بررسي قابليت سري زماني داده‌هاي سنجنده چندطيفي oli در تهيه نقشه الگوي كشت غالب به روش گام‌ به ‌گام (مطالعه موردي: شهرستان چادگان)

Investigating the Time Series OLI multi Spectral Sensor Data Capability with the Step by Step Method for Producing the Major Cultivation Map (A Case Study: Chadegan City

براورد سطح زير كشت محصولات براي مديريت عرضه توليدات كشاورزي ضروري است. هدف اين تحقيق، تهيه نقشه سطح زير كشت محصولات عمده، در بهار و تابستان سال 1394 شهرستان چادگان با استفاده از سري زماني تصاوير سنجنده oli ماهواره لندست هشت، است. نقشه اراضي زير كشت با تعيين آستانه پايين در پيكسل هاي حاشيه اي اراضي كشاورزي ديم براي تصوير بهار در شاخص ndvi تهيه شد. اراضي زير كشت گندم و يونجه از تفريق مقادير ndvi فصل بهار و تابستان تهيه شدند. همچنين اراضي زير كشت سيب زميني، ذرت و باغ ها، با استفاده از روش طبقه بندي نظارت شده fisher روي تصوير تابستان به صورت گام به گام تهيه شد. نقشه نهايي الگوي كشت غالب منطقه با تلفيق نقشه كشت بهار و تابستان و به روش تركيبي و مرحله به مرحله تهيه شد. براي بررسي دقت نقشه توليدي ضريب كاپا و دقت كلي برابر 0.9 و 0.92 محاسبه شد. نتايج نشان داد، نقشه تهيه شده در ساير معيارهاي ارزيابي دقت نقشه، داراي مقادير قابل قبول بود كه نشان دهنده قابليت سري زماني داده هاي سنجنده oli به همراه روش گام به گام در تفكيك محصولات كشاورزي با رفتار طيفي مشابه است.

Determining the cultivation crops area is important for properly supplying crops. The aim of this study was mapping the cultivation area crops in Chadian city for spring and summer during 2015 by using the time series data of the Landsat 8 satellite of OLI imagery. At first, the under cultivation area was determined by setting a low threshold in the marginal pixels of the agricultural rain fed in the spring image NDVI index. The area cultivated with wheat and alfalfa was prepared by subtracting spring and summer NDVI values. Cultivation maps, which were cultivated with potatoes, corn and orchards, were prepared using the supervised classification with the FISHER method in a step by step manner. Spring and summer cultivation maps were combined; finally, the major cultivation crops maps were produced by the hybrid classification method. Map accuracy assessment was done by producing error matrix and calculating kappa coefficient, total accuracy, commission and omission error, producer, and use accuracy; in all indices, they had an acceptable value, showing the capability of OLI and the used methods in separating each cultivation.