N : تعداد کل پیکسل های معلوم
Eii : اعضای قطری ماتریس خطا
ضریب کاپا
ضریب کاپا دقت طبقه بندی را نسبت به یک طبقه بندی کاملا تصادفی محاسبه می کند به این معنی که مقدار کاپا دقت طبقه بندی را نسبت به حالتی که یک تصویر کاملا به صورت تصادفی طبقه بندی شود به دست می دهد. (Richard,J.A,1995) برای نمونه یک کاپا معادل ۷۵ درصد یعنی این که نتایج طبقه بندی ۷۵ درصد بهتر از موقعی است که پیکسل ها به طور تصادفی برچسب دهی شوند. اگر کاپا برابر ۱۰۰ درصد شود به معنی یک طبقه بندی کاملا صحیح بر اساس نمونه های گرفته شده می باشد. مقادیر بین ۰ تا۱۰۰ درصد هر یک سطح معینی را به نسبت این طبقه بندی (کاملا صحیح ) نشان می دهند و مقادیر منفی نشان دهنده نتایج بسیار بد طبقه بندی است.

( اینجا فقط تکه ای از متن فایل پایان نامه درج شده است. برای خرید متن کامل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. )

رابطه محاسبه این ضریب به صورت زیر است :
در این رابطه N تعداد کل پیکسل های واقیت زمینی ، مجموع عناصر سطر i و مجموع عناصر ستون i می باشد .
تک پارامترهای نظیرضریب کاپا و دقت کلی تنها با کل طبقه بندی سرو کار دارند و اطلاعات در مورد تک تک کلاس ها و یا توزیع مکانی خطاها ارائه نمی دهند، برای برآورد دقت کلاسها به صورت مجزا از پارامترهای دیگری نظیردقت کاربر و دقت تولید کننده استفاده می شود.
صحت تولید کننده
صحت تولید کننده(Producers Accuracy)، احتمال اینکه طبقه بندی کننده پیکسلی را به یک کلاس خاص نسبت داده باشد، در صورتی که کلاس واقعی آن مشخص باشد، را بیان می کند . به بیان دیگر عنصر قطری هر کلاس به جمع مقادیر هر ستون (هر کلاس) می باشد.
صحت کاربر
صحت کاربر (Users Accuracy) احتمال طبقه بندی یک کلاس خالص مطابق با همان کلاس در نقشه واقعیت زمینی را بیان می کند. به بیان دیگر نسبت پیکسل های صحیح طبقه بندی شده به مجموع پیکسل های یک سطر (کلاس) می باشد. این دقت برای کاربر مهم است.
۳-۱۱ خصوصیات طیفی پوشش گیاهی
شکل شماره (۳-۱۳) بیان می دارد که طیف گیاهان از یک الگوی ایده آل پیروی می کند. با وجود آنکه تغییرات قابل ملاحظه ای نسبت به هم به خصوص در ناحیه ی فروسرخ نزدیک دارا می باشند. هر دو منحنی های ایده آل و واقعی، مقادیر نسبتا کمی در نواحی قرمز و آبی طیف مرئی، به همراه یک نقطه ی اوج کوچک در ناحیه سبز، نمایش می دهند. این برآمدگی ها و فرورفتگی ها به دلیل جذب نور آبی و قرمز توسط کلروفیل و رنگدانه های دیگر موجود در گیاهان، حاصل می شوند. معمولا۱۰ تا ۸۰ درصد نور آبی و قرمز برای فراهم ساختن انرژی در فرایند فتوسنتز جذب می شود. نور آبی کوچک موجود بین ۵/۰ تا ۶/۰ میکرومتر موجب می شود که گیاهان فعال در حال حاضر به چشم انسان سبز به نظر می آید. هیچ گیاه فعال فتوسنتز کننده ای نیست، که این قله ی سبز را دارا نباشد (امینی، ۱۳۸۸).
شکل (۳-۱۳) مقایسه بازتاب طیفی گیاه سبز و گیاه خشک و خاک
در مورد گیاهان فعال فتوسنتز کننده، منحنی بازتاب طیفی در نواحی بین ۶۵/۰ تا ۷۶/۰ میکرومتر خیلی تیز بالا می رود و در ناحیه ی مادون قرمز نزدیک بین ۷۵/۰ تا ۳۵/۱ میکرومتر به دلیل فعل و انفعالات بین ساختار برگ و امواج الکترو مغناطیس در این طول موج ها، مانند بالا می ماند. ساختار داخلی برگ، تاثیراتی را نیز برروی نواحی ۳۵/۱ میکرومتر و ۵/۲ میکرومتر می گذارد،ولی بازتاب طیفی بیشتر توسط آب موجود در بافت برگ کنترل می شود. آن آب، دلیل مینیمم های موجود ثبت شده نزدیک ۴۵/۱ میکرومترو ۹۵/۱ میکرومتر است. موقعیت گیاه (فعالیت فتوسنتز) اغلب با بررسی موقعیت نقطه ی نمایانگر صعود پر شیب منحنی آب در حدود ۷/۰ میکرومتر، مشخص می شود. این نقطه ، لبه ی سرخ نام دارد. همچنان که گیاه سالخورده تر می شود ، ابتدا میزان بازتاب در ناحیه فروسرخ نزدیک فرود می افتد، در حالی که در بخش مرئی طیف، زیاد تحت تاثیر قرار نمی گیرد.
