استفاده از روش طبقه‌بندي چندزمانه و داده‌هاي سنجنده AVHRR ماهواره NOAA به منظورتخمين دقيق سطح زيركشت محصول برنج در استان گيلان

Rice Area Estimation by Using Multi-temporal Classification Method and AVHRR Data

نظارت بر محصولات كشاورزي نقش بسيار مهمي در تامين مواد غذايي مورد نياز جهاني دارد. متاسفانه به علت بي‌توجهي به مسايل اصولي توسعه، با افزايش جمعيت و توسعه اقتصاد و صنعت ، كميت و كيفيت زمين‌هاي كشاورزي به سرعت كاهش پيدا مي‌كند. در همين ارتباط، اندازه‌گيري دقيق ميزان محصولات كشاورزي از اهميت مهمي در آمار كشاورزي برخوردار است. به‌طور كلي به منظور تخمين توليدات محصول، اطلاعاتي مانند مساحت و ميزان توليد در واحد سطح از اهميت قابل توجهي برخوردار است. فناوري سنجش از دور مي‌تواند اطلاعاتي با ارزش و به موقع درباره توزيع محصول، سطح زير كشت و پتانسيل توليد در اختيار تصميم‌گيران در بخش كشاورزي قرار دهد. در دهه‌هاي اخير روش‌هاي متعددي به منظور طبقه‌بندي و محاسبه سطح زير كشت محصولات كشاورزي از داده‌هاي سنجش از دور ارايه شده است. هدف از اين تحقيق طبقه‌بندي محصول برنج و براورد سطح زيركشت آن دراستان گيلان در شمال ايران با استفاده از داده‌هاي چندزمانه سنجنده AVHRR )ماهواره (NOAA مي‌باشد. به همين منظور از روش طبقه‌بندي چندزمانه متكي بر استخراج بيشينه NDVI روزانه به منظور حذف ابر استفاده شده است. نوآوري روش طبقه‌بندي استفاده شده عبارت است از تنوع در كاربرد عمليات جبري اعمال شده بر روي NDVI‌هاي ماهانه به منظور استخراج و تفكيك مناطقي كه داراي بيش‌ترين ميزان سبزينگي در طي فصل رشد در منطقه مورد مطالعه هستند. نتايج به‌دست آمده از به‌كارگيري روش فوق نشان مي‌دهد كه علي‌رغم قدرت تفكيك پايين داده‌هاي AVHRR درمناطقي كه مزارع برنج در سطح وسيع و پيوسته گسترش يافته‌اند، دقت محاسبات مربوط به سطح زيركشت برنج تا ميزان قابل توجهي افزايش پيدا مي‌كند تا جايي كه در مقايسه با نقشه مرجع دقت نهايي برابر با 96/91 درصد مي‌باشد. باتوجه به پايين بودن هزينه‌هاي روش استفاده شده در تحقيق، بررسي‌هاي بيش‌تر به منظور ارزيابي دقيق‌تر آن توصيه مي‌شود.

Monitoring of agricultural production is very important for the management of the world_s food supply for social security. As the population increases, and the economy and industry develop, the quantity and quality of cultivated lands are decreasing rapidly. In this regard, accurate measurements of the crop production rates are of prime importance in agricultural statistics. Generally, in order to estimate crop productions, information such as the area and the corresponding yield is significant. Remote sensing technology can provide timely and accurate information about crop distribution, area planted and potential production for decision makers at many levels. In this paper, we focus on a crop area estimation method by using remote sensing satellite images. Over the recent decades, different methods and algorithms have been proposed for classifying and estimating the crop areas from the remotely sensed data. The aim of this research is to estimate rice cultivated area in Guilan province (located in the north of Iran) by using AVHRR (a sensor installed on NOAA satellite) multitemporal data. For this purpose, we used a multi-temporal classification method based upon a maximum value-based composition technique to produce multi-temporal and cloud-free data sets of NDVI. The innovation presented in this research is related to applying a variety range of algebraic operations on the images for discrimination of the crops that have different maximum greenness during the growing season. In spite of the fact that NOAA/AVHRR is a low resolution data, the results of the area estimation are promising particularly when regional data of major agricultural crops and their status are required. In this regard, the accuracy of rice area estimation is 91.96 percent in comparison with the reference map. Because of the acceptable results and low costs of the approach, further investigations and evaluations are recommended.