فهرست جدول ها
جدول شماره (۳-۱) مشخصات سنجنده های مستقر بر ماهواره EO1……………………………………………………………… 19
جدول شماره (۴-۱) مشخصات کلی تصویر سنجنده هایپریون مربوط به منطقه مورد مطالعه …………………………… ۴۹
جدول شماره (۴-۲) خطوط بد در باندهای مختلف سنجنده هایپریون ……………………………………………………………. ۵۲
جدول شماره (۴-۳) پارامترهای مورد نیاز الگوریتم FLAASH ………………………………………………………………………. 54
جدول شماره (۴-۴) وضعیت باندهای سنجنده هایپریون …………………………………………………………………………….. ۵۶
جدول شماره (۴-۵) باند های قابل قبول جهت ورود به پردازش …………………………………………………………………… ۵۷
جدول شماره (۴-۶) تعدادی از نقاط نمونه برداری شده ……………………………………………………………………………… ۶۲
جدول شماره (۴-۷) ماتریس خطا، صحت کلی و ضریب کاپا برای نتایج الگوریتم SVM ……………………………… 69

جدول شماره (۴-۸) ماتریس خطا، صحت کلی و ضریب کاپا برای نتایج الگوریتم SID ……………………………… 69
جدول شماره (۴-۹) ماتریس خطا، صحت کلی و ضریب کاپا برای نتایج الگوریتم MLC ……………………………… 69
جدول شماره (۴-۱۰) ماتریس خطا، صحت کلی و ضریب کاپا برای نتایج الگوریتم BEC ……………………………… 69
جدول شماره (۴-۱۱) ماتریس خطا، صحت کلی و ضریب کاپا برای نتایج الگوریتم SAM ………………………………. 69
ک
فصـل اول :
مقدمه و کلیات تحقیق
۱-۱ 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 ، ۱۳۹۰)
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 روش های سنتی و کارشناسی جمع آوری می شد که این روشها دارای خطاهای زیادی بود. با ورود تکنولوژی های جدید همچون سنجش از دور در ده های اخیر در مقوله پایش و ارزیابی محصولات کشاورزی انقلابی در صنعت کشاورزی ایجاد شده است .( ضیاییان فیروزآبادی،۱۳۸۸)
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،۱۳۹۲). تصاویر فراطیفی سنجنده هایپریون به علت دارا بودن قدرت تفکیک طیفی بسیار بالا (۲۴۲باند طیفی) در محدوده طیفی ۴۰۰ تا ۲۵۰۰ نانو متر و پهنای باند ۱۰ نانومترقابلیت بسیار خوبی در شناسایی و تفکیک انواع محصولات کشاورزی دارد . در این تحقیق ما بر آن شدیم که با بهره گرفتن 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 .
۱-۲ 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 ۱۰نانومتر) در محدوده طیف های مریی ، مادون قرمز نزدیک، میانی و مادون قرمز کوتاه صورت میگیرد .(Pargal,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 روش های 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 ۱۳۹۰) 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 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، ۱۳۸۷).
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 حاصل از این الگوریتم ها ما را در بهبود طبقه بندی و یا آشکار سازی اهداف مورد نظر یاری خواهد کرد. یعنی اینکه کدام یک از الگوریتمها در آشکار سازی محصول برنج از کارایی بالاتری برخوردار است .
۱-۳ ضرورت و انگیزه تحقیق
شناسایی اهداف گوناگون در تصاویر فراطیفی بیشتر با هدف آشکارسازی با کمک اطلاعات اولیه موجود از ویژگی های طیفی منحصربفرد هر یک از اهداف و مقایسه آن با کتابخانه های طیفی آزمایشگاهی انجام می شود و منجر به شناسایی و تشخیص هدف یا پدیده مورد نظر و جداسازی آن از سایر اهداف موجود در تصویر می شود .
به علت تنوع و تعدد الگوریتم های طبقه بندی که طراحی و جهت طبقه بندی در اختیار مفسران تصاویر فراطیفی قرارگرفته، مدیریت و نحوه استفاده از آن در شرایط مختلف و نوع استفاده از این تصاویر جهت کاربردهای کشاورزی، نظامی، معدنی و…. متفاوت می باشد. در کشاورزی دقیق استفاده از تصاویر فراطیفی کارایی بسیار بالایی از خود نشان داده است ولیکن الگوریتم های طبقه بندی تا کنون کمتر مورد ارزیابی و دقت سنجی قرار گرفته اند، بدین معنی که در استفاده از تصاویر هایپریون بتوان الگوریتم هایی که طبقه بندی را با دقت بالاتری انجام می دهند را مورد استفاده قرار داد.
در این تحقیق ما بر آن شدیم که از بین الگوریتم های تمام پیکسل پنج الگوریتم را برای نمونه ارزیابی و صحت آن را برآورد نماییم . از سری الگوریتم های کلاسیک ، بیشترین شباهت و از سری الگوریتم های اندازه گیری قطعی ، SAM و BEC و از اندازه گیری های غیر قطعی ، الگوریتم SID و الگوریتم پنجم SVM را بررسی و نتایج را مقایسه کنیم.
۱-۴ اهداف تحقیق
همان طور که قبلا اشاره شد یکی از جنبه های مهم کاربرد تصاویر فراطیفی در بخش کشاورزی ،پایش و ارزیابی و تعیین سطح زیر کشت این محصولات بصورت دقیق می باشد. با توجه به اینکه تحقیقات در زمینه شناسایی و تفکیک محصولات کشاورزی و به نقشه در آوردن و تعیین سطح زیر کشت محصولات امری وقت گیر و هزینه براست و تا کنون هم ارزیابی و برآورد سطح زیر کشت و تهیه نقشه آن از طریق سنتی و کارشناسی و یا با دقت کمتر توسط سنجندهای چند طیفی انجام شده است برآن شدیم، این روش های طبقه بندی محصول مهمی همچون برنج را بصورت علمی ارزیابی و در اختیار متخصصان این فن قرار دهیم.
۱-۵ سوالات تحقیق
قابلیت داده های سنجنده هایپریون در تهیه نقشه سطح زیر کشت برنج به چه اندازه است؟
کدام یک از الگوریتم های طبقه بندی استفاده شده در این تحقیق کارایی بالاتری جهت طبقه بندی برنج دارد ؟
۱-۶ فرضیات تحقیق
در این تحقیق برای رسیدن به اهداف تعیین شده و دستیابی به نتایج درست ، فرضیاتی در نظر گرفته شده که به ترتیب ذیل می باشند :
تصاویر فراطیفی سنجنده هایپریون به علت دارا بودن باند های طیفی زیاد و پیوسته دارای قابلیت بالایی در طبقه بندی و تهیه نقشه سطح زیر کشت محصول برنج می باشد .
الگوریتم های آشکارسازی طیفی نسبت به الگوریتم های کلاسیک متداول دارای صحت بالاتری می باشند.
۱-۷ ساختار پایان نامه
به منظور ارزیابی الگوریتم های نظارت شده در تصاویر فراطیفی هایپریون جهت تهیه نقشه سطح زیرکشت برنج که هدف اصلی این تحقیق می باشد، این پایان نامه در۵ فصل تهیه و تدوین گردیده است که به شرح زیر می باشد.
فصل اول : مقدمه و کلیات
فصل دوم : پیشینه تحقیق
فصل سوم : اصول و مفاهیم پایه
فصل چهارم : مواد و روش های کار، بررسی و اجرا
فصل پنجم : نتایج و پیشنهادات
۱-در فصل اول در ابتدا مقدمه ای بر موضوع مورد مطالعه مطرح شده است و ضرورت و اهداف تحقیق شرح داده شد .