برآورد سطح زیرکشت گندم با استفاده از تصاویر ماهواره لندست 8 (مطالعه موردی: نیمه شمالی استان اردبیل)

با توجه به اینکه استان اردبیل یکی از قطب های مهم کشت گندم می باشد، تعیین سطح زیرکشت آن در برنامه ریزی های اقتصادی و سیاسی از اهمیت ویژه ای برخوردار خواهد بود و می تواند امنیت غذایی کشور را تامین نماید، اما در گذشته بیشتر از روش های سنتی مانند اندازه گیری میدانی و غیره، برای تعیین سطح زیرکشت محصول استفاده می کردند که دارای خطاهای فراوانی بود. لذا در این پژوهش سعی شد تا با استفاده از تصاویر ماهواره لندست 8 و استفاده از شاخص های پوشش گیاهی (ndvi, savi, dvi, gvi, ipvi, rvi)، تحلیل مولفه های اصلی (pci)، شاخص فاکتور بهینه (oif) به همراه طبقه بندی الگوریتم حداکثر احتمال میزان سطح زیرکشت گندم در منطقه مورد مطالعه برآورد گردد. بر اساس نتایج بدست آمده از تحلیل مولفه های اصلی، بیش از 99 درصد واریانس داده ها در سه مولفه اصلی تبیین و بهترین ترکیب رنگی مستخرج از شاخص oif نیز باندهای 5، 6 و 7 با مقدار عددی 8383.73 تعیین گردید. همچنین نتایج نشان داد که میزان سطح زیرکشت گندم در سال زراعی 94-95 در محدوده مورد مطالعه به ترتیب با ضریب کاپا و دقت کلی 0.87 و 95.2 درصد، حدود 59203.07 هکتار است و با آمار جهاد کشاورزی استان اردبیل که حدود 62480.21 هکتار می باشد 5.24 درصد یا به عبارتی حدود 3277.14 هکتار اختلاف دارد که به نظر قابل قبول می رسد. لذا به طورکلی می توان نتیجه گرفت که تصاویر لندست 8، تحلیل مولفه های اصلی و شاخص فاکتور بهینه را در تعیین سطح زیر کشت گندم از قابلیت بالایی برخوردارند.

estimation of the area under cultivation of wheat by using of landsat 8 satellite images (case study: ardabil province)

considering that ardabil province is one of the important centers of wheat cultivation, determining the level of cultivation in economic and political programs will be of special importance and can ensure the country's food security. but in the past, most traditional methods, such as field measurement, etc., which had many errors, were used to determine the level of crop cultivation. therefore, in this study, it was tried to estimate the level of wheat cultivation in the study area using landsat 8 satellite images, and using vegetation index (ndvi, savi, dvi, gvi, ipvi, rvi), analysis of the principal components analysis (pci), optimum index factor (oif) with classification of maximum likelihood. based on the results obtained from the analysis of principal components analysis, more than 99% of the data variance was explained in the three main components, and the best color combination extracted from the oif index was determined as bands 5, 6, and 7 with the numerical value of 8383.73. also, the results showed that the level of wheat cultivation in the 94-95 crop year in the study area with kappa coefficient and overall accuracy of 0.87 and 95.2%, respectively, is about 59203.07 hectares and with the statistics of agricultural jahad in ardabil province, which it is about 62480.21 hectares and has a difference of 5.24% or in other words about 3277.14hectares, which seems to be acceptable. therefore, it can be concluded that landsat 8 images can analyze the principal components analysis and the optimal factor index in determining the area under wheat cultivation.