تعیین سطح زیرکشت و تراکم بوته مزارع چغندرقند با پردازش داده‌های ماهواره‌ای

نوع مقاله: کامل علمی - پژوهشی

نویسندگان

1 کارشناس ارشد شرکت قند قزوین

2 دانشیار موسسه تحقیقات چغندرقند

چکیده

هدف از اجرای این تحقیق تعیین تراکم بوته مزارع چغندرقند دشت قزوین با استفاده از تصاویر ماهواره­ای و روش­های سنجش از دور بود. با تعیین تراکم بوته می­توان میزان محصول چغندرقند را در سطح قابل قبول قبل از برداشت برآورد نمود و در نتیجه امکان مدیریت مناسب فرآیندهای صنعتی و کشاورزی تولید شکر فراهم خواهد شد. استفاده از داده­های ماهواره­ای می­تواند با دقت مناسبی جایگزین روش­های پرهزینه و زمان­بر میدانی شود. در این تحقیق با استفاده از تصاویر سنجنده­های TM و GeoEye، تراکم بوته مزارع چغندرقند کشت شده در سال زراعی 1390 در بخشی از دشت قزوین تعیین شد. نتایج حاصل از ارزیابی دقت عملیات و مقایسه نقشه­های تهیه شده از داده­های سنجش از دور با نمونه­های زمینی نشان داد که با استفاده از داده­های ماهواره ای می­توان تراکم بوته مزارع چغندرقند را با اطمینان نسبی برآورد نمود. محاسبات حاصل از داده­های پژوهش نشان داد که دقت نقشه­های خروجی برابر 7/91 درصد با ضریب کاپای برابر 84/0 می­باشد. علاوه­بر آن داده­های سنجش از دور قادرند اختلاف تراکم را حتی در بخش­های مختلف یک مزرعه آشکار نمایند. بنابراین پیشنهاد می­گردد متولیان اجرایی کشور همه ساله از روش سنجش از دور برای تخمین دقیق سطح زیر کشت چغندرقند و میزان تولید محصول استفاده نمایند.

کلیدواژه‌ها


عنوان مقاله [English]

Determination of the cultivated area and plant density of sugar beet fields using satellite data

نویسندگان [English]

  • F. Forughimanesh 1
  • M. Abdollahian 2
1 Master expert of Sugar Company Ghazvin, Iran
2 Associate Professor of Sugar Beet Seed Institute (SBSI), Iran
چکیده [English]

The purpose of this study was to determine the plant density of sugar beet fields in Qazvin region using satellite images and remote sensing techniques. The plant density can be used to estimate the pre-harvest sugar beet yield and as a result the proper management of agricultural and industrial processes involved in sugar production. Satellite data can be used to remove the cost and time of conventional field methods. In this study, using satellite imagery of TM and GeoEye, the plant density of sugar beet fields in a part of Qazvin region was estimated in 2011.  Results derived from the assessment of accuracy of operations and comparison of the maps obtained from remote sensing data with ground samples showed that using satellite data, the plant density of sugar beet can be estimated with relative certainty. The calculation of the overall data showed that the accuracy of maps outputs was 91.7% with Kappai coefficient of 0.84. In addition, remote sensing data can illustrate the density variation in different parts of the field.

کلیدواژه‌ها [English]

  • Optimal Cropping Pattern
  • Remote sensing techniques
  • sugar beet
  • Water
Alavipanah S. Application of remote sensing in earth sciences. Tehran University Publication, 2003; pp. 63. (in Persian)

Alizadeh H. Introducing in GIS. SAMT Publication, 2002; pp. 217. (in Persian)

Anonymous. Sugar beet production. Iranian Syndicate of sugar industry. 2011. (in Persian) http://www.isfs.ir.

Arnon I. Crop production in dry regions. Jahad-e-Daneshgahi Publication. 1996; pp 127. (in Persian)

Asadi-Rashed H, Mirbagheri V, Abkar A. Estimation of Qazvin plain water yield of leaf area index produced using IRS satellite imagery. Geomantic Conference. National Cartographic Organization in Iran. 2008. (in Persian)

Ebrahimian H. Effect of nitrogen and plant density on sugar beet technological value. Sugar beet Seed Institute. Publication. 1992; P 81. (in Persian)

Gavin A, John C, Taylor J. Calibration methodology for mapping within-field crop variability using remote sensing. Biosystems Engineering. 2003; 84 (4), 409–423.

Jensen J. Introductory Digital Image Processing, Prentice- Hall, USA. 1996; pp. 117.

Johnson L, Roczen F, Youkhana D, Nemani R, Bosch D. Mapping vineyard leaf area with multispectral satellite imagery. Computers and Electronics in Agriculture. 2003; 38: 33-44.

Khodabandeh N. Industrial plants. Tehran University Publication; 1993. pp. 454. (in Persian)

Liang S. Quantitative Remote Sensing of Land Surface. 2004. John Wiley & Sons, Canada. p 92-99.

Mastali R. Estimation and evolution of maize plant density per unit area with using of satellite image in NDVI method (MSc thesis). Azad University of Tehran; 2007. (in Persian, abstract in English)

Minghas Z, Hendley P. Corn and Soybean yield indicators using remotely sensed vegetation indictor. University of California, Davis. 2002; p. 95-116.

Richards J, Jia X. Remote Sensing Digital Image Analysis, 4th Edition. Springer publication, Berlin, 2006; P. 32-41

Sawasawa H. Crop yield Estimation. Integrating RS, GPS and Management Factors, ITC Thesis. 2003.

Zobeiri M, Majd A. Introduction to Mapping Invasive in Natural Science. Tehran UniversityPublication, 2002; pp. 137. (in Persian)