پیوندهای مفید
آمار
| تعداد نشریات | 21 |
| تعداد شمارهها | 346 |
| تعداد مقالات | 3,642 |
| تعداد مشاهده مقاله | 4,717,566 |
| تعداد دریافت فایل اصل مقاله | 3,152,084 |
بررسی تغییرات سطح زیر کشت غالب دشت قزوین با بکارگیری تصاویر چند زمانه ماهواره ای | ||
| مجله پژوهش های خشکسالی و تغییراقلیم | ||
| مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 26 اسفند 1403 اصل مقاله (798.36 K) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22077/jdcr.2025.8743.1106 | ||
| نویسندگان | ||
| مسعود سلطانی1؛ بهاره بهمن آبادی* 2؛ عباس کاویانی3 | ||
| 1استادیارگروه علوم و مهندسی آب، دانشکده کشاورزی و منابع طبیعی، دانشگاه بین المللی امام خمینی(ره)، قزوین، ایران | ||
| 2دکتری آبیاری زهکشی گروه علوم و مهندسی آب، دانشکده کشاورزی و منابع طبیعی، دانشگاه بین المللی امام خمینی(ره)، قزوین، ایران | ||
| 3دانشیار گروه علوم و مهندسی آب، دانشکده کشاورزی و منابع طبیعی، دانشگاه بین المللی امام خمینی(ره)، قزوین، ایران | ||
| چکیده | ||
| برآورد دقیق سطح زیرکشت محصولات کشاورزی برای برنامهریزی و مدیریت منابع آب ضروری است. استفاده از دادههای سنجش از دور و الگوریتمهای یادگیری ماشین میتواند به بهبود دقت این برآوردها کمک کند. این پژوهش به ارزیابی کارایی الگوریتم جنگل تصادفی در برآورد سطح زیرکشت غالب با استفاده از دادههای ماهوارهای سنتینل-1 و سنتینل-2 در دشت قزوین میپردازد. ابتدا، آزمون تفکیکپذیری جفریس-ماتوسیتا برای ارزیابی قابلیت جداسازی طیفی شش کلاس کاربری اراضی انجام شد که نتایج آن نشاندهنده تفکیکپذیری بالای برخی کلاسها و همپوشانی طیفی در برخی دیگر بود. سپس، با ترکیب دادههای راداری و نوری و استفاده از الگوریتم جنگل تصادفی، دقت طبقهبندی بهطور قابلتوجهی افزایش یافت؛ بهطوریکه در کشت پاییزه، ضریب کاپا 99/0 و دقت کلی 69/99% و در کشت بهاره، ضریب کاپا 98/0 و دقت کلی 93/98% بهدست آمد. تحلیل روند تغییرات سطح زیرکشت در ده سال گذشته نشان داد که در کشت بهاره، سطح زیرکشت ذرت افزایش و یونجه کاهش یافته است. در کشت پاییزه نیز افزایش سطح زیرکشت گندم و جو مشاهده شد که احتمالاً به مقاومت نسبی بالای آنها در برابر نوسانات اقلیمی و حمایتهای اقتصادی مربوط است. نتایج بررسی تغییرات سطح زیر کشت در سطح شبکه آبیاری نشان داد بهطور کلی کشاورزان تمایل بیشتری به کشت ذرت علوفهای در منطقه پیدا کردند و کشت بهاره نسبت به کشت پاییزه در حال افزایش است. این نتایج بر اهمیت استفاده از دادههای چندمنبعی و الگوریتمهای یادگیری ماشین در بهبود دقت برآورد سطح زیرکشت، به منظور مدیریت بهتر منابع و مصارف در سطح شبکه آبیاری تأکید میکند. | ||
| کلیدواژهها | ||
| جنگل تصادفی؛ جفریس-ماتوسیتا؛ ضریب کاپا؛ یادگیری ماشین | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 408 تعداد دریافت فایل اصل مقاله: 94 |
||
نماد الکترونیک
سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب