پایان نامه رایگان درمورد محصولات کشاورزی، نمونه برداری، سنجش از دور، استان مازندران

دانلود پایان نامه

………………………………………………………………………………………………………………………………………………………………………………… 76
5-2 نتایج و دست آوردها………………………………………………………………………………………………………………………………………………………. 76
5-3 مشکلات و چالش های موجود ……………………………………………………………………………………………………………………………………… 77
5-4 فرصت ها و قابلیت ها ……………………………………………………………………………………………………………………………………………………. 78
5-5 پیشنهادات……………………………………………………………………………………………………………………………………………………………………….. 78

فهرست شکل ها
شکل (3-1) نمای شماتیک میدان دید لحظه ای ……………………………………………………………………………………………… 14
شکل (3-2) مقایسه مدار حرکت ماهواره های لندست 7 و EO-1 ……………………………………………………………………..18
شکل (3-3) مکعب تصویری در سنجنده های فراطیفی ………………………………………………………………………………….. 20
شکل (3-4) بخش های مختلف نوری سنجنده های فراطیفی …………………………………………………………………………. 21
شکل (3-5) دیاگرام مراحل تبدیل MNF در نرم افزار ENVI …………………………………………………………………………. 32
شکل (3-6) دیاگرام پخشn بعدی جهت انتخاب اعضای نهایی ……………………………………………………………………… 33
شکل (3-7) دیاگرام مراحل الگوریتم PPI در نرم افزار ENVI ………………………………………………………………………… 34
شکل (3-8) طبقه بندی به روش MLC …………………………………………………………………………………………………………. 36
شکل (3-9) زاویه بین بردار های طیف مورد آزمایش و طیف استاندارد در روش SAM ……………………………………. 38
شکل (3-10) بردارهای پشتیبان، نزدیک ترین نمونه ها به صفحه …………………………………………………………………….. 39
شکل (3-11) تفکیک دو کلاس با اعمال یک صفحه در روش SVM …………………………………………………………………. 39
شکل (3-12) نمایشی از یک کد دودویی ساده برای یک طیف ………………………………………………………………………. 40

شکل (3-13) مقایسه بازتاب طیفی گیاه سبز و گیاه خشک و خاک …………………………………………………………………. 44

شکل (3-14) گیاه برنج ………………………………………………………………………………………………………………………………… 46
شکل (4-1) فلوچارت مراحل اجرای تحقیق ……………………………………………………………………………………………………. 50
شکل (4-2) تصویر هایپریون مربوط به منطقه مورد مطالعه ( FCC 50 30 20) ………………………………………………… 51
شکل (4-3) تصویر باند 13 هایپریون قبل تصحیح خطوط بد و بعد تصحیح …………………………………………………….. 53
شکل (4-4) منحنی انعکاس طیفی پوشش گیاهی قبل از تصحیح اتمسفری و بعد از تصحیح اتمسفری …………….. 55
شکل (4-5) انجام مراحل تصحیح هندسی …………………………………………………………………………………………………… 55
شکل (4-6) نتایج اعمال تبدیلات MNF ، تعدادی از تصاویر به دست آمده از داده های هایپریون …………………… 57
شکل (4-7) تصویر حاصل از اعمال الگوریتم PPI …………………………………………………………………………………………. 58
شکل (4-8) طیف استخراج شده از تصویر مربوط به برنج ……………………………………………………………………………… 59
شکل (4-9) نقاط نمونه برداری شده …………………………………………………………………………………………………………….. 61
شکل (4-10) نتیجه طبقه بندی با الگوریتم SAM …………………………………………………………………………………………. 64
شکل (4-11) نتیجه طبقه بندی با الگوریتم MLC …………………………………………………………………………………………. 65
شکل (4-12) نتیجه طبقه بندی با الگوریتم SVM ………………………………………………………………………………………… 67
شکل (4-13) نتیجه طبقه بندی با الگوریتم BEC …………………………………………………………………………………………..67
شکل (4-14) نتیجه طبقه بندی با الگوریتم SID ………………………………………………………………………………………….. 68
شکل (5-1) مقایسه صحت الگوریتمهای طبقه بندی توسط معیار ضریب کاپا…………………………………………… 68

فهرست جدول ها
جدول شماره (3-1) مشخصات سنجنده های مستقر بر ماهواره EO1……………………………………………………………… 19
جدول شماره (4-1) مشخصات کلی تصویر سنجنده هایپریون مربوط به منطقه مورد مطالعه …………………………… 49
جدول شماره (4-2) خطوط بد در باندهای مختلف سنجنده هایپریون ……………………………………………………………. 52
جدول شماره (4-3) پارامترهای مورد نیاز الگوریتم FLAASH ………………………………………………………………………. 54
جدول شماره (4-4) وضعیت باندهای سنجنده هایپریون …………………………………………………………………………….. 56
جدول شماره (4-5) باند های قابل قبول جهت ورود به پردازش …………………………………………………………………… 57
جدول شماره (4-6) تعدادی از نقاط نمونه برداری شده ……………………………………………………………………………… 62
جدول شماره (4-7) ماتریس خطا، صحت کلی و ضریب کاپا برای نتایج الگوریتم SVM ……………………………… 69
جدول شماره (4-8) ماتریس خطا، صحت کلی و ضریب کاپا برای نتایج الگوریتم SID ……………………………… 69
جدول شماره (4-9) ماتریس خطا، صحت کلی و ضریب کاپا برای نتایج الگوریتم MLC ………
……………………… 69
جدول شماره (4-10) ماتریس خطا، صحت کلی و ضریب کاپا برای نتایج الگوریتم BEC ……………………………… 69
جدول شماره (4-11) ماتریس خطا، صحت کلی و ضریب کاپا برای نتایج الگوریتم SAM ………………………………. 69

