تهیه نقشه شاخص سطح برگ گیاه نیشکر با استفاده از معکوس سازی تصاویر ابرطیفی ماهواره PRISMA

سال انتشار: 1402
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 159

فایل این مقاله در 25 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_GIS-15-1_005

تاریخ نمایه سازی: 29 فروردین 1402

چکیده مقاله:

شاخص سطح برگ نقش مهمی در تبادل ماده و انرژی بین زمین و اتمسفر دارد. مانند سایر گیاهان، شاخص سطح برگ نیشکر معیار خوبی برای وضعیت سلامت و رشد این محصول است که به دلیل نقش آن در صنایع غذایی و انرژی، اهمیت اقتصادی بسیاری دارد. ماهواره PRISMA که در سال ۲۰۱۹ پرتاب شد، یکی از جدیدترین منابع داده های ابرطیفی را فراهم کرده است که به ویژه، در تهیه نقشه متغیرهای گیاهی کاربرد دارد. در پژوهش حاضر، نوع جدیدی از شبکه های عصبی مصنوعی، موسوم به شبکه عصبی تنظیم شده با روش بیزین (BRANN) که قانون بیز را برای غلبه بر مشکل بیش برازش شبکه های عصبی به کار می برد، استفاده می شود. مدل یادشده روی مجموعه ای داده، متشکل از طیف دریافت شده ازطریق ماهواره PRISMA به منزله متغیر مستقل و مقادیر اندازه گیری شاخص سطح برگ نیشکر به منزله متغیر وابسته، اجرا شد. اندازه گیری های زمینی شاخص سطح برگ نیشکر در ۱۱۸ واحد نمونه برداری زمینی، روی مزارع کشت و صنعت نیشکر امیرکبیر در استان خوزستان و در هفت تاریخ متفاوت طی یک دوره رشد نیشکر در سال ۱۳۹۹، انجام شد. مقایسه عملکرد BRANN با یک روش متعارف شبکه عصبی، یعنی شبکه آموزش دیده با روش لونبرگ مارکوارت (LMANN) در بازیابی شاخص سطح برگ نیشکر از طیف PRISMA، حاکی از این است کهRMSE  بازیابی از ۲۶/۲ (m۲/m۲) به روش LMANN به ۶۷/۰ (m۲/m۲)، با استفاده از روش BRANN کاهش یافته است. در این پژوهش، به منظور کاهش ابعاد داده نیز از تبدیل مولفه های اصلی استفاده شد. در بازیابی شاخص سطح برگ از بیست مولفه اصلی اول نیز RMSE از ۴۱/۱ (m۲/m۲) با استفاده از روش LMANN به ۷۱/۰ (m۲/m۲) طبق روش BRANN کاهش یافت. استفاده از مولفه های اصلی باعث کاهش چشمگیر زمان محاسباتی شد. با اجرای مدل آموزش دیده BRANN روی تصاویر PRISMA به صورت پیکسل به پیکسل، نقشه شاخص سطح برگ نیشکر تولید شد. ارزیابی این نقشه نشان داد که این نقشه تغییرات مکانی شاخص سطح برگ نیشکر را به خوبی نشان می دهد. نتایج این تحقیق بیانگر قابلیت بالای روش BRANN و تصاویر PRISMA برای بازیابی شاخص سطح برگ نیشکر است.

کلیدواژه ها:

بازیابی پارامتر های گیاهی ، شاخص سطح برگ ، شبکه های عصبی مصنوعی ، معکوس سازی ، سنجش از دور ابرطیفی ، نیشکر

نویسندگان

محمد حاجب

دانشجوی دکتری گروه سنجش از دور و GIS، دانشکده جغرافیا، دانشگاه تهران

سعید حمزه

دانشیار گروه سنجش از دور و GIS، دانشکده جغرافیا، دانشگاه تهران

سید کاظم علوی پناه

استاد گروه سنجش از دور و GIS، دانشکده جغرافیا، دانشگاه تهران

جوشم ورلزت

پژوهشگر ارشد آزمایشگاه مشاهدات زمینی، آزمایشگاه پردازش تصویر، دانشگاه والنسیا، اسپانیا

