Introduction Remote sensing is defined as data acquisition about an object or a phenomenon related to a geographic location without physical. The use of remote sensing data is expanding rapidly. Researchers have always been interested in accurately classifying land coverage phenomena using multispectral images. One of the factors that reduces the accuracy of the classification map is the existence of uneven surfaces and high-altitude areas. The presence of high-altitude points makes it difficult for the sensors to obtain accurate reflection information from the surface of the phenomena. Radar imagery used with the digital elevation model (DEM) is effective for identifying and determining altitude phenomena. Image fusion is a technique that uses two sensors with completely different specifications and takes advantage of both of the sensors' capabilities. In this study, the feasibility of employing the fusion technique to improve the overall accuracy of classifying land coverage phenomena using time series NDVI images of Sentinel 2 satellite imagery and PALSAR radar imagery of ALOS satellite was investigated. Additionally, the results of predicted and measured areas of fields under cultivation of wheat, barley, and canola were studied. Materials and Methods Thirteen Sentinel-2 multispectral satellite images with 10-meter spatial resolution from the Bajgah region in Fars province, Iran from Nov 2018 to June 2019 were downloaded at the Level-1C processing level to classify the cultivated lands and other phenomena. Ground truth data were collected through several field visits using handheld GPS to pinpoint different phenomena in the region of study. The seven classes of distinguished land coverage and phenomena include (1) Wheat, (2) Barley, (3) Canola, (4) Tree, (5) Residential regions, (6) Soil, and (7) others. After the preprocessing operations such as radiometric and atmospheric corrections using predefined built-in algorithms recommended by other researchers in ENVI 5.3, and cropping the region of interest (ROI) from the original image, the Normalized Difference Vegetation Index (NDVI) was calculated for each image. The DEM was obtained from the PALSAR sensor radar image with the 12.5-meter spatial resolution of the ALOS satellite. After preprocessing and cropping the ROI, a binary mask of radar images was created using threshold values of altitudes between 1764 and 1799 meters above the sea level in ENVI 5.3. The NDVI time series was then composed of all 13 images and integrated with radar images using the pixel-level integration method. The purpose of this process was to remove the high-altitude points in the study area that would reduce the accuracy of the classification map. The image fusion process was also performed using ENVI 5.3. The support Vector Machine (SVM) classification method was employed to train the classifier for both fused and unfused images as suggested by other researchers. To evaluate the effectiveness of image fusion, Comm

1. Research Article
Vol. 13, No. 4, 2023, p. 493-508
Fusion of Multispectral and Radar Images to Enhance Classification Accuracy
and Estimate the Area under Various Crops Cultivation
M. Saadikhani1
, M. M. Maharlooei 2*
, M. A. Rostami3
, M. Edalat4
1- MSc Student in Biosystems Mechanical Engineering, Department of Biosystems Engineering, Shahid Bahonar
University of Kerman, Kerman, Iran
2- Associate Professor, Department of Biosystems Engineering, Shahid Bahonar University of Kerman, Kerman, Iran
3- Assistant Professor, Agricultural Engineering Research Department, Fars Agricultural and Resource Research and
Education Center, AREEO, Shiraz, Iran
4- Associate Professor, Department of Agronomy and Plant Breeding, Shiraz University, Shiraz, Iran
(*- Corresponding Author Email: maharlooei@uk.ac.ir)
How to cite this article:
Saadikhani, M., Maharlooei, M. M., Rostami, M. A., & Edalat, M. (2023). Fusion of
Multispectral and Radar Images to Enhance Classification Accuracy and Estimate the
Area under Various Crops Cultivation. Journal of Agricultural Machinery, 13(4), 493-
508. (in Persian with English abstract). https://doi.org/10.22067/jam.2022.78446.1123
Received: 25 August 2022
Revised: 26 October 2022
Accepted: 08 November 2022
Available Online: 21 November 2022
Introduction1
Remote sensing is defined as data acquisition about an object or a phenomenon related to a geographic
location without physical. The use of remote sensing data is expanding rapidly. Researchers have always been
interested in accurately classifying land coverage phenomena using multispectral images. One of the factors that
reduces the accuracy of the classification map is the existence of uneven surfaces and high-altitude areas. The
presence of high-altitude points makes it difficult for the sensors to obtain accurate reflection information from
the surface of the phenomena. Radar imagery used with the digital elevation model (DEM) is effective for
identifying and determining altitude phenomena. Image fusion is a technique that uses two sensors with
completely different specifications and takes advantage of both of the sensors' capabilities. In this study, the
feasibility of employing the fusion technique to improve the overall accuracy of classifying land coverage
phenomena using time series NDVI images of Sentinel 2 satellite imagery and PALSAR radar imagery of ALOS
satellite was investigated. Additionally, the results of predicted and measured areas of fields under cultivation of
wheat, barley, and canola were studied.
