مقدمه: نظارت و اطلاع از آمار دقیق و بهنگام سطح زیر کشت محصولات کشاورزی و برآورد میزان تولیدات کشاورزی نقش مهمی در برنامهریزیهای صحیح اقتصادی، واردات و صادرات دارد. امروزه به دلیل هزینهی پایین و سرعت بالای روشهای سنجشازدوری، میزان استفاده از این علم برای تولید آمار به هنگام سطح زیر کشت محصولات زراعی در حال گسترش میباشد. هدف: هدف اصلی پژوهش حاضر توسعهی روشی دانشمبنا مبتنی بر مفاهیم شیءگرایی با لحاظ نمودن شروط مکانی و زمانی به منظور بهبود دقت تمییز محصولات زراعی و همچنین کاهش تعداد نمونهبرداریهای زمینی میباشد. روش شناسی: تحقیق حاضر در سه مرحله اصلی انجام میشود: مرحلهی اول شامل ایجاد ساختار شیءگرایی (استخراج ویژگیهای هر مزرعه و ذخیره آن)، مرحلهی دوم ایجاد پایگاه دانش بر اساس استخراج امضای طیفی محصولات زراعی مختلف و شروط مکانی-زمانی و مرحلهی سوم شامل تمییز و تعیین نوع محصولات کاشته شده در هر مزرعه بر روی تصاویر ماهوارهای جدید (مجهول) با استفاده از دانش و اطلاعات ذخیرهشده در هر مزرعه (شیء) میباشد. قلمرو جغرافیایی پژوهش: روش پیشنهادی به دلیل اهمیت و تنوع محصولات دشت مغان با استفاده از اطلاعات (مکانی و طیفی) سال زراعی 1399-۱۳۹8 در این دشت پیادهسازی شد. همچنین به منظور بررسی قابلیت روش از پایگاه دانش ایجاد شده برای سال زراعی 1400-۱۳۹9 و بدون نمونهبرداریهای زمینی، استفاده شد. یافتهها و بحث: روش پیشنهادی در سه تاریخ مختلف (اواخر فروردین، اواخر اردیبهشتماه و اواسط خردادماه) از یک سال زراعی پیاده سازی شد. دقت کلی روش برای تمییز محصولات در تاریخهای بیان شده به ترتیب 66/94، 5/91 و 12/95 درصد محاسبه شد که نسبت به روش طبقهبندی بیشترین شباهت بهبودی بیش از 10 درصد را نشان میدهد. دقت کلی تمییز محصولات در سال 1400-1399 نیز در شرایط بدون استفاده از دادههای زمینی به منظور به روز رسانی و تغییر پایگاه دانش روش، برای تاریخهای اول و دوم به ترتیب 3/92 و 6/90 درصد بود. نتیجهگیری: نتایج نشان داد استفاده از شروط پایگاه دانش که با استفاده از شرایط مکانی-زمانی و رفتار طیفی محصولات زراعی تعیین و تدوین میشوند، موجب افزایش دقت تمییز محصولات زراعی در مقایسه با روشهای عادی مانند طبقهبندی بیشترین شباهت میشود. همچنین طبق نتایج تا زمانی که قیود پایگاه دانش ایجاد شده سازگار باشد، میتوان بدون نیاز به نمونهبرداری زمینی در سالهای زراعی بعدی به منظور به روز رسانی پایگاه دانش، از آن برای تمییز محصولات زراعی استفاده نمود.
Introduction: Monitoring and knowing accurate and update statistics of a cultivation area and estimating agricultural production is essential in proper economic planning, import, and export.Purpose: A primary purpose of the research is to develop a knowledge-based method based on the concepts of objectivism in terms of spatial and temporal conditions. This method seems to improve the accuracy of crop discrimination and reduce the number of ground samplings.Methodology: The present study is carried out in three main stages. The first stage includes creating an object-oriented structure (extracting the characteristics of each farm and storing them). The second stage is building a knowledge base according to spectral signatures of crops and spatial-temporal conditions. The third stage includes discriminating crops in satellite images using the proposed method.Study area: Due to the importance and diversity of Moghan plain and its products, the proposed method was implemented using information (spatial and spectral) of the 2019-2020 cultivation season there. Results and Discussion: The overall accuracy of the proposed method for discriminating crops at three different dates (stages of crop growth), including April (beginning of a wheat’s green growth), May, and mid-June (before a wheat’s harvest), were 94.66, 91.5, and 95.12 percent, respectively. That shows an improvement of more than 10% compared to the Maximum-likelihood Classification. Results: The results showed that using Spatio-temporal conditions and spectral behavior of crops from their planting to harvest time can increase crop discrimination accuracy compared to the maximum likelihood classification method.