ناحیه بدون جذب: این ناحیه مترادف با محدوده ی طیف مادون قرمز نزدیک (۷/۰-۳/۱ ) است. در این ناحیه عمل جذب و عبور ناچیز بوده ، بنابراین انعکاس شدید می باشد.
ناحیه جذب آب مترادف با محدوده طیف مادون قرمز میانی می باشد. و طول موج های ۴/۹،۱/۱ و۶/۲ میکرومتر شدیدا توسط ملکول های آب موجود در گیاه جذب شده و در سنجنده در طول موج ها یاد شده ، میزان انعکاس افت شدیدی می یابد. طیف منعکس شده از گیاهان از بخش های مادون قرمز نزدیک (NIR) ، قرمز و سبز در طول سال متغیر است و این تغییرات به میزان بافت سبز و سن گیاه بستگی دارد. انعکاس مادون قرمز با افزایش لایه های برگی افزایش می یابد. بیش از ۵۰ درصد از انرژی الکترومغناطیس مادون قرمز نزدیک (دامنه ی ۳/۱-۷/۰ میکرومتر) توسط برگ منعکس می شود. مقدار انعکاس مادون قرمز نزدیک با افزایش لایه های برگ زنده افزایش می یابد و لایه های برگی خشک شده دارای انعکاسی کمتر از همان تعداد لایه های برگ تازه می باشد. بازتاب طیفی برگ ممکن است متاثر از انواع تنش های خشکی، شوری و کمبود عناصر غذایی باشد زیرا این گونه تنش ها و کمبودها موجب تغییر شکل درونی و خارجی برگ می شود. با مسن شدن برگ ها بازتاب طیفی آنها در محدوده ی طول موج سبز(حدود ۵۵/۰ میکرومتر) افزایش می یابد که دلیل آن مربوط به تخریب کلروفیل می باشد. البته این وضعیت با کاهش بازتاب مادون قرمز نزدیک است. به عبارت دیگر بازتاب گیاه مسن و خشکیده در ناحیه ی مرئی و بازتاب گیاه سالم در ناحیه ی مادون قرمز بیشتر است.
۳-۱۲ گیاه برنج
برنج از مهم ترین غلات است . نیمی از جمعیت جهان شامل بیشتر آسیای شرقی، به برنج به عنوان یک غذای اصلی وابسته هستند. برنج گیاهی است که دارای ارقام زود رس(طول دوره رشد ۱۳۰ تا ۱۴۵ روز)، متوسط رس (۱۵۰ تا۱۶۰ روز) و ارقام دیر رس (۱۷۰تا۱۸۰ روز) می باشد. از نظر گیاه شناسی ساقه برنج بند بند و تو خالی بوده و در فواصل مختلف ساقه جداره های سختی قرار دارد که در آن قسمت ها ساقه تو پر می باشد و گره نام دارد. ارتفاع بوته های برنج در ارقام مختلف از ۵۰ تا۱۵۰ سانتی متر و گاهی اوقات تا۲۰۰ سانتیمتر تغییر می یابد. برگ های این گیاه متناوب بوده و در دو جانب متقابل ساقه قرار دارند. تعداد برگ ها در ارقام مختلف برنج متفاوت بوده، در ارقام زود رس ۱۴ تا۱۵ برگ ، در ارقام متوسط رس۱۶ تا ۱۷ برگ و در ارقام دیر رس تعداد برگ ها ۱۸ تا ۱۹ برگ می باشد. میانگین دمای مورد نیاز برنج هنگام رشد بین ۲۰ تا ۳۷ درجه سانتی گراد می باشد. نور هم یکی از عوامل موثر در رشد گیاه است. شدت نور در اوایل فصل زراعی شاید عامل محدود کننده ای برای رشد برنج به حساب آید. اما با نزدیک شدن به پایان فصل زراعی، بویژه موقع تشکیل خوشه، رقابت برای جذب نور بین بوته ها افزایش می یابد. منا سب ترین میزان رطوبت برای گلدهی گیاه برنج ، هفتاد تا هشتاد درصد است. رطوبت کمتر از ۴۰ درصد، عامل باز دارنده ای برای گلدهی گیاه به شمار می رود. آب مورد نیاز برنج از سایر غلات بیشتر است.۸۰ درصد آب مورد نیاز محصول برنج تولید شده در جهان بویژه در نقاط استوایی، از آب باران تامین می گردد. ۲۰ درصد باقی مانده را از آب رود خانه و آب چاه تامین می نمایند. برنج در خاک های مختلف، از فقیر تا غنی، که تنها آب مورد نیاز گیاه تامین باشد به عمل می آید. البته مقدار آب مصرفی در خاک های سبک بیش از خاک های سنگین است. مناسب ترین خاک برای کشت برنج، خاک رسی با لایه ی غیر قابل نفوذ در عمق ۵۰ تا ۱۵۰ سانتی متری به همراه مقدار زیادی مواد آلی است. برنج اصولا نسبت به شوری خاک و شوری آب مقاوم است و در صورتیکه آب کافی برای شستشوی نمک خاک وجود داشته باشد ، می توان از برنج برای اصلاح خاک های شور استفاده نمود (امام ،۱۳۸۶).

شکل (۳-۱۴) گیاه برنج
فصـل چهارم :
مواد و روشها
۴-۱ مقدمه
آمارو اطلاعات مربوط به میزان و سطح زیرکشت محصولات کشاورزی، در تدوین وتنظیم سیاست های صادرات ، واردات ، قیمت گذاری این فراورده ها ، برنامه ریزی های توسعه کشاورزی و سایر مسائل مربوط به این بخش به عنوان ابزار پایه محسوب می شود. (درویش زاده و همکاران، ۱۳۹۰)
محصول برنج به عنوان مهم ترین منبع غذایی نیمی از جمعیت جهان محسوب می شود واز نگاه امنیت غذایی در سطح جهانی و ملی پس ازگندم از آن بعنوان مهم ترین محصول راهبردی یاد می شود(علوی، ۱۳۷۸). ازاین رو استفاده از تکنیک ها و روش های جدید به منظور ارزیابی و پایش این محصول ضروری بنظر می رسد.
سنجش از دور به کمک امواج الکترومغناطیس طبیعی و مصنوعی در بررسی ها و برنامه ریزی های کشاورزی و منابع طبیعی کاربرد دارد. امروزه فناوری سنجش از دور بطور فزآینده ای برای اندازه گیری پارامترهای مورد نیاز در بررسی دقیق زمین های کشاورزی و پوشش گیاهی مورد استفاده قرار می گیرد. (خواجه الدین,۱۳۷۶).
درسال های اخیر با بهره گرفتن از سنجنده های چند طیفی مطالعات بسیار زیادی از پوشش گیاهی زمین و مخصوصا پایش محصولات کشاورزی صورت پذیرفته و با ورود سنجنده های فراطیفی (HyperSpectral) به حیطه علم سنجش از دور از قبیل سنجنده فراطیفی هایپریون قابلیت های جدیدی در مدیریت و تهیه نقشه پوشش های گیاهی در بخش کشاورزی ایجاد گردیده است.
سنجده های فراطیفی، درمحدوده های طیفی بسیار باریک وبه هم پیوسته قابلیت تفکیک بهتری از اشیاء و پدیده ها با ویژگی های طیفی متفاوت را فراهم می کند. در این تحقیق ما برآن شدیم که با بهره گرفتن از داده های سنجنده هایپریون به ارزیابی الگوریتم های نظارت شده جهت طبقه بندی وآشکارسازی اهداف مورد نظر که همان پوشش گیاهی برنج می باشد، در منطقه مورد مطالعه بپردازیم.
براساس مشخص یا نا مشخص بودن مشخصه های طیفی اهداف، آشکارسازی به دو صورت نظارت شده و نظارت نشده انجام می گیرد. آشکارسازی نظارت شده با فرض واقف بودن برصحنه تصویربرداری ودر اختیارداشتن دانش اولیه درمورد اهداف موجود در آن ،کار آشکارسازی را انجام می دهد.(داود اکبری،۱۳۸۷)
از تمامی الگوریتم های طبقه بندی که برای تصاویر چندطیفی بکارمی رود، درطبقه بندی تصاویر فراطیفی هم می توان استفاده نمود.
علاوه براین الگوریتم ها چند الگوریتم دیگر نیز مخصوص فراطیفی ارائه شده است مثل دو الگوریتم کد گذاری دودویی یا همان Binary Encoding و Spectral Angle mapper (کریم دستوریان، ۱۳۸۱).
پس از اعمال الگوریتم های SAM ،SVM ، MLC ،BEC و SIDدر این تحقیق و تهیه نقشه های سطح زیر کشت برنج به ارزیابی دقت این الگوریتم ها پرداخته، جدول ماتریس خطا تشکیل و میزان صحت هر یک از طبقه بندی ها بدست آمد.
۴-۲ داده ها و ابزار تحقیق
تصاویر ماهواره EO-1 سنجنده هایپریون از منطقه مورد مطالعه که مشخصه های اصلی تصویر به قرار زیر می باشد.
سیستم مرجع (Reference datum) ” WGS 84″
سیستم تصویر(Map projection): UTM”” و شماره زون ۳۹
سطح پردازش تصویر L1R
همچنین تصویر زمین مرجع شده سنجنده ALI
جدول شماره (۴-۱) مشخصات کلی تصویر سنجنده هایپریون مربوط به منطقه مورد مطالعه

۷/۶/۱۳۹۲

تاریخ اخذ تصویر

۸۴۷۰۷۸/۱۲۵

زاویه تابش

۷۷۳۶۱۲/۵۰