پیش بینی عملکرد محصول نیشکر با استفاده از پردازش سری زمانی تصاویر ماهواره ای لندست (مطالعه موردی: منطقه میان آب استان خوزستان)

سال انتشار: 1398
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 99

فایل این مقاله در 16 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_IJBSE-50-2_013

تاریخ نمایه سازی: 31 اردیبهشت 1402

چکیده مقاله:

پیش بینی مقدار محصول نیشکر، نقش کلیدی برای گستره وسیعی از کاربردها مانند مدیریت تولید نیشکر، آماده سازی کارخانه های فرآوری نیشکر و انبار و پیش فروش فرآورده های صنعتی دارد. این تحقیق مقایسه مدل سازی عملکرد نیشکر با روش پردازش سری زمانی شاخص سبزینگی تفاضلی نرمال شده (NDVI)، شاخص سبزینگی تفاضلی سبز نرمال شده (GNDV)  و شاخص سبزینگی ارتقاء یافته  (EVI)که از تصاویر ماهواره ای استخراج شده اند را انجام می دهد. برای اینکار از ۴۷۴ تصویر ماهواره لندست ۷ بدست آمده از آرشیو سازمان نقشه برداری آمریکا مربوط به ژانویه ۲۰۰۱ لغایت دسامبر ۲۰۱۷ استفاده شد. ابتدا داده های تصاویر به انعکاس بالای جو تبدیل و سپس پیکسل های تحت تاثیر آسمان ناصاف از جمله ابر، سایه، برف و یخ حذف گردید. در مرحله بعد میانگین شاخص های سبزینگی NDVI ،GNDVI و EVI منطقه مورد مطالعه برای هر تصویر محاسبه و سری زمانی هفتگی از میانگین شاخص های سبزینگی محاسبه گردید. مقدار تجمعی شاخص سبزینگی از هفته ۱۵ لغایت ۴۴ و میانگین عملکرد ساقه در هکتار مشاهده شده در یک مدل رگرسیونی بررسی شد. نتایج نشان داد شاخص سبزینگی NDVI   با ۶۳/۰R۲= و ton/ha۷۱/۴RMSE= و شاخص سبزینگی GNDVI با ۶۰/۰R۲= وton/ha۹۳/۴RMSE= رابطه خوبی با عملکرد ساقه در هکتار نیشکر دارند. با استفاده از مدل انتخاب شده عملکرد ساقه در هکتار مزارع کشت و صنعت میان آب در سال ۱۳۹۶به میزان ton/ha ۳۵/۸۶ پیش بینی شدکه ton/ha۱۶/۴ کمتر از مقدار مشاهده شده بود.

نویسندگان

مصطفی خسروی راد

Ph.D. Student of Agricultural Mechanization, Faculty of Agricultural Engineering and Technology, College of Agriculture and Natural Resources, University of Tehran, Karaj: Iran

محمود امید

Professor, Department of Agricultural Machinery Engineering, Faculty of Agricultural Engineering and Technology, College of Agriculture and Natural Resources, University of Tehran, Karaj: Iran

فریدون سرمدیان

Professor, Department of Science and Soil Engineering, Faculty of Agricultural Engineering and Technology, College of Agriculture and Natural Resources, University of Tehran, Karaj: Iran

سلیمان حسین پور

Assistant Professor, Department of Agricultural Machinery Engineering, Faculty of Agricultural Engineering and Technology, College of Agriculture and Natural Resources, University of Tehran, Karaj: Iran

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Apan, A., Held, A., Phinn, S., & Markley, J. (۲۰۰۴). ...
  • Bégué, A., Lebourgeois, V., Bappel, E., Todoroff, P., Pellegrino, A., ...
  • Bruc, C. M., & Hilbert, D. W. (۲۰۰۴). PRE-PROCESSING METHODOLOGY ...
  • Chavez, P. S. (۱۹۸۸). An improved dark-object subtraction technique for ...
  • Julien, Y., & Sobrino, J. A. (۲۰۱۰). Comparison of cloud-reconstruction ...
  • Lisboa, I. P., Damian, J. M., Cherubin, M. R., Barros, ...
  • Rouse, J.W, Haas, R.H., Scheel, J.A., and Deering, D. W. ...
  • نمایش کامل مراجع