اندازه‌گیری غیرمخرب نیتروژن برگ نیشکر با استفاده از شاخص طیفی استخراج شده از ماهواره sentinel-2

نیتروژن عامل مهمی برای ارزیابی کیفیت نیشکر در دوره رشد است و کمبود این عنصر باعث کاهش عملکرد محصول می‌شود. متداولترین روش برای اندازه‌گیری نیتروژن نیشکر، استفاده از دستگاه kjeldahl می‌باشد که آماده‌سازی نمونه‌ها دستی و در واقع تجزیه و تحلیل آن به صورت شیمیایی است که رویکردی پرزحمت، پرهزینه و وقت‎گیر می‌باشد. این در حالی است که سنجش از دور چند طیفی ماهواره‌ای به عنوان روش غیرمخرب می‌تواند اطلاعات به هنگام، مقرون به صرفه و در مقیاس بزرگ در مورد وضعیت نیتروژن در مزارع نیشکر را فراهم کند. هدف از این مطالعه، تخمین میزان نیتروژن گیاه نیشکر با استفاده از دو مدل جنگل تصادفی (rf) و ماشین بردار پشتیبان (svm) می‌باشد. در این پژوهش، میزان نیتروژن 44 مزرعه از کشت و صنعت امیرکبیر استان خوزستان به روش سنتی اندازه‌گیری شد و همزمان تصاویر ماهواره سنتینل-2 اخذ گردید. از این تصاویر، باندهای طیفی شامل b2 ، b6 ، b11 و شاخص‌ پوشش گیاهی شامل gemi محاسبه شد. نتایج مدل سازی نشان داد که میزان نیتروژن با r2=0.59 و rmse=0.1 توسط جنگل تصادفی برآورد شده است در حالی که رگرسیون بردار پشتیبان میزان نیتروژن را با r2 برابر با 29/0 و rmse 03/0 پیش‌بینی کرد. باتوجه به چالش موجود در زمینه تخمین نیتروژن توسط ماهواره‌های اپتیک، این امکان وجود دارد که الگوریتم جنگل تصادفی بتواند حل مساله را بهبود بخشد.

non-destructive measurement of sugarcane leaf nitrogen using spectral index extracted from sentinel-2 satellite

nitrogen is an important factor for quality assessment of sugarcane in growing period and deficiency of this element causes reduced crop yield. the most common method for measuring sugarcane nitrogen is by manual sampling, preparation, and chemical analysis in the laboratory using kjeldahl device. this approach is laborious, costly, and time-consuming. multispectral remote sensing (rs) and satellite imagery can provide timely, cost-effective, and large-scale information regarding the nitrogen condition in sugarcane fields. the objective of this study was to estimate nitrogen content of sugarcane plants by applying two data processing schemes to sentinel-2 satellite images. nitrogen content of 44 farms in amir kabir agro-industry of khuzestan province was measured, and at the same time sentinel-2 satellite images were obtained. then, spectral bands including b2, b6, b11 and gemi vegetation index were calculated from the images. modelling results showed that nitrogen content can be estimated using random forest method and support vector regression with r2 = 0.59, rmse = 0.1and r2 = 0.29 and rmse =0.03, respectively. given the challenge of estimating nitrogen by optical satellites, it is possible that a random forest algorithm can improve problem solving.