آمار
| تعداد نشریات | 45 |
| تعداد شماره‌ها | 1,400 |
| تعداد مقالات | 17,083 |
| تعداد مشاهده مقاله | 55,128,992 |
| تعداد دریافت فایل اصل مقاله | 17,534,499 |
پیش بینی وقوع بیماری زنگ نوار گندم با استفاده از مطالعه سری زمانی تصاویر ماهواره سنتینل-2 : مطالعه موردی نینگ یانگ چین | ||
| نشریه کاربرد سنجش از دور و سیستم اطلاعات جغرافیایی در علوم محیطی | ||
| مقاله 5، دوره 2، شماره 3، شهریور 1401، صفحه 105-83 اصل مقاله (2.14 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22034/rsgi.2022.15455 | ||
| نویسنده | ||
| سیدحمیدرضا میرنعمتی* | ||
| دانشجوی کارشناسی ارشد سنجش از دور دانشگاه شهید بهشتی | ||
| چکیده | ||
| زنگ نوار گندم تأثیر شدیدی بر عملکرد و کیفیت گندم دارد. یک روش پیش‌بینی مؤثر برای امنیت غذایی ضروری است. در این مطالعه، ابتدا، شاخص های پوشش گیاهی بهینه مربوط به تنش زنگ نوار به عنوان ویژگی‌های کاندید برای پیش‌بینی بیماری از تصاویر سری زمانی 2Sentinel- استخراج می‌شوند. سپس، ترکیبات VI بهینه با استفاده از انتخاب متوالی رو به جلو (SFS) انتخاب می شوند. در نهایت وقوع زنگ نوار گندم در بازه های زمانی مختلف با استفاده از روش ماشین بردار پشتیبان (SVM) پیش بینی می شود. نتایج ویژگی‌های انتخاب‌شده نشان می‌دهد که، قبل از دوره اتصال، VIs بهینه مربوط به زیست توده، رنگدانه و رطوبت گندم است. پس از دوره اتصال، VIs های لبه قرمز مربوط به وضعیت سلامت محصول نقش مهمی ایفا می کنند. دقت کلی و ضریب کاپا مدل پیش‌بینی، که مبتنی بر SVM است، به طور کلی بالاتر از روش‌های K-نزدیک‌ترین همسایه (KNN) و شبکه عصبی پس انتشار (BPNN) است. روش SVM برای پیش‌بینی سری‌های زمانی زنگ نوار گندم مناسب‌تر است. مدل دقت را بر اساس ترکیبات VI بهینه به دست آورد و SVM در طول زمان افزایش یافت. بالاترین دقت 86.2 درصد بود. این نتایج نشان می‌دهد که مدل پیش‌بینی می‌تواند راهنمایی‌ها و پیشنهادهایی را برای پیشگیری زودهنگام از بیماری در محل مورد مطالعه ارائه دهد و این روش تصاویر سری زمانی Sentinel-2 و SVM را ترکیب می‌کند که می‌تواند برای پیش‌بینی زنگ نوار گندم استفاده شود. | ||
| کلیدواژه‌ها | ||
| گندم"؛ سنجش از دور"؛ پوشش گیاهی"؛ بیماری زنگ نوار"؛ سری زمانی"؛ "؛ پیش بینی" | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 953 تعداد دریافت فایل اصل مقاله: 354 |
||