| تعداد نشریات | 285 |
| تعداد نشریات سازمان | 83 |
| تعداد شمارهها | 3,139 |
| تعداد مقالات | 34,918 |
| تعداد مشاهده مقاله | 50,383,871 |
| تعداد دریافت فایل اصل مقاله | 90,277,234 |
پایش مزارع دارای بقایای سوخته با استفاده از تصاویر ماهواره ای | ||
| تحقیقات سامانهها و مکانیزاسیون کشاورزی | ||
| مقاله 10، دوره 19، شماره 70، شهریور 1397، صفحه 111-124 اصل مقاله (935.72 K) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22092/erams.2018.110464.1189 | ||
| نویسندگان | ||
| محمدعلی رستمی* 1؛ هوشنگ افضلی گروه2 | ||
| 1استادیار پژوهش، بخش تحقیقات فنی و مهندسی کشاورزی، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان کرمان، سازمان تحقیقات، آموزش و ترویج کشاورزی، کرمان، ایران. | ||
| 2پژوهشگر، بخش تحقیقات فنی و مهندسی کشاورزی، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان کرمان، سازمان تحقیقات، آموزش و ترویج کشاورزی، کرمان، ایران. | ||
| چکیده | ||
| مدیریت بقایای گیاهی در سطح مزارع اهمیت بالایی دارد. حفظ و مدیریت صحیح بقایای گیاهی موجب اصلاح ساختمان خاک، حفظ رطوبت، و کاهش فرسایش خاک میشود در حالیکه سوزاندن بقایای گیاهی به از دست رفتن مواد آلی، افزایش فرسایش، و تبخیر رطوبت میانجامد. وضع قوانین تشویقی برای اجرای کشاورزی حفاظتی و قوانین تنبیهی برای سوزاندن بقایای گیاهی در کشور، راهکاری است که سازمانهای اجرایی آن را آغاز کردهاند اما بهعلت مشکل شناسایی مزارعی که در آنها بقایای گیاهی سوزانده میشود، این راهکار متوقف گردید. این تحقیق بهمنظور یافتن روشی دقیق، سریع، و ارزان برای پایش مزارعی است که در آنها بقایای گیاهی آتش زده میشود تا بتوان بهسادگی مزارع را شناسایی و قوانین تنبیهی یا سیاستهای پیشگیرانه را اعمال کرد. در این پژوهش با استفاده از سه روش طبقهبندی نظارتشده، طبقهبندی نظارتنشده، و تشخیص تغییرات، توانایی تصویرهای سنجنده لندست 8 برای تعیین محل و مساحت مزارعی که بقایای گیاهی در آنها آتش زده شدهاند، ارزیابی شده است. برای اجرای این پژوهش و ارزیابی نتایج بهدست آمده، 120 مزرعه در نظر گرفته شد. نتایج بهدست آمده از تعیین محل و تخمین مساحت مزارع آزمایشی در تصویرهای ماهوارهای با دادههای میدانی مقایسه شد. بهعلت تغییرات پیدرپی شرایط سطحی مزارع آزمایشی، در فاصلۀ زمانی بین دو تصویربرداری سنجنده لندست، روش تشخیص تغییرات نتوانست مزارعی که بقایای گیاهی در آنها آتش زده میشود را بهدقت پایش کند. شناسایی و تخمین مساحت مزارع سوخته با روش طبقهبندی نظارتشده دقت بالایی دارد (صحت کلی طبقهبندی 6/96 درصد، ضریب کاپا 93/0 و ضریب تبیین 92/0). بنابراین، بر اساس نتایج پژوهش، روش طبقهبندی نظارتشده برای پایش مزارع سوخته و تعیین مساحت آنها پیشنهاد و فناوری آن ارائه شد. | ||
| کلیدواژهها | ||
| بقایای گیاهی؛ تشخیص تغییرات؛ سنجش از دور؛ طبقهبندی نظارتشده | ||
| عنوان مقاله [English] | ||
| Monitoring of Farm with Burned Residues using Satelite Images | ||
| نویسندگان [English] | ||
| Mohammah Ali Rostami1؛ Hooshang Afzali Gorouh2 | ||
| 1Assistant Professor | ||
| 2Researcher of Agricultural Engineering Research Department, Kerman Agricultural and Resource Research and Education Center, AREEO, Kerman, Iran. | ||
| چکیده [English] | ||
| Crop residue management is very important in farmlands. Conservatiion and proper management of residues, improves soil structure, retain moisture and reduces soil erosion. Whereas, crop residue burning converts organic material into ash, increases soil erosion and moisture loss from feild. The aim of present study was to research for accurate, fast and inexpensive methods for monitoring farms where crop residues are burned. keeping this in view, the potential of Landsat 8 sensor local data for monitoring residue burning was evaluated, using three classification methods including; supervised classification, unsupervised classification and detection of changes. Total number of 120 farms with 4 different surface coverage namely: plant residue, soil, green plant and residue ash were considered. Burned field’s location and their area were determined through satellite image with tree methods and their results were compared with field results. The results showed that due to successive changes in surface conditions of experimental farms, between two satellite imagery, such as tillage, seed planting and planted crop emergence, the satellite imagery could not be monitor the burned farms appropriately. Location and estimation of burned farm area by supervised classification was done with high accuracy. Overall classification accuracy of supervised classification method was 96.6, kappa coefficient was 0.93 and R2 was 0.92. Although by the unsupervised classification method some burned farms were separated, but overall classification accuracy and kappa coefficient of this method was low (71.6 and 0.61 respectively). Finally and based on the results it can be suggested that, supervised classification was chosen for farms remote sensing, where crop residues are burned. | ||
| کلیدواژهها [English] | ||
| Change Detection, Crop residue, Landsat 8 Sensor, Supervised Classification, Unsupervised Classification | ||
| مراجع | ||
|
Alinaghizadeh, F., Doulati, M., Rostami, M. A., Boroumand, N. and Zeiaaddini, A. 2016. Remote sensing of burned residues in fields using linear spectral unmixing analysis. The 10th National Congress on Biosystems Engineering. University of Ferdousi, Mashhad. Iran. (in Persian)
Alipour, F., Aghkhani, M., Abasspour-Fard, M. and Sepehr, A. 2014. Demarcation and estimation of agricultural lands using etm+ imagery data (case study: Astan Ghods Razavi great farm). J. Agric. Mach. 4(2): 244-254. (in Persian)
Anon. 2015. Landsat 8 Data Products. Available at: http://landsat.usgs.gov.
Anon. 2017. Landsat Project Description. https://landsat.usgs.gov.
Bannari, A., A. Pacheco, K. Staenz, H. McNairn, and K. Omari. 2006. Estimating and mapping crop residues cover on agricultural lands using hyperspectral and IKONOS data. Remote Sensing of Environment 104: 447-459.
Darvishsefat, A. A., Pir-Bavaghar, M. and Rajab-Pourrahmati, M. 2014. Remote Sensing for GIS Managers. University of Tehran Pub. (in Persian)
Godwin, R. J. 1990. Tillage for Crop Production in Areas of Low Rainfall. Food and Agriculture Organization of the United Nation. ISBN-10: 9251025428.
Lillesand, T., Kiefer, R. W. and Chipman, J. 2014. Remote Sensing and Image Interpretation. John Wiley & Sons.
McCarty, J. L., Justice, C. O. and Korontzi, S. 2007. Agricultural burning in the southeastern United States detected by Modis. Remote Sens. Environ. 108, 151-62.
Pacheco, A. and McNairn, H. 2010. Evaluating multispectral remote sensing and spectral unmixing analysis for crop residue mapping. Remote Sens. Environ. 114, 2219-2228.
Pacheco, A. and McNairn, H. 2011. Mapping Crop Residue Cover over Regional Agricultural Landscapes in Canada. Available at: http://www.isprs.org.
Richards, J. A. 1999. Remote Sensing Digital Image Analysis. Springer.
Rostami, M. A. 2013. Development of a comprehensive monitoring system in conservation tillage practices using remote sensing technology. Ph. D. Thesis. Faculty of Agriculture. Shiraz University, Shiraz, Iran. (in Persian)
Rostami, M. A., Raoufat, M. H. and Afzaligorouh, H. 2014. Establishing a system for monitoring the burning of plant remains in the fields using the Remote Sensing technology. 1st National Conference on Sustainable Management of Soil and Environmental Resources. Sep. 10-11. Shahid Bahonar University, Kerman, Iran. (in Persian)
Sateesh, K., Singh, R. P., Prasad, A. R. and Kumar, D. A. 2014. Extraction of crop residue burnt field and its impact on soil fertility (case study of Central Madhya Pradesh, India). Int. J. Sci. Res. Agr. Sci. 1(8): 156-164.
Yadav, M., Sharma, M. P., Prawasi, R., Khichi, R., Kumar, P., Mandal, V. P., Salim, A. and Hooda, R. S. 2014. Estimation of wheat/rice residue burning areas in major districts of Haryana, India, using remote sensing data. J. Indian Soc. Remote Sensing, 42(2): 343-352.
Zeinali, M., Jaafarzadeh, A., Shahbazi, F., Oustan, S. and Valizadeh-Kamran, K. 2016. Soil salinity surface assessment by pixel base method based on TM landsat (case study: in the lands of east of Khoy). Geogr. Data. 25(99): 127-139. (in Persian)
Zobeiry, M. and Majd, A. R. 2014. An Introduction to Remote Sensing Technology and its Application in Natural Resources. Tehran University Pub. (in Persian) | ||
|
آمار تعداد مشاهده مقاله: 1,530 تعداد دریافت فایل اصل مقاله: 544 |
||