اسماعیل یزدانی - دانشجوی کارشناسی ارشد سنجش از دور و سیستم اطلاعات جغرافیایی دانشکده علوم جغرافیایی دانشگاه خوارزمی
علی اصغر تراهی - استادیار گروه سنجش از دور و سیستم اطلاعات جغرافیایی دانشکده علوم جغرافیایی دانشگاه خوارزمی

تصاویر فرا طیفی با بهره گیری از قدرت تفکیک طیفی بالا در زمینه استخراج اطلاعات و پایش پارامتر های مربوط به محصولاتکشاورزی دارای اطلاعات با ارزشی هستند . در این تحقیق با استفاده از تصاویر سنجنده هایپریون و استفاده از الگوریتم های طبقه بندینظارت شده SVM, MLC, SAM و BEC به آشکارسازی محصول برنج در منطقه مورد مطالعه پرداختیم. بدین ترتیب که ابتداپیش پردازش های لازم از قبیل انتخاب باند های بهینه ، حذف اثر نوار نوار شدگی ، تصحیح خطوط بد ، تصحیح هندسی و اتمسفری رویتصویر اعمال گردید . سپس از الگوریتم MNF و PPI به ترتیب برای کاهش داده و استخراج پیکسل های خالص بر روی تصویر استفادهبه عمل آمد . از همپوشانی پیکسل های خالص با مزارع برنج در مراحل مختلف رشد (سبزینگی و برنج رسیده) و داده های زمینی ، طیفمیانگین برای هر عضو استخراج گردید سپس این اعضای خالص به عنوان ورودی جهت الگوریتم های ذکر شده فوق استفاده و طبقه بندیتصویر صورت پذیرفت . در نهایت با بررسی صحت الگوریتم ها از طریق محاسبه ماترس خطا ، دقت طبقه بندی هر روش مشخص گردیدکه در پایان الگوریتم SVM با دقت 98/2 به عنوان بهترین الگوریتم طبقه بندی معرفی گردید .

تصاویر فراطیفی ، اعضای خالص، BEC, SVM, MLC, SAM