تخمین عملکرد ذرت دانه‌ای براساس تصاویر ماهواره‌ لندست 8 (مطالعه موردی: اراضی کشت و صنعت شهید بهشتی دزفول)

یکی از مهمترین ابزارهای برنامه‌ریزی مناسب برای تضمین امنیت غذایی و ارزیابی بازده اقتصادی محصولات زراعی، پیش‌بینی عملکرد محصولات زراعی قبل از برداشت آن‌ها است. این پژوهش با هدف برآورد و پیش‌بینی زود‌هنگام عملکرد ذرت دانه‌ای قبل از برداشت در سال زراعی 96-95 با استفاده از تصاویر ماهواره landsat 8 در بخشی از اراضی کشت و صنعت شهید بهشتی انجام شد. در این پژوهش از هشت شاخص‌ طیفی شامل ndvi، tndvi، gndvi، savi، osavi، ndwi، mndwi وndmi استفاده شد. بین شاخص‌ها با داده‌های میدانی عملکرد با 70% داده‌ها رابطه همبستگی برقرار شد. سپس این روابط با 30% داده‌ها مورد ارزیابی قرار گرفت. شاخص mndwi با ضریب تعیین 30% و 13% بالاترین همبستگی را با داده‌های میدانی به‌ترتیب در آذرماه و دی‌ماه داشت. ضریب تعیین و rmse بین مقادیر مشاهده‌شده و پیش‌بینی‌شده عملکرد توسط این شاخص برای ماه‌های ذکرشده به‌ترتیب 72 % ، 1.71 تن در هکتار و 48% ، 1.54 تن در هکتار به‌دست آمد. معادلات چند متغیره تولید شده برای هر دو تاریخ برداشت در دی‌ماه و آذرماه به‌ترتیب با ضریب تعیین و rmse، 31%، 0.06 تن در هکتار و 55% ، 1.19 تن در هکتار حاصل شد. طبق نتایج، استفاده از میانگین شاخص‌های mndwi ، savi و ndvi در روابط تولید شده خطاهای ناشی از تغییرات مکانی عملکرد در سطح مزرعه به حداقل می‌رسد و امکان پیش‌بینی مقدار متوسط عملکرد نهایی مزرعه قبل از برداشت محصول وجود دارد.

estimating grain corn yield based on landsat 8 satellite images (case study: agricultural and industrial lands of shahid beheshti, dezful)

one of the common methods to estimate the yield of crops before their harvest is the use of satellite images and remote sensing technology. one of the efficient methods extracted from remote sensing data to monitor crop yield is the use of spectral indices. this study was carried out to estimate maize yield before its harvest using landsat 8 satellite images in a part of the lands of shahid beheshti agro-industry, dezful. eight spectral indices including ndvi, tndvi, gndvi, savi, osavi, ndwi, mndwi, and ndmi were used in this study. a correlation relationship was formed between the indices and yield with 70% of the data. then the relationships were evaluated with 30% of the data. mndwi index had the highest correlation with the field data in december and january, respectively, with a coefficient of determination of 30% and 13%. r2 and rmse between the observed and predicted yield values by this index for the mentioned months were 72%, 1/71 tons per hectare, and 48%, 1/54 tons per hectare, respectively. multivariable equations produced for both dates in january and december were obtained with r2 and rmse, 31%, 0/06 tons per hectare, and 55%, 1/19 tons per hectare, respectively. according to the results, by using the average mndwi ، savi, and ndvi indices in the produced relationships, the errors caused by the spatial changes of yield at the farm level are minimized, and it is possible to estimate the yield before harvest.