مطلب مشابه :  پایان نامه ارشد درموردصورتهای مالی، اطلاعات مالی، گزارشگری مالی، استانداردهای حسابداری

فصـل اول :
مقدمه و کلیات تحقیق

1-1 مقدمه
کشاورزی به عنوان اصلی ترین رکن تامین نیازهای غذایی یک جامعه بوده و توجه مدیران و دست اندرکاران اقتصادی را هر چه بیشتر به اهمیت کشاورزی معطوف کرده است . (رنگزن و همکاران ، 1390[S.J3])
برنامه ریزی در زمینه رشد کشاورزی نیازمند آمارو اطلاعات درست و بهنگام است . در ایران در سالهای گذشته آمار مربوط به کشاورزی بیشتر از طریق روشهای سنتی و کارشناسی جمع آوری می شد که این روشها دارای خطاهای زیادی بود. با ورود تکنولوژیهای جدید همچون سنجش از دور در دههای اخیر در مقوله پایش و ارزیابی محصولات کشاورزی انقلابی در صنعت کشاورزی ایجاد شده است .( ضیاییان فیروزآبادی،1388)
برنج به عنوان یک محصول استراتژیک در سبد غذایی مردم دنیا و مخصوصا کشورمان ، همواره مورد توجه کارشناسان این امر بوده است . طبق تحقیقات به عمل آمده استان مازندران دارای بیشترین سطح زیر کشت برنج در بین استانهای کشور میباشد و شهرستان آمل یکی از قطبهای مهم تولید برنج دراین استان است . به همین دلیل منطقه مورد مطالعه در این تحقیق ، زمینهای کشاورزی بخش های شمالی شهرستان آمل می باشد .
سطح زیر کشت برنج در این شهرستان بیش از سی و هشت هزار و چهارصد و پنجاه هکتار میباشد و سالانه حدود صدو هفتاد هزارتن برنج در آمل تولید میشود (آمار نامه اداره جهاد کشاورزی آمل،1392[S.J4]). تصاویر فراطیفی سنجنده هایپریون به علت دارا بودن قدرت تفکیک طیفی بسیار بالا (242باند طیفی) در محدوده طیفی 400 تا 2500 نانو متر و پهنای باند 10 نانومترقابلیت بسیار خوبی در شناسایی و تفکیک انواع محصولات کشاورزی دارد . در این تحقیق ما بر آن شدیم که با استفاده از تصاویر هایپریون ، آشکارسازی و شناسایی شالیزارهای برنج را ارزیابی و الگوریتم های طبقه بندی را مقایسه و نتایج را جهت بهره برداری در اختیار سایر متخصصین قرار دهیم .

مطلب مشابه :  دانلود پایان نامه ارشد با موضوعمنابع سازمان، منطق فازی، سیستم های اطلاعات، حمل و نقل

1-2 بیان مساله
تصاویر فراطیفی فناوری جدیدی از انواع داده های سنجش از دوری است که از قابلیت تفکیک طیفی بسیار بالایی برخوردارند، بدین معنا که اخذ اطلاعات در پهنای باندی بسیار کوچک (گاها کمتر از 10نانومتر) در محدوده طیف های مریی ، مادون قرمز نزدیک، میانی و مادون قرمز کوتاه صورت میگیرد .(Pargal[S.J5],2011)
با توجه به قدرت تفکیک طیفی بالا و فراهم نمودن امکان بررسی دقیق رفتارهای طیفی پدیده ها در تصاویر فراطیفی، بسیاری از پدیده ها که دارای اختلافات طیفی بسیار اندک می باشند قابل تمایز و جداسازی خواهند بود.
این قابلیت ها باعث می شود که این داده ها جهت شناسایی و تفکیک محصولات کشاورزی استفاده شوند ولیکن چگونگی روشهای کشف وشناسایی اهداف دراین تصاویر بایستی به صورت دقیق تر مورد بحث و کارشناسی قرار گیرد .
بصورت کلی آشکار سازی میتواند به عنوان یک طبقه بندی با دو کلاس وجود داشتن یا وجود نداشتن هدف در نظر گرفته شود. آشکار سازی برای پیکسل ها میتواند بر حسب اینکه پیکسل مورد نظربصورتFull-pixel یا Sub-pixel باشد انجام می گیرد . (رنگزن و همکاران 1390) براساس یک دسته بندی الگوریتم های آشکارسازی طیفی در قالب چهار دسته زیر دسته بندی می شوند :
کلاسیک (طبقه بندی متوازی السطوح ، طبقه بندی بیشترین شباهت وفاصله Mahalanobis مبتنی بر ماتریس همبستگی).
اندازه گیری های قطعی مثل SAM و BEC [S.J6]و … .
اندازه گیری های غیر قطعی (آماری) مثل الگوریتم دیورژانس اطلاعات طیفی SID و … .
آشکارسازی زیر پیکسل مثل الگوریتم کمینه سازی مقید انرژی CEM (داود اکبری[S.J7]، 1387).
در این تحقیق چون مزارع برنج در سطح وسیع با قطعات بسیار بزرگ در منطقه مورد مطالعه قرار داشت آشکار سازی الگوریتم ها بر اساس تمام پیکسل در نظر گرفته شده است. ارزیابی الگوریتم های نظارت شده تمام پیکسل و بررسی حاص

دیدگاهتان را بنویسید