|
Title
|
استفاده از تصاویر سنجش از دور سنتینل 2 برای بهبود تفکیک پذیری محصولات زراعی با بهره-گیری از روش های هوش مصنوعی به منظور مدیریت بهره برداری آب از مخازن سدها
|
|
Type of Research
|
Article
|
|
Keywords
|
طبقه بندی، شبکه عصبی مصنوعی، تصاویر سنجش از دور، بهینه سازی، الگوریتم ژنتیک.
|
|
Abstract
|
حدودیت منابع آبی همواره از موانع اصلی توسعه ی بخش کشاورزی به عنوان بستر اصلی نیل به خودکفایی مواد غذایی مطرح بوده است. یکی از کاربردهای مهم تصاویر سنجش از دور در حوزه فعالیت های کشاورزی می باشد. در این تحقیق از تصاویر ماهواره سنتینل-2 جهت تفکیک محصولات کشاورزی در محدوده ی شهرستان ارومیه به صورت روش های مبتنی بر ورودی های چند زمانی استفاده شده است. به دلیل تغییرات طیفی محصولات در طول دوره رشد، بکارگیری تصاویر چندزمانی مطابق با تقویم زراعی محصولات، نقش مهمی در تفکیک این محصولات ایفا می کند. در این طبقه بندی تمامی ورودی ها دارای اثر یکسان در طبقه بندی در نظر گرفته می شوند که این امر برخلاف واقعیت است، لذا به منظور افزایش دقت طبقه بندی و بهبود نتایج، به هر یک از ورودی های چند زمانی، وزن مناسبی باید اختصاص یابد که در پژوهش حاضر انتخاب وزن های بهینه برای تمام ورودی ها با بهره گیری از الگوریتم ژنتیک مورد توجه قرار گرفته است. بهینه نمودن طبقه بندی تصاویر ماهواره ای به روش کمترین فاصله توسط الگوریتم ژنتیک به دو حالت انجام یافته است؛ در حالت اول تأثیر تعداد نرون های لایه ی میانی و انتخاب پارامترهای بهینه برای شبکه عصبی و در حالت دوم تأثیر ترتیب معرفی نمونه های آزمایشی بررسی شده است. در حالت اول تعداد 4 الی 20 نرون برای لایه ی میانی و مقداری بین 0 و 1 برای نرخ آموزش و ضریب مومنتم انتخاب و مورد ارزیابی قرار گرفته و در حالت دوم ترتیب های مختلفی از معرفی نمونه های آموزشی ارزیابی شده اند. نتایج نشان داد بهینه شدن ترتیب معرفی نمونه های آموزشی، موجب افزایش 5/4 درصدی در دقت محاسبات گردیده است.
|
|
Researchers
|
Pouya Ahmadi (First Researcher)، Hossein Aarefi (Second Researcher)، Nazila Kardan (Third Researcher)
|