|
Title
|
برآورد ضریب گیاهی گندم پاییزه با استفاده از داده های سنجش از دور با رویکرد کاهش داده
|
|
Type of Research
|
Article
|
|
Keywords
|
پیش پردازش؛ چرخشی؛ شاخص های توسعه یافته؛ کاهش داده
|
|
Abstract
|
استفاده بهینه از آب آبیاری نیاز به برنامه ریزی دقیق آبیاری دارد و برآورد دقیق ضریب گیاهی به خصوص در مقیاسهای وسیع پیشنیاز آن است. هدف از این تحقیق مقایسه برخی از رویکردهای پیشپردازش داده های ورودی به شبکه عصبی مصنوعی: رگرسیونی و کاهش داده )تحلیل مؤلفههای اصلی و چرخشی( در برآورد ضریب گیاهی با شاخص های NDVI ، RI ، TVI ، MSAVI ، SAVI ، mTVI ، EVI ، MNDVI ، TVX ، NVSWI در جهت مدل سازی ضریب گیاهی گندم در استان آذربایجان شرقی بود. مقایسه عملکرد رویکرد کاهش داده و رگرسیون بیانگر کاهش معیارهای خطا در رویکرد کاهش داده بود، بهعنوان نمونه درصد افزایش آماره RMSE از 22 بود. رویکردهای مورد استفاده در برآورد ضریب گیاهی از تخمین بیشبرآوردی / 11 و از حالت تحلیل مؤلفههای اصلی به رگرسیون 7 / حالت چرخشی به رگرسیون 8برخوردار بودند بهطوریکه میزان افزایش متوسط ضریب گیاهی دوره صحتسنجی از ضریب گیاهی فائو به رویکرد پیشپردازش با رگرسیون، تحلیل مؤلفههای اصلی و13 درصد ضریب / 4 درصد بوده است. بنابراین استفاده از چرخش در تحلیل کاهش داده میزان دقت تخمین را بالا میبرد. کاهش 11 / 6 و 6 /7 ،11/ چرخشی به ترتیب 7همبستگی از شاخص MSAVI نسبت به NDVI ، حاکی از این است که شاخصهای توسعه یافته براساس شرایط منطقه در افزایش کارایی برآورد ضریب گیاهی با تصاویر ماهواره ای از اهمیت ویژهای برخوردار هستند.
|
|
Researchers
|
Laleh Parviz (First Researcher)
|