تعیین بهترین الگوریتم طبقه‌بندی به‌منظور تخمین سطح زیر کشت نخیلات با استفاده از تصاویر ماهواره لندست 8

ماشین های کشاورزی

مقاله 6، دوره 9، شماره 2 - شماره پیاپی 18، 1398، صفحه 321-335   

نوع مقاله: مقاله پژوهشی

شناسه دیجیتال (DOI): 10.22067/jam.v9i2.67310

نویسندگان

سحر رهنما¹؛ محمد مهدی مهارلویی^{* 1}؛ محمدعلی رستمی²؛ حسین مقصودی¹

¹بخش مهندسی مکانیک بیوسیستم، دانشگاه شهید باهنر کرمان، کرمان، ایران

²بخش تحقیقات فنی و مهندسی کشاورزی، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان کرمان، سازمان تحقیقات، آموزش و ترویج کشاورزی، کرمان، ایران

چکیده

محصول خرما یکی از ارزشمندترین محصولات باغبانی در ایران به‌شمار می‌آید که 16% کل صادرات جهانی را شامل می‌شود. استان کرمان دومین رتبه در سطح زیر کشت خرما در ایران را دارا است. به همین منظور تعیین سطح زیر کشت خرما اهمیت پیدا کرده است. برخی از سازمان‌ها برای تعیین سطح زیر کشت از سرشماری استفاده می‌کنند که معایب آن هزینه بالا و اتلاف وقت و نیاز به نیروی انسانی زیاد برای پوشش‌دهی کل کشور است. هدف از این تحقیق سنجش توانایی ماهواره لندست 8 با سنجده OLI  در شناسایی و تعیین سطح زیر کشت نخلستان‌ها است. برای پی بردن به بهترین روش برای شناسایی نخلستان‌ها چهار روش طبقه‌بندی نظارت‌شده Maximum Likelihood Classifier (MLC), Support Vector Machines (SVM), Neural Network (NN), Mahalanobis Distance Classifier (MDC) و یک روش طبقه‌بندی نظارت‌نشده (K-Means) مورد ارزیابی قرار گرفت. نتایج طبقه‌بندی‌ها نشان داد که دقت کلی طبقه‌بندی10/99 % (ضریب کاپا 98/0) با استفاده از NN، 77/98 % (ضریب کاپا 975/0) با استفاده از MLC، 66/98 % (ضریب کاپا 973/0) با استفاده از SVM، 52/98 % (ضریب کاپا 97/0) با استفاده از MDC و 52/66 % ( ضریب کاپا 31/0) با استفاده از K-Means است. خطای تخمین مساحت نخیلات با استفاده از ( RMSE) در روش NN (0)، در روش MLC (2/0)، در روش MDC (06/0)، در روش SVM (0) و در روش K-Means (0) محاسبه شد. پس از تحلیل‌داده‌ها بهترین روش طبقه‌بندی برای شناسایی نخلستان‌ها روش NN شناخته شد. در پژوهش حاضر، با بررسی انجام‌شده بر روی‌داده‌ها در ماتریس آشفتگی مشخص شد که SVM قدرت بالاتری برای شناسایی نخلستان با تشخیص 100% سامانه (تولیدکننده) نسبت به MLC را داشت و همچنین K-Means نیز می‌تواند نخلستان خرما را شناسایی کند اما مناطقی که به رنگ قهوه‌ای تیره هستند را نیز به‌عنوان نخلستان شناسایی کرده است. در مجموع می‌توان گفت هر چهار روش طبقه‌بندی نظارت‌شده با دقت قابل قبولی می‌توانند نخلستان را شناسایی کنند.

کلیدواژه‌ها

شبکه عصبی؛ طبقه‌بندی نظارت شده؛ طبقه‌بندی نظارت نشده؛ ماشین بردار پشتیبان؛ نخلستان خرما

مراجع