CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)
عنوان
مقاله

ارائه روشی شاخص مبنا و مبتنی بر طبقه بندی ماشین بردار پشتیبان جهت تشخیص بیماری زنگ زرد گندم با استفاده از تصاویر نوری ماهواره سنتینل-2

اعتبار موردنیاز PDF: ۱ | تعداد صفحات: ۹ | تعداد نمایش خلاصه: ۲۳ | نظرات: ۰
سال انتشار: ۱۳۹۷
نوع ارائه: پوستری
کد COI مقاله: NCEGIT03_053
زبان مقاله: فارسی
حجم فایل: ۹۲۵.۱۳ کیلوبایت (فایل این مقاله در ۹ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

متن کامل این مقاله دارای ۹ صفحه در فرمت PDF قابل خریداری است. شما می توانید از طریق بخش روبرو فایل PDF این مقاله را با پرداخت اینترنتی ۳,۰۰۰ تومان بلافاصله دریافت فرمایید
قبل از اقدام به دریافت یا خرید مقاله، حتما به فرمت مقاله و تعداد صفحات مقاله دقت کامل را مبذول فرمایید.
علاوه بر خرید تک مقاله، می توانید با عضویت در سیویلیکا مقالات را به صورت اعتباری دریافت و ۲۰ تا ۳۰ درصد کمتر برای دریافت مقالات بپردازید. اعضای سیویلیکا می توانند صفحات تخصصی شخصی روی این مجموعه ایجاد نمایند.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل PDF مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۹ صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله ارائه روشی شاخص مبنا و مبتنی بر طبقه بندی ماشین بردار پشتیبان جهت تشخیص بیماری زنگ زرد گندم با استفاده از تصاویر نوری ماهواره سنتینل-2

  مسعود حیدری - دانشجوی کارشناسی ارشد سنجش از دور، دانشکده مهندسی نقشه برداری و اطلاعات مکانی، پردیس دانشکدههای فنی، دانشگاه تهران
  رضا شاه حسینی - استادیار دانشکده مهندسی نقشه برداری و اطلاعات مکانی، پردیس دانشکدههای فنی، دانشگاه تهران

چکیده مقاله:

در اکثر کشورها محصولات کشاورزی دچار آفت و بیماری های مختلف می شوند که تخریب و نابودی بخش عظیمی از این محصولات را رقم می زند.گندم یکی از محصولات مهم در بیشتر کشورها است و اهمیت فوق العاده ای برای تامین امنیت غذایی دارد.بیماری های مختلفی مانند زنگ زرد ، کپک پودری و افید محصول گندم را تحت تاثیر قرار می دهند. زنگ زرد یک نوع بیماری قارچی است که یکی از رایج ترین و مخرب ترین بیماری ها می باشد. در این مقاله روشی مبتنی بر ماشین بردار پشتیبان ارائه شده است که توانایی تشخیص مناطق گندم مبتلا به بیماری زنگ گندم را با دقت نسبتا مناسب دارد که می تواند به عنوان روشی سریع تر برای تشخیص این بیماری مورد استفاده قرار گیرد زیرا پیدا کردن حد آستانه بهینه به خودی خود با مشکلاتی مواجه است. در این تحقیق از تصاویر ماهواره سنتینل-2 با قدرت تفکیک مکانی و زمانی بالا و دارا بودن باندهای لبه قرمز )Red Edge( که نقش مهمی در تشخیص بیماری گیاهان از جمله زنگ زرد گندم دارد مورد استفاده قرار می گیرد. در این تحقیق از شاخص تنش بیماری لبه قرمز((Red Edge Disease Stress Index-REDSI که یکی از شاخصهای موجود مبتنی بر لبه قرمز برای تشخیص بیماری زنگ زرد گندم است استفاده می شود سپس دو روش حد آستانه بهینه و ماشین بردار پشتیبان )SVM( در تشخیص این بیماری مورد مقایسه و ارزیابی قرار می گیرند. نتایج بدست آمده نشاندهنده دقت بالا ی روش حد آستانه بهینه نسبت به روش SVM و سریع و کاربردی بودن روش SVM نسبت به حد آستانه بهینه میباشد. درصد تفکیک مناطق تحت پوشش گندم به عنوان مناطق سالم و بیمار در روش حد آستانه بهینه به ترتیب 94.35 و 5.64 می باشند در حالیکه مناطق سالم و بیمار در روش SVM به ترتیب 86.32 و 67.13 درصد شناسایی شدند.

کلیدواژه‌ها:

گیاهان بیمار ، زنگ زرد گندم ، شاخص گیاهی ، حد آستانه بهینه ، ماشین بردار پشتیبان

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-NCEGIT03-NCEGIT03_053.html
کد COI مقاله: NCEGIT03_053

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
حیدری, مسعود و رضا شاه حسینی، ۱۳۹۷، ارائه روشی شاخص مبنا و مبتنی بر طبقه بندی ماشین بردار پشتیبان جهت تشخیص بیماری زنگ زرد گندم با استفاده از تصاویر نوری ماهواره سنتینل-2، بیست و پنجمین همایش و نمایشگاه ملی ژئوماتیک و سومین کنفرانس مهندسی فناوری اطلاعات مکان، تهران، سازمان نقشه برداری کشور - دانشگاه صنعتی خواجه نصیرالدین طوسی، https://www.civilica.com/Paper-NCEGIT03-NCEGIT03_053.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (حیدری, مسعود و رضا شاه حسینی، ۱۳۹۷)
برای بار دوم به بعد: (حیدری و شاه حسینی، ۱۳۹۷)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: دانشگاه دولتی
تعداد مقالات: ۵۰۱۲۹
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

مدیریت اطلاعات پژوهشی

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
  • کشاورزی > گندم
  • اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    مقالات پیشنهادی مرتبط

    مقالات مرتبط جدید

    شبکه تبلیغات علمی کشور

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.