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • ASI, ۲۰۲۰, PRISMA Product Specifications, ۱-۲۶۲ ...
  • Atzberger, C., ۲۰۱۰, Inverting the PROSAIL Canopy Reflectance Model Using ...
  • Atzberger, C., Jarmer, T., Schlerf, M., Kötz, B. & Werner, ...
  • Bacour, C., Baret, F., Béal, D., Weiss, M. & Pavageau, ...
  • Baret, F. & Buis, S., ۲۰۰۸, Estimating Canopy Characteristics from ...
  • Bishop, C.M., ۱۹۹۵, Neural Networks for Pattern Recognition, Oxford University ...
  • Buntine, W.L., ۱۹۹۱, Bayesian Back-Propagation ۵ ...
  • Burden, F. & Winkler, D., ۲۰۰۸, Bayesian Regularization of Neural ...
  • Casa, R., Upreti, D., Palombo, A., Pascucci, S., Yang, H., ...
  • Combal, B., Baret, F. & Weiss, M., ۲۰۰۲, Improving Canopy ...
  • Dabrowska-Zielinska, K., Kogan, F., Ciolkosz, A., Gruszczynska, M. & Kowalik, ...
  • Dan Foresee, F. & Hagan, M.T., ۱۹۹۷, Gauss-Newton Approximation to ...
  • Danner, M., Berger, K., Wocher, M., Mauser, W. & Hank, ...
  • Darvishzadeh, R., Skidmore, A., Schlerf, M. & Atzberger, C., ۲۰۰۸, ...
  • De Grave, C., Verrelst, J., Morcillo-Pallarés, P., Pipia, L., Rivera-Caicedo, ...
  • Demuth, H. & Beale, M., ۲۰۰۴, Neural Network Toolbox - ...
  • Efron, B. & Tibshirani, R.J., ۱۹۹۴, An Introduction to the ...
  • Fang, H., Baret, F., Plummer, S. & Schaepman-Strub, G., ۲۰۱۹, ...
  • Feng, N., Wang, F. & Qiu, Y., ۲۰۰۶, Novel Approach ...
  • Gianola, D., Okut, H., Weigel, K.A. & Rosa, G.J., ۲۰۱۱, ...
  • Guarini, R., Loizzo, R., Longo, F., Mari, S., Scopa, T. ...
  • Kayri, M., ۲۰۱۶, Predictive Abilities of Bayesian Regularization and Levenberg-Marquardt ...
  • Kimes, D.S., Nelson, R.F., Manry, M.T. & Fung, A.K., ۱۹۹۸, ...
  • Kimes, D.S., Knyazikhin, Y., Privette, J.L., Abuelgasim, A.A. & Gao, ...
  • Kumar Sethy, P., Kanta Barpanda, N., Rath, A., Sethy, P.K., ...
  • Loizzo, R., Daraio, M., Guarini, R., Longo, F., Lorusso, R., ...
  • Lu, B., Dao, P.D., Liu, J., He, Y. & Shang, ...
  • Lwin, A., Yang, D. & Hong, X., ۲۰۲۰, Leveraging Bayesian ...
  • MacKay, D.J.C., ۱۹۹۲, Bayesian Interpolation, Neural Comput., ۴, PP. ۴۱۵-۴۴۷, ...
  • MacKay, D.J.C., ۱۹۹۵, Probable Networks and Plausible Predictions — A ...
  • Mzid, N., Castaldi, F., Tolomio, M., Pascucci, S., Casa, R. ...
  • Neal, R.M., ۲۰۱۲, Bayesian Learning for Neural Networks, Springer Science ...
  • Okut, H., ۲۰۱۶, Bayesian Regularized Neural Networks for Small n ...
  • Pôças, I., Gonçalves, J., Costa, P.M., Gonçalves, I., Pereira, L.S. ...
  • Qu, Y., Wang, J., Wan, H., Li, X. & Zhou, ...
  • Richter, K., Atzberger, C., Hank, T.B. & Mauser, W., ۲۰۱۲, ...
  • Rivera-Caicedo, J.P., Verrelst, J., Leonenko, G. & Moreno, J., ۲۰۱۳, ...
  • Rivera-Caicedo, J.P., Verrelst, J., Muñoz-Marí, J., Camps-Valls, G. & Moreno, ...
  • Rumelhart, D.E., Hinton, G.E. & Williams, R.J., ۱۹۸۶, Learning Representations ...
  • Sanches, G.M., Graziano Magalhães, P.S. & Junqueira Franco, H.C., ۲۰۱۹, ...
  • Sariev, E. & Germano, G., ۲۰۲۰, Bayesian Regularized Artificial Neural ...
  • Sellers, P.J., Dickinson, R.E., Randall, D.A., Betts, A.K., Hall, F.G., ...
  • Som-Ard, J., Atzberger, C., Izquierdo-Verdiguier, E., Vuolo, F., Immitzer, M., ...
  • Steyerberg, E.W., Harrell, F.E.J., Borsboom, G.J., Eijkemans, M.J., Vergouwe, Y. ...
  • Tagliabue, G., Boschetti, M., Bramati, G., Candiani, G., Colombo, R., ...
  • Teruel, D.A., Barbieri, V., & Ferraro Jr., L.A., ۱۹۹۷, Sugarcane ...
  • Tikhonov, A.N., ۱۹۶۳, On the Solution of Ill-Posed Problems and ...
  • Urgesa, G.D. & Keyata, E.O., ۲۰۲۱, Effect of Harvesting Ages ...
  • Vangi, E., D’amico, G., Francini, S., Giannetti, F., Lasserre, B., ...
  • Verrelst, J., Rivera, J.P., Leonenko, G., Alonso, L. & Moreno, ...
  • Verrelst, J., Camps-valls, G., Muñoz-marí, J., Pablo, J., Veroustraete, F., ...
  • Verrelst, J., Rivera, J.P., Veroustraete, F., Muñoz-Marí, J., Clevers, J.G.P.W., ...
  • Verrelst, J., Malenovský, Z., Van der Tol, C., Camps-Valls, G., ...
  • Verrelst, J., Rivera-Caicedo, J.P., Reyes-Muñoz, P., Morata, M., Amin, E., ...
  • Verstraete, M.M., Pinty, B. & Myneni, R.B., ۱۹۹۶, Potential and ...
  • Watson, D.J., ۱۹۴۷. Comparative physiological studies on the growth of ...
  • Yan, D., Zhou, Q., Wang, J. & Zhang, N., ۲۰۱۷, ...
  • Yao, Y., Rosasco, L. & Caponnetto, A., ۲۰۰۷, On Early ...
  • Ye, L., Jabbar, S.F., Abdul Zahra, M.M. & Tan, M.L., ...
  • نمایش کامل مراجع