تخمین سطح زیر کشت محصولات کشاورزی با استفاده از تصاویر ماهواره ای[Persian Thesis]

پویا حاجی تبار

این پژوهش به تخمین سطح زیر کشت برنج با استفاده از تصاویر ماهواره‌ای Sentinel-2 در استان مازندران (شهرستان‌های آمل، بابل، ساری، نکا، محمودآباد، میاندرود، قائمشهر و بابلسر) پرداخته است. زمین‌های مورد مطالعه به 18 کلاس مختلف از جمله برنج، باغ، بایر، کلزا، مرتع، صیفی و سایر محصولات کشاورزی دسته‌بندی شدند. برای تهیه داده‌های مکانی، از ابزارهای سنجش از دور ( QGIS و Google Earth Pro ) استفاده شد و پلیگان‌های دقیق زمین‌ها ترسیم گردید. سپس، داده‌های ماهواره‌ای مربوط به شاخص NDVI و باندهای طیفیNIR، SWIRو VIS استخراج شدند. در ادامه، چهار معیار آماری (Min، Max، Sum، Mean) برای هر زمین و باندهای طیفی در تاریخ‌های مختلف محاسبه شد. برای طبقه‌بندی زمین‌های برنج، از الگوریتم Random Forest استفاده گردید. ارزیابی مدل با معیارهایی نظیر دقت ، دقت طبقه‌بندی ، یادآوری و امتیاز F1 انجام شد. علاوه بر این، معیارهای مساحتی مانند مساحت پیش‌بینی‌شده، خطای مطلق و نسبی مساحت و دقت مساحتی برای بررسی توانایی مدل در تخمین دقیق مساحت زمین‌های برنج در نظر گرفته شدند. نتایج نشان داد که مدل Random Forest با دقت 88.62% توانست زمین‌های برنج را به‌درستی شناسایی کند. همچنین، میانگین خطای مطلق مساحت 111.98 هکتار و خطای نسبی 28.11% بیانگر چالش‌های موجود در تخمین دقیق مساحت بودند. این پژوهش نشان داد که استفاده از داده‌های طیفی و الگوریتم‌های یادگیری ماشین، می‌تواند ابزار مناسبی برای مدیریت و برنامه‌ریزی منابع کشاورزی فراهم کند. واژه‌های كليدی: کشاورزی، تصاویر ماهواره‌ای، Sentinel-2، تخمین سطح زیر کشت، برنج، Random Forest