Materials and Methods
Thirteen Sentinel-2 multispectral satellite images with 10-meter spatial resolution from the Bajgah region in
Fars province, Iran from Nov 2018 to June 2019 were downloaded at the Level-1C processing level to classify
the cultivated lands and other phenomena. Ground truth data were collected through several field visits using
handheld GPS to pinpoint different phenomena in the region of study. The seven classes of distinguished land
coverage and phenomena include (1) Wheat, (2) Barley, (3) Canola, (4) Tree, (5) Residential regions, (6) Soil,
and (7) others. After the preprocessing operations such as radiometric and atmospheric corrections using
predefined built-in algorithms recommended by other researchers in ENVI 5.3, and cropping the region of
interest (ROI) from the original image, the Normalized Difference Vegetation Index (NDVI) was calculated for
each image. The DEM was obtained from the PALSAR sensor radar image with the 12.5-meter spatial resolution
of the ALOS satellite. After preprocessing and cropping the ROI, a binary mask of radar images was created
using threshold values of altitudes between 1764 and 1799 meters above the sea level in ENVI 5.3. The NDVI
time series was then composed of all 13 images and integrated with radar images using the pixel-level
©2023 The author(s). This is an open access article distributed under Creative Commons Attribution
4.0 International License (CC BY 4.0), which permits use, sharing, adaptation, distribution and
reproduction in any medium or format, as long as you give appropriate credit to the original author(s)
and the source.
https://doi.org/10.22067/jam.2022.78446.1123
Journal of Agricultural Machinery
Homepage: https://jame.um.ac.ir

2. 494
‫ماشين‬ ‫نشریه‬
‫جلد‬ ،‫کشاورزي‬ ‫هاي‬
31
‫شماره‬ ،
4
‫زمستان‬ ،
3441
integration method. The purpose of this process was to remove the high-altitude points in the study area that
would reduce the accuracy of the classification map. The image fusion process was also performed using ENVI
5.3. The support Vector Machine (SVM) classification method was employed to train the classifier for both
fused and unfused images as suggested by other researchers.
To evaluate the effectiveness of image fusion, Commission and Omission errors, and the Overall accuracy
were calculated using a Confusion matrix. To study the accuracy of the estimated area under cultivation of main
crops in the region versus the actual measured values of the area, regression equation and percentage of
difference were calculated.
Results and Discussion
Visual inspection of classified output maps shows the difference between the fused and unfused images in
classifying similar classes such as buildings and structures versus regions covered with bare soil and lands under
cultivation versus natural vegetation in high altitude points. Statistical metrics verified these visual evaluations.
The SVM algorithm in fusion mode resulted in 98.06% accuracy and 0.97 kappa coefficient, 7.5% higher
accuracy than the unfused images.
As stated earlier, the similarities between the soil class (stones and rocks in the mountains) and manmade
buildings and infrastructures increase omission error and misclassification in unfused image classification. The
same misclassification occurred for the visually similar croplands and shallow vegetation at high altitude points.
These results were consistence with previous literature that reported the same misclassification in analogous
classes. The predicted area under cultivation of wheat and barley were overestimated by 3 and 1.5 percent,
respectively. However, for canola, the area was underestimated by 3.5 percent.
Conclusion
The main focus of this study was employing the image fusion technique and improving the classification
accuracy of satellite imagery. Integration of PALSAR sensor data from ALOS radar satellite with multi-spectral
imagery of Sentinel 2 satellite enhanced the classification accuracy of output maps by eliminating the high-
altitude points and biases due to rocks and natural vegetation at hills and mountains. Statistical metrics such as
the overall accuracy, Kappa coefficient, and commission and omission errors confirmed the visual findings of
the fused vs. unfused classification maps.
