شناسایی و تعیین مزارع گندم با استفاده از تغییرات بازتابی شاخص پوشش گیاهی و تحلیل مکانی در غرب ایران

تهیه نقشه و تحلیل مکانی مزارع گندم در مسائل کلان اقتصادی و اجتماعی ازجمله مدیریت کشاورزی دارای اهمیت زیادی است. نقشه‌های الگوی کشت تغییرپذیر هستند و تهیه آن با استفاده از داده‌های زمینی با مسائل زیادی همراه است. هدف از این تحقیق پیاده‌سازی روشی کاربردی برای استخراج مزارع گندم با استفاده از تغییرات شاخص پوشش گیاهی و تحلیل مکانی مزارع گندم در غرب ایران است. بررسی منحنی تغییرات شاخص پوشش گیاهی مزارع نمونه گندم نشان داد بیشترین مقدار بازتاب شاخص مزارع نمونه گندم در ماه‌های خرداد و اوایل تیرماه بوده و پس از برداشت محصول شاخص بازتاب به مقدار زیادی کاهش می‌یابد. در همین راستا داده‌های سنجنده سنتیل در سامانه earth engine پردازش و شاخص پوشش گیاهی 12 ماهه سال 1398 در قالب یک مجموعه داده از آن استخراج گردید. با معرفی نمونه‌های آموزشی به مجموعه داده ایجادشده به روش طبقه‌بندی ماشین بردار پشتیبان[1]، کاربری زمین محدوده موردمطالعه در پنج کلاس به دست آمد. با اعمال فیلتر ارتفاعی و حذف مزارع مستخرج شده بالای سه هزار متر نقشه پراکندگی مزارع گندم را با 48 نمونه باقی‌مانده نمونه‌های زمینی صحت سنجی شد و صحت کلی 0.86 و ضریب کاپا 0.79 به دست آمد. نتایج نشان داد با توجه به اینکه در روش پیشنهادی اطلاعات داده‌های آموزشی بیشتری به الگوریتم داده شد، بنابراین موجب افزایش صحت کلی طبقه بندی می‌شود. الگوی مکانی مزارع گندم با تابع میانگین نزدیک‌ترین همسایه و آماره p_value<0.05 نشان‌دهنده خوشه‌ای بودن پراکندگی مزارع و تابع کاریپلی عدم تصادفی بودن پراکندگی مزارع گندم تا فاصله‌های 21 هزار متری را نشان داد. از نتایج این تحقیق و نقشه‌های خروجی‌های آن می‌توان در کسب اطلاعات برای برنامه‌ریزی‌های کشاورزی و همچنین تخصیص و توزیع مکانی منابع و امکانات استفاده نمود. 

Identification and Determination of Wheat Cultivated Farms Using Vegetation Index Reflectance Changes and Spatial Analysis in Western of Iran

Mapping and spatial analysis of wheat fields are very important in studying macroeconomic and social issues, including agricultural management. Highly variable crop pattern maps and its preparation using terrestrial data are associated with many problems. The purpose of this study is to implement a practical method for extracting wheat fields by using changes in vegetation index and spatial analysis of wheat fields in western of Iran. Investigation of the changes curve of vegetation index of wheat typic farms showed that the highest amount of reflection index of wheat farms is in June and early July and after harvest the reflectance index decreases extremely. In this regard, Sentile sensor data was processed in the Earth Engine system and the 12month vegetation index of 1398 was extracted as a data set. By introducing training data to the data set created by the support vector machine classification method, the land use of the study area was obtained in five classes. By applying altitude filter and removing the extracted fields above 3,000 meters, the distribution map of wheat fields was verified with the remaining 48 ground data. The total accuracy and the kappa coefficient were obtained 0.86 and 0.79, respectively. Since in the proposed method, more training data are given to the algorithm, the overall accuracy of the classification is increased. The spatial pattern of wheat fields with the mean function of the nearest neighbor and P_value <0.05 indicating the cluster dispersion of the fields and the Caripley function indicating the nonrandom scattering of wheat fields up to distances of 21,000 meters. The results of this research and its output maps can be used to obtain information for agricultural planning as well as the allocation and spatial distribution of resources and facilities.