تهيه نقشه شاخص سطح برگ گياه نيشكر با استفاده از معكوس‌سازي تصاوير ابرطيفي ماهواره PRISMA

شاخص سطح برگ نقش مهمي در تبادل ماده و انرژي بين زمين و اتمسفر دارد. مانند ساير گياهان، شاخص سطح برگ نيشكر معيار خوبي براي وضعيت سلامت و رشد اين محصول است كه به‌دليل نقش آن در صنايع غذايي و انرژي، اهميت اقتصادي بسياري دارد. ماهواره PRISMA كه در سال 2019 پرتاب شد، يكي از جديدترين منابع داده‌هاي ابرطيفي را فراهم كرده است كه به‌ويژه، در تهيه نقشه متغيرهاي گياهي كاربرد دارد. در پژوهش حاضر، نوع جديدي از شبكه‌هاي عصبي مصنوعي، موسوم به شبكه عصبي تنظيم‌شده با روش بيزين (BRANN) كه قانون بيز را براي غلبه بر مشكل بيش‌برازش شبكه‌هاي عصبي به‌كار مي‌برد، استفاده مي‌شود. مدل يادشده روي مجموعه‌اي داده، متشكل از طيف دريافت‌شده ازطريق ماهواره PRISMA به‌منزله متغير مستقل و مقادير اندازه‌گيري شاخص سطح برگ نيشكر به‌منزله متغير وابسته، اجرا شد. اندازه‌گيري‌هاي زميني شاخص سطح برگ نيشكر در 118 واحد نمونه‌برداري زميني، روي مزارع كشت‌و‌صنعت نيشكر اميركبير در استان خوزستان و در هفت تاريخ متفاوت طي يك دوره رشد نيشكر در سال 1399، انجام شد. مقايسه عملكرد BRANN‌ با يك روش متعارف شبكه عصبي، يعني شبكه آموزش‌ديده با روش لونبرگ‌ـ ماركوارت (LMANN) در بازيابي شاخص سطح برگ نيشكر از طيف PRISMA، حاكي از اين است كهRMSE  بازيابي از 2.26 (m2/m2) به‌روش LMANN به 0.67 (m2/m2)، با استفاده از روش BRANN كاهش يافته است. در اين پژوهش، به‌منظور كاهش ابعاد داده نيز از تبديل مؤلفه‌هاي اصلي استفاده شد. در بازيابي شاخص سطح برگ از بيست مؤلفه‌ اصلي اول نيز RMSE از 1.41 (m2/m2) با استفاده از روش LMANN به 0.71 (m2/m2) طبق روش BRANN كاهش يافت. استفاده از مؤلفه‌هاي اصلي باعث كاهش چشمگير زمان محاسباتي شد. با اجراي مدل آموزش‌ديده BRANN‌ روي تصاوير PRISMA به‌صورت پيكسل‌به‌پيكسل، نقشه شاخص سطح برگ نيشكر توليد شد. ارزيابي اين نقشه نشان داد كه اين نقشه تغييرات مكاني شاخص سطح برگ نيشكر را به‌خوبي نشان مي‌دهد. نتايج اين تحقيق بيانگر قابليت بالاي روش BRANN‌ و تصاوير PRISMA براي بازيابي شاخص سطح برگ نيشكر است.