آشکارسازی و ریشه یابی ناهنجاری های رشد محصولات پاییزه در زمین های زراعی منفرد با استفاده از سری زمانی تصاویر ماهواره ای سنتینل -۲ (منطقه موردمطالعه: استان گلستان)

سال انتشار: 1402
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 104

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_IJSWR-54-7_005

تاریخ نمایه سازی: 4 آذر 1402

چکیده مقاله:

تولید محصولات راهبردی کشاورزی در ابعاد وسیع و به صورت صنعتی یکی از جنبه های دستیابی به امنیت غذایی است. مدیریت پیوسته و یکپارچه مزارع وسیع امری دشوار بوده و نیازمند بهره گیری از فناوری های نوین است. ناهنجاری درکشت محصولات زراعی به هر رخداد نامتعارف و محدودی اطلاق شده که موجب تمایز درروند کشت محصول به صورت موضعی گردد. عواملی همچون توزیع نامتوازن بذر و کود، چرای دام در زمان رشد محصول، آفات ، تمایز بافت خاک و شیب زمین در مزرعه، رشد علف های هرز و خشکسالی برخی از عوامل بروز ناهنجاری در مزارع کشاورزی هستند. آشکارسازی و اصلاح عوامل بروز ناهنجاری برای زمین های زراعی وسیع امری دشوار بوده و تشخیص این موضوع عموما در زمان برداشت محصول اتفاق می افتد. در این مقاله راهکاری به منظور پایش مستمر مزارع کشاورزی وسیع از طریق تحلیل سری های زمانی تصاویر ماهواره ای سنتینل-۲ پیشنهادشده است. نتایج این راهکار حاکی از عملکرد موثر آن در تشخیص ناهنجاری های مختلف در مزارع کشاورزی بوده است. تشخیص بهنگام، امکان پایش تداوم ناهنجاری و سنجش اثربخش بودن اقدامات جبرانی از ویژگی های راهکار پیشنهادی است. این روش بیش از ۵ نوع ناهنجاری را در مزارع منتخب شناسایی نموده و دقت آشکارسازی ۶۰/۹۵ درصدی را تامین ساخته است.

نویسندگان

مصطفی دازی

گروه فتوگرامتری و سنجش از دور، دانشکده مهندسی نقشه برداری، دانشگاه صنعتی خواجه نصیرالدین طوسی،تهران،ایران

محمد جواد ولدان زوج

گروه فتوگرامتری و سنجش از دور، دانشکده مهندسی نقشه برداری، دانشگاه صنعتی خواجه نصیرالدین طوسی،تهران،ایران

علیرضا صفدری نژاد

گروه ژئودزی و مهندسی نقشه برداری، دانشگاه تفرش،تفرش،ایران

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 :
  • Albughdadi, M., Kouamé, D., Rieu, G., & Tourneret, J. Y. ...
  • Aslan, M. F., Durdu, A., Sabanci, K., Ropelewska, E., & ...
  • Bagheri, N., & Javadi, A. (۲۰۲۲). Assessing the level of ...
  • Defourny, P., Bontemps, S., Bellemans, N., Cara, C., Dedieu, G., ...
  • Lasaponara, R. (۲۰۰۶). On the use of principal component analysis ...
  • Mir Panahi, S., & Javadi, A. (۲۰۲۲). The need for ...
  • Mouret, F., Albughdadi, M., Duthoit, S., Kouamé, D., Rieu, G., ...
  • Racetin, I., & Krtalić, A. (۲۰۲۱). Systematic review of anomaly ...
  • Rodriguez Perez, A. J., Louakfaoui, E. M., Munoz Rastrero, A., ...
  • San Bautista, A., Fita, D., Franch, B., Castiñeira-Ibáñez, S., Arizo, ...
  • Alter, O., Brown, P. O., & Botstein, D. (۲۰۰۰). Singular ...
  • Bruckstein, A. M., Donoho, D. L., & Elad, M. (۲۰۰۹). ...
  • Chandola, V., Banerjee, A., & Kumar, V. (۲۰۰۹). Anomaly detection: ...
  • Comaniciu, D., & Meer, P. (۲۰۰۲). Mean shift: A robust ...
  • Ester, M., Kriegel, H.-P., Sander, J., & Xu, X. (۱۹۹۶). ...
  • Filho, J. E. A., Brandão, L. C. P., Fernandes, B. ...
  • Hotelling, H. (۱۹۳۳). Analysis of a complex of statistical variables ...
  • Japkowicz, N., & Shah, M. (۲۰۱۱). Evaluating Learning Algorithms: A ...
  • Jia, W., Sun, M., Lian, J., & Hou, S. (۲۰۲۲). ...
  • Kayode Saheed, Y., Harazeem Abdulganiyu, O., & Ait Tchakoucht, T. ...
  • Nassif, A. B., Talib, M. A., Nasir, Q., & Dakalbab, ...
  • Reed, I. S., & Yu, X. (۱۹۹۰). Adaptive multiple-band CFAR ...
  • Scholz, M., Kaplan, F., Guy, C. L., Kopka, J., & ...
  • نمایش کامل مراجع