خلاصة:
کشت و تولید محصول گندم همواره پاسخگوی نیازهای تغذیه ای بخش عظیمی از مردم جهان بوده است، لذا در ایران و جهان ازجمله محصولات کشاورزی استراتژیک محسوب میشود. در اختیار داشتن آمار و اطلاعات مناسب از سرزمین های تحت کشت گندم و برآورد میزان دقیق تولید آنها در یک سال زراعی، به برنامه ریزان بخش کشاورزی و صنعت جهت مدیریت هرچه موثرتر تولید و مصرف محصول مذکور، کمک شایانی می نماید. یکی از ابزارهایی که در کمترین زمان و با هزینه پایین و دقت مناسب میتواند سطح زیر کشت گندم را محاسبه نماید علم و فناوری سنجشازدوراست. در تحقیق حاضر، با استفاده از کلاسهبندی نظارتشده تصاویر چند زمانه سنجنده سنتینل ۲، سطح زیر کشت گندم و میزان تولید آن در دهستان سجاسرود از توابع شهرستان خدابنده استان زنجان برای سال زراعی ۹۶-۹۷ برآورده شده است. طبقهبندی نظارتشده با دقت کلی۸۰% و ضریب کاپای ۸/۰ نتایج قابلقبول و مناسبی برای شناسایی و تفکیک گندم از سایر محصولات کشاورزی را ارایه می دهد.
Wheat is one of the strategic agricultural products in Iran and the world. Having statistics data and information about the area under cultivation of this crop and estimating the amount of its production in one crop year can help the planners of agriculture and industry parts in order to manage the production and consumption of the mentioned product as effectively as possible. One of the tools that can calculate the area under wheat cultivation in the shortest time and with low cost and appropriate accuracy is the remote sensing system. In this study, the area under cultivation of rain wheat crop in Sojasroud village of Khodabandeh city of Zanjan province was estimated using multi-time satellite images of Sentinel-2 measuring satellite and its results were compared with the agricultural cadastral map of 2017-2018. Supervised classification and two methods of support vector machine and maximum likelihood were used to extract information and by comparing the two methods, the most appropriate method was selected and suggested. The error matrix was used to evaluate the accuracy of the classification. The overall accuracy of the support vector machine method was 89% with a capa coefficient of 0.80 and in the maximum llikelihood method it was 88% with a capa coefficient of 0.79. The evaluation results showed that the support sector machine classification method has a higher accuracy than the maximum likelithood, so to extract the area under cultivation in the study area, the support vector Machine classification method is proposed. Comparison of the results of the area under cultivation with the statistics of Jihad Keshavarzi showed a deviation of 18% and the amount of wheat crop using the area under cultivation obtained by classification method was compared with the statistics of the Rural Cooperative Organization which showed a deviation of 17%. The results showed that the classification of the support vector machine is an acceptable and appropriate method for identifying and separating wheat from other agricultural crops.
ملخص الجهاز:
77-90 Journal of Environmental Research and Technology Estimation of the train wheat under cultivation area using Sentinel-2 satellite images (Case study: Sojasroud region, Khodabandeh city, Zanjan province) Seyed Ahmad Mousavi1, Nadia Abbaszadeh Tehrani2 Milad Janalipour2 MSc Student in Remote Sensing and Geographic Information System, Islamic Azad University, Tehran, Iran Assistant Professor, Aerospace Research Institute, Ministry of Science, Research and technology, Tehran, Iran Abstract Wheat is one of the strategic agricultural products in Iran and the world.
در تحقیقی دیگر علیزاده و همکاران جهت برآورد سطح زیر کشت محصول گندم و سویا در غرب استان گلستان با استفاده از تصاویر ماهوارهای لندست که طی سالهای 2000 تا 2016 تهیه گردیده بود به مقایسه روشهای طبقهبندی ماشین بردار پشتیبان، شبکه عصبی مصنوعی، حداکثر احتمال، حداکثر فاصله و متوازیالسطوح پرداختند که نتایج آن نشان داد صحت کلی محاسبه شده و ضریب کاپا در همه تصاویر به ترتیب بیشتر از 80% و بیش از 8/0 هست (عليزاده و همکاران، 1397).
برای ارزیابی دقت طبقهبندی از ماتریس خطا استفاده شده است و با مقایسه دو روش ماشین بردار پشتیبان و حداکثر احتمال بهترین الگوریتم برای منطقه انتخاب و براساس آن سطح زیر کشت منطقه در نرمافزار Arc GIS استخراج گردید و از روی آن میزان محصول گندم تولیدی برای سال زراعی موردنظر محاسبه و درنهایت با مقایسه با آمارهای سازمان تعاون روستایی انحراف این روش بهدستآمده است؛ که مراحل آن در شکل (3) مشاهده میگردد و در زیر بهصورت خلاصه به هرکدام پرداخته میشود.