Keywords: Confusion Matrix, Normalized Difference Vegetation Index (NDVI), Radar Image, Sentinel 2
satellite, Support Vector Machine

3. ،‫همکاران‬ ‫و‬ ‫سعدیخانی‬
‫ادغام‬
‫تصاو‬
‫ی‬
‫ر‬
‫چندط‬
‫ي‬
‫ف‬
‫ی‬
‫رادار‬ ‫و‬
‫ي‬
‫به‬
‫افزا‬ ‫منظور‬
‫ی‬
‫ش‬
‫طبقه‬ ‫دقت‬
‫بند‬
‫برآورد‬ ‫و‬ ‫ي‬
...
494
‫پژوهشی‬ ‫مقاله‬
‫جلد‬
31
‫شماره‬ ،
4
،
‫زمستان‬
3441
‫ص‬ ،
845
-
491
‫ادغام‬
‫تصاو‬
‫ی‬
‫ر‬
‫چندط‬
‫ی‬
‫ف‬
‫ی‬
‫رادار‬ ‫و‬
‫ی‬
‫به‬
‫افزا‬ ‫منظور‬
‫ی‬
‫ش‬
‫طبقه‬ ‫دقت‬
‫بند‬
‫کشت‬ ‫زیر‬ ‫سطح‬ ‫برآورد‬ ‫و‬ ‫ی‬
‫زراعی‬ ‫محصوالت‬
‫سعدیخانی‬ ‫مهدی‬
3
‫مهارلویی‬ ‫محمدمهدی‬ ،
1
*
‫رستمی‬ ‫محمدعلی‬ ،
1
‫عدالت‬ ‫محسن‬ ،
4
:‫دریافت‬ ‫تاریخ‬
30
/
30
/
1031
:‫پذیرش‬ ‫تاریخ‬
11
/
30
/
1031
‫چکیده‬
ّ‫ن‬‫ف‬ ‫دور‬ ‫از‬ ‫سنجش‬
‫به‬
‫دست‬
‫آوردن‬
‫درباره‬ ‫اطالعات‬
‫ی‬
‫ک‬
‫ش‬
‫ئ‬
،
‫و‬ ‫عارضه‬
‫ی‬
‫ا‬
‫پد‬
‫ی‬
‫د‬
‫ه‬
‫هاي‬
‫به‬ ‫مربوط‬
‫ی‬
‫ک‬
‫جغراف‬ ‫منطقه‬
‫ی‬
‫ا‬
‫یی‬
‫خاص‬
‫باا‬ ‫فییییای‬ ‫تماا‬ ‫بدون‬
‫آن‬
‫طبقه‬ ‫در‬ ‫باال‬ ‫دقت‬ ‫به‬ ‫دستیابی‬ .‫است‬ ‫ها‬
‫ییای‬ .‫اسات‬ ‫بوده‬ ‫پژوهشگران‬ ‫نظر‬ ‫مد‬ ‫همواره‬ ‫چندطیفی‬ ‫تصاویر‬ ‫کمک‬ ‫به‬ ‫زمین‬ ‫سطح‬ ‫عوارض‬ ‫بندي‬
‫عواما‬ ‫از‬
‫طبقه‬ ‫نقشه‬ ‫دقت‬ ‫کاهش‬
‫می‬ ‫موجب‬ ‫مرتفع‬ ‫نقاط‬ ‫وجود‬ .‫است‬ ‫زمین‬ ‫سطح‬ ‫بودن‬ ‫ناهموار‬ ،‫بندي‬
‫ساطح‬ ‫از‬ ‫بازتابی‬ ‫اطالعات‬ ‫دقیق‬ ‫دریافت‬ ‫در‬ ‫سنجنده‬ ‫که‬ ‫شود‬
‫پدیده‬
‫روبه‬ ‫مشی‬ ‫با‬ ‫ها‬
‫ارتفاع‬ ‫رقومی‬ ‫مدل‬ ‫ارائه‬ ‫با‬ ‫رادار‬ ‫تصاویر‬ .‫شود‬ ‫رو‬
(
DEM
)
‫پدیده‬ ‫ارتفاع‬ ‫تعیین‬ ‫و‬ ‫شناسایی‬ ‫در‬
‫زمی‬ ‫سطح‬ ‫هاي‬
‫از‬ ‫استفاده‬ .‫است‬ ‫موثر‬ ‫ن‬
‫به‬ ‫متفاوت‬ ً‫ال‬‫کام‬ ‫سنجنده‬ ‫دو‬ ‫تصاویر‬ ‫خصوصیات‬
‫بهره‬ ‫منظور‬
‫قابلیت‬ ‫از‬ ‫گیري‬
‫آن‬ ‫مثبت‬ ‫هاي‬
‫می‬ ‫ممین‬ ‫تصاویر‬ ‫ادغام‬ ‫روش‬ ‫کمک‬ ‫با‬ ‫ها‬
‫پژوهش‬ ‫این‬ ‫در‬ .‫شود‬
‫به‬
‫طبقه‬ ‫و‬ ‫کشت‬ ‫زیر‬ ‫سطح‬ ‫برآورد‬ ‫منظور‬
‫پدیده‬ ‫سایر‬ ‫و‬ ‫زراعی‬ ‫محصوالت‬ ‫بندي‬
‫ا‬ ،‫مطالعه‬ ‫مورد‬ ‫منطقه‬ ‫در‬ ‫موجود‬ ‫هاي‬
‫سانتین‬ ‫ماهواره‬ ‫چندطیفی‬ ‫تصاویر‬ ‫ز‬
2
‫زمانی‬ ‫سري‬ ‫منظور‬ ‫بدین‬ .‫شد‬ ‫استفاده‬ ‫فار‬ ‫استان‬ ‫در‬ ‫واقع‬ ‫باجگاه‬ ‫منطقه‬ ‫به‬ ‫مربوط‬
NDVI
‫از‬ ‫متشی‬
10
‫سانجنده‬ ‫راداري‬ ‫تصاویر‬ ‫باا‬ ‫و‬ ‫ایجااد‬ ‫تصویر‬
PALSAR
‫طبقه‬ ‫داد‬ ‫نشان‬ ‫پژوهش‬ ‫این‬ ‫نتایج‬ .‫شد‬ ‫تلفیق‬ ،‫مرتفع‬ ‫نقاط‬ ‫حذف‬ ‫هدف‬ ‫با‬ ، ‫پییس‬ ‫سطح‬ ‫در‬
‫تصاویر‬ ‫بندي‬
‫کشات‬ ‫زیار‬ ‫مایارع‬ ‫شناساایی‬ ‫براي‬
‫با‬ ‫مختلف‬ ‫محصوالت‬
‫دقت‬ ‫با‬ ‫کشت‬ ‫زیر‬ ‫سطح‬ ‫و‬ ‫است‬ ‫شده‬ ‫انجام‬ ‫باالیی‬ ‫دقت‬
71
،‫گندم‬ ‫در‬ ‫درصد‬
5
/
77
‫و‬ ‫جاو‬ ‫در‬ ‫درصد‬
5
/
70
‫باه‬ ‫نسابت‬ ‫کلایا‬ ‫در‬ ‫درصاد‬
‫اندازه‬ ‫مقادیر‬
‫گیري‬
‫ادغام‬ ‫تصاویر‬ .‫است‬ ‫شده‬ ‫زده‬ ‫تخمین‬ ‫میرعه‬ ‫در‬ ‫شده‬
‫کلی‬ ‫دقت‬ ‫داراي‬ ‫شده‬
1
/
70
‫کاپا‬ ‫ضریب‬ ‫و‬ ‫درصد‬
71
/
3
‫به‬ ‫نسبت‬ ‫را‬ ‫کلی‬ ‫دقت‬ ‫که‬ ‫بود‬
‫مجیا‬ ‫تصاویر‬
5
/
1
.‫بخشید‬ ‫بهبود‬ ‫درصد‬
‫واژه‬
‫ها‬
‫کلیدی‬ ‫ی‬
:
‫سنتین‬
2
‫نرمال‬ ‫شاخص‬ ،
( ‫گیاهی‬ ‫پوشش‬ ‫اختالف‬ ‫شده‬
NDVI
‫پشتیبان‬ ‫بردار‬ ‫ماشین‬ ،‫آشفتگی‬ ‫ماتریس‬ ،‫کاپا‬ ‫ضریب‬ ،)
‫مقدمه‬
1
‫دور‬ ‫از‬ ‫سنجش‬
‫؛‬
ّ‫ن‬‫ف‬
‫به‬
‫دست‬
‫آوردن‬
‫درباره‬ ‫اطالعات‬
‫ی‬
‫ک‬
‫و‬ ‫عارضاه‬
‫ی‬
‫ا‬
‫پد‬
‫ی‬
‫د‬
‫ه‬
‫هاي‬
‫به‬ ‫مربوط‬
‫ی‬
‫ک‬
‫جغراف‬ ‫منطقه‬
‫ی‬
‫ا‬
‫یی‬
‫طر‬ ‫از‬ ‫که‬ ‫است‬
‫ی‬
‫ق‬
‫تجی‬
‫ی‬
‫ه‬
‫و‬
‫تحل‬
‫ی‬
‫داده‬
‫هاي‬
‫خروجی‬
‫ف‬ ‫تما‬ ‫در‬ ‫که‬ ‫است‬ ‫ابیاري‬
‫ی‬
‫ی‬
‫ی‬
‫ی‬
‫ی‬
‫شا‬ ‫با‬
‫ی‬
‫ء‬
‫و‬
‫ی‬
‫ا‬
‫پد‬
‫ی‬
‫ده‬
‫بررس‬ ‫تحت‬
‫ی‬
‫نباشد‬
(
Lillesand, Kiefer, & Chipman,
1
-
‫شهید‬ ‫دانشگاه‬ ،‫بیوسیستم‬ ‫میانیک‬ ‫مهندسی‬ ‫بخش‬ ‫ارشد‬ ‫کارشناسی‬ ‫دانشجوي‬
‫ایران‬ ،‫کرمان‬ ،‫کرمان‬ ‫باهنر‬
2
-
‫بخش‬ ،‫دانشیار‬
‫دانش‬ ،‫بیوسیستم‬ ‫میانیک‬ ‫مهندسی‬
،‫کرمان‬ ،‫کرمان‬ ‫باهنر‬ ‫شهید‬ ‫گاه‬
‫ایران‬
0
-
‫پژوهش‬ ‫استادیار‬
،
‫مهندسی‬ ‫و‬ ‫فنی‬ ‫بخش‬
‫و‬ ‫آموزش‬ ‫تحقیقات‬ ‫سازمان‬ ،‫کشاورزي‬
‫ایران‬ ،‫شیراز‬ ،‫کشاورزي‬ ‫ترویج‬
0
-
‫دانشیار‬
،
‫ایران‬ ،‫شیراز‬ ،‫شیراز‬ ‫دانشگاه‬ ،‫نباتات‬ ‫اصالح‬ ‫و‬ ‫زراعت‬ ‫بخش‬
*(
-
:‫مسئول‬ ‫نویسنده‬
maharlooei@uk.ac.ir
Email:
)
https://doi.org/10.22067/jam.2022.78446.1123
2015
)
.
‫دور‬ ‫از‬ ‫سنجش‬ ‫امروزه‬
‫راه‬ ‫از‬ ‫زماین‬ ‫مشااهده‬ ‫معنای‬ ‫باه‬ ‫بیشتر‬
‫فضا‬
‫بوده‬
‫از‬ ‫استفاده‬ ‫با‬ ‫و‬
‫ماهواره‬
‫می‬ ‫صورت‬
‫با‬ .‫گیارد‬
‫ا‬ ‫راي‬
‫منظاور‬ ‫یان‬
‫می‬
‫مشخصه‬ ‫توان‬
‫و‬ ‫شیء‬ ‫یک‬ ‫هاي‬
‫منباع‬ ‫به‬ ‫نیاز‬ ‫بدون‬ ‫را‬ ‫پدیده‬ ‫یک‬ ‫یا‬
‫اندازه‬ ‫نور‬
‫گیري‬
‫و‬
‫اص‬ ‫در‬ .‫کرد‬ ‫وتحلی‬ ‫تجییه‬
،
‫منبع‬
‫داده‬
‫سنجش‬ ‫هاي‬
‫الیترومغناطیسی‬ ‫تابش‬ ‫دور‬ ‫از‬
5
2
‫شا‬ ‫از‬ ‫که‬ ‫است‬
‫ئ‬
‫یاا‬ ‫بازتااا‬ ‫پدیاده‬ ‫یاا‬
‫تشعشع‬
‫می‬
‫شود‬
(
Johnson, 2009
)
.
‫ماهواره‬ ‫تصاویر‬ ‫پیدایش‬ ‫امروزه‬
‫دوره‬ ‫پوشش‬ ‫با‬ ‫اي‬
‫ارائه‬ ،‫متناوا‬ ‫اي‬
‫سارعت‬ ،‫بیشتر‬ ‫جیئیات‬
‫قابا‬ ‫دقات‬ ‫و‬ ‫بااالتر‬
‫گساترش‬ ‫باعاگ‬ ،‫قباول‬
‫از‬ ‫سانجش‬ ‫خادمات‬ ‫باه‬ ‫تقاضا‬ ‫افیایش‬ ‫و‬ ‫دوري‬ ‫از‬ ‫سنجش‬ ‫کاربردهاي‬
‫داده‬ ‫ایان‬ ‫از‬ ‫اساتفاده‬ ‫با‬ .‫است‬ ‫شده‬ ‫دور‬
‫در‬ ‫پوشاش‬ ‫تحات‬ ‫منااطق‬ ‫هاا‬
‫مای‬ ‫پایش‬ ‫کمی‬ ‫زمانی‬ ‫فواص‬
‫نقشاه‬ ‫و‬ ‫شاوند‬
‫زیااد‬ ‫جیئیاات‬ ‫باا‬ ‫هاایی‬
‫می‬
‫می‬ ‫تصاویر‬ ‫این‬ ‫از‬ .‫شوند‬ ‫تولید‬ ‫توانند‬
‫برناما‬ ‫در‬ ‫توان‬
‫ه‬
‫شاهري‬ ‫ریایي‬
5- Electromagnetic radiation
‫ماشين‬ ‫نشریه‬
‫کشاورزي‬ ‫هاي‬
https://jame.um.ac.ir

4. 494
‫ماشين‬ ‫نشریه‬
‫جلد‬ ،‫کشاورزي‬ ‫هاي‬
31
‫شماره‬ ،
4
‫زمستان‬ ،
3441
‫برناماه‬ ،‫شاهري‬ ‫گساترش‬ ،‫طبیعی‬ ‫منابع‬ ‫مدیریت‬ ‫از‬ ‫اعم‬
‫شابیه‬ ‫ریایي‬
‫نقشه‬ ‫و‬ ‫نق‬ ‫و‬ ‫حم‬
‫کرد‬ ‫استفاده‬ ‫برداري‬
.(Ahmad, 2005)
‫این‬ ‫به‬ ‫توجه‬ ‫با‬
‫اساسی‬ ‫هدف‬ ‫که‬
‫و‬ ‫شناسایی‬ ‫دور‬ ‫از‬ ‫سنجش‬ ‫فناوري‬
‫پدیده‬ ‫تفییک‬
‫زمین‬ ‫هاي‬
‫طبقه‬ ‫بنابراین‬ ،‫است‬
‫مااهواره‬ ‫تصاویر‬ ‫بندي‬
‫اي‬
‫مهم‬
‫مرحلاه‬ ‫ترین‬
‫مااهواره‬ ‫اطالعاات‬ ‫تفسایر‬
‫مای‬ ‫محساوا‬ ‫اي‬
.‫شاود‬
‫روش‬
‫مختلفی‬ ‫هاي‬
‫هار‬ ‫که‬ ‫دارد‬ ‫وجود‬ ‫اراضی‬ ‫پوشش‬ ‫نقشه‬ ‫تهیه‬ ‫براي‬
‫داراي‬ ‫کدام‬
‫محدودیت‬ ‫و‬ ‫میایا‬
‫روش‬ ‫انتخااا‬ .‫هستند‬ ‫هایی‬
،
‫هادف‬ ‫باه‬
‫و‬ ‫مطالعه‬
‫داده‬
‫دارد‬ ‫بستگی‬ ‫دستر‬ ‫در‬ ‫هاي‬
(
Knorn et al., 2009
)
.
‫نقطه‬
‫ي‬
‫عطف‬
‫پژوهش‬
‫زم‬ ‫در‬ ‫دور‬ ‫از‬ ‫سنجش‬ ‫هاي‬
‫ی‬
‫ناه‬
‫ي‬
‫تجی‬
‫یا‬
‫ه‬
‫و‬
‫تحل‬
‫ا‬
‫ا‬‫ی‬
‫اش‬
‫ا‬‫پوش‬
‫گ‬ ‫ااي‬
‫ا‬‫ه‬
‫ا‬
‫ا‬‫ی‬
‫اه‬
‫ی‬
‫ااو‬
‫ا‬‫تص‬ ‫در‬
‫ی‬
‫ر‬
‫ادط‬
‫ا‬‫چن‬
‫ی‬
‫ف‬
‫ی‬
‫ا‬
‫ا‬‫توس‬
‫روز‬
1
‫و‬
‫همیاران‬
‫سال‬ ‫در‬
1710
‫م‬
‫ی‬
‫الدي‬
‫ارائه‬
‫تفاضال‬ ‫شاخص‬ ‫ي‬
‫ی‬
‫نرماال‬
‫ی‬
‫یه‬
‫ي‬
‫گ‬
‫ی‬
‫اه‬
‫ی‬
(
NDVI
)
‫بوده‬
.‫است‬
‫ا‬
‫ی‬
‫ن‬
‫باه‬ ‫اماروز‬ ‫باه‬ ‫تاا‬ ‫که‬ ‫شاخص‬
‫عناوان‬
‫اصل‬ ‫شاخص‬
‫ی‬
‫تجی‬
‫ی‬
‫ه‬
‫تحل‬ ‫و‬
‫ی‬
‫گ‬
‫ی‬
‫اهان‬
‫تصاو‬ ‫از‬
‫ی‬
‫ر‬
‫چندط‬
‫ی‬
‫ف‬
‫ی‬
‫در‬
‫مقاالت‬
‫پژوهش‬ ‫و‬
‫قرار‬ ‫استفاده‬ ‫مورد‬ ‫همچنان‬ ‫مختلف‬ ‫هاي‬
‫مای‬
‫گیارد‬
(
Nouri
et al., 2017
)
.
‫م‬ ‫از‬
‫ی‬
‫ان‬
‫ا‬
‫ی‬
‫ن‬
‫پژوهش‬
‫م‬ ‫ها‬
‫ی‬
‫توان‬
‫پژوهش‬ ‫به‬
‫هاا‬
‫یی‬
‫کلا‬ ‫هادف‬ ‫باا‬
‫ی‬
‫اساتخرا‬
‫گ‬
‫یا‬
‫اه‬
‫تصاو‬ ‫از‬
‫ی‬
‫ر‬
(
Malingreau, Tucker, & Laporte,
1989
)
،
‫برآورد‬
‫نوع‬
‫محصوالت‬
‫زیرکشات‬ ‫سطح‬ ‫مقدار‬ ،
‫پاا‬ ‫و‬
‫ی‬
‫ش‬
‫رشاد‬
‫گ‬
‫ی‬
‫اهااان‬
(
Myneni, Asrar, Tanre, & Choudhury, 1992
)
،
‫طبقاه‬
‫زما‬ ‫پوشاش‬ ‫بنادي‬
‫ی‬
‫ن‬
(
Senay & Elliott, 2000
)
،
‫تشاخ‬
‫ی‬
‫ص‬
‫قحطا‬ ‫زودهنگاام‬
‫ی‬
‫خشیساال‬ ‫و‬
‫ی‬
(
Kogan, 1995
)
‫تحلیا‬ ‫براساا‬
‫داده‬
‫همچناین‬ ‫و‬ ‫مشاخص‬ ‫زمانی‬ ‫بازه‬ ‫یک‬ ‫در‬ ‫دور‬ ‫از‬ ‫سنجش‬ ‫ها‬
‫آناال‬
‫ی‬
‫ی‬
‫وهوا‬ ‫آا‬
(
Bounoua et al., 2000
)
.‫کرد‬ ‫اشاره‬
‫منطقاه‬ ‫یک‬ ‫بررسی‬ ‫و‬ ‫پایش‬
‫وسا‬
‫ی‬
‫ع‬
‫باه‬
‫نهااد‬
‫هاا‬
‫و‬
‫دساتگاه‬
‫هاا‬
‫ي‬
‫تصم‬
‫ی‬
‫م‬
‫گ‬
‫ی‬
‫ر‬
‫ا‬
‫ی‬
‫ن‬
‫امیان‬
‫را‬
‫م‬
‫ی‬
‫دهد‬
‫تا‬
‫بتوانند‬
‫م‬
‫ی‬
‫یان‬
‫سطح‬
‫ز‬
‫ی‬
‫ر‬
‫کشت‬
‫ی‬
‫ک‬
‫محصول‬
‫خاص‬
‫در‬
‫ی‬
‫ک‬
‫منطقه‬
‫را‬
‫تع‬
‫یی‬
‫ن‬
‫و‬
‫به‬
‫تبع‬
‫آن