استفاده از تصاوير سنجش از دور سنتينل 2 براي بهبود تفكيك‏ پذيري محصولات زراعي با بهره ‏گيري از روش‏ هاي هوش مصنوعي به‏ منظور مديريت بهره ‏برداري آب از مخازن سدها

محدوديت منابع آبي همواره از موانع اصلي توسعۀ بخش كشاورزي به‏عنوان بستر اصلي نيل به خودكفايي مواد غذايي مطرح بوده است. يكي از كاربردهاي مهم تصاوير سنجش از دور، در حوزۀ فعاليت‏هاي كشاورزي است. در تحقيق حاضر از تصاوير ماهوارۀ سنتينل 2 براي تفكيك محصولات كشاورزي در محدودۀ شهرستان اروميه به‏صورت روش‏هاي مبتني بر ورودي‏هاي چندزماني استفاده شده است. به دليل تغييرات طيفي محصولات طي دورۀ رشد، به‌كارگيري تصاوير چندزماني مطابق با تقويم زراعي محصولات، نقش مهمي در تفكيك اين محصولات ايفا مي‏كند. در اين طبقه‏بندي تمامي ورودي‏ها داراي تأثير يكسان در طبقه‏بندي در نظر گرفته مي‏شوند كه اين امر خلاف واقعيت است. بنابراين، به منظور افزايش دقت طبقه‏بندي و بهبود نتايج، به هر يك از ورودي‏هاي چندزماني، وزن مناسبي بايد اختصاص يابد كه در پژوهش حاضر انتخاب وزن‏هاي بهينه براي تمام ورودي‏ها با بهره‏گيري از الگوريتم ژنتيك مورد توجه قرار گرفته است. بهينه كردن طبقه‏بندي تصاوير ماهواره‏اي به روش كمترين فاصله توسط الگوريتم ژنتيك به دو حالت انجام يافته است؛ در حالت نخست تأثير تعداد نرون‏هاي لايۀ مياني و انتخاب پارامترهاي بهينه براي شبكۀ عصبي و در حالت دوم، تأثير ترتيب معرفي نمونه‏هاي آزمايشي بررسي شده است. در حالت نخست تعداد 4 تا 20 نرون براي لايۀ مياني و مقداري بين صفر و يك براي ميزان آموزش و ضريب مومنتوم انتخاب و ارزيابي شده و در حالت دوم ترتيب‏هاي مختلفي از معرفي نمونه‏هاي آموزشي ارزيابي شده‏اند. نتايج نشان داد بهينه شدن ترتيب معرفي نمونه‏هاي آموزشي، موجب افزايش 4.5 درصدي در دقت محاسبات شده است. بنابراين، ترتيب معرفي نمونه‏هاي آزمايشي در مقايسه با ساير پارامترها، بيشترين تأثير را در همگرايي شبكه و حصول به نتايج بهينه داشته است. همچنين، مقايسۀ دو طبقه‏بندي استاندارد و بهينه‌شده، نشان داد مقدار كاپا از 86 درصد در حالت استاندارد به مقدار 90.5 درصد در حالتي كه ورودي‏ها به صورت بهينه وزن‏دهي شده‏اند، افزايش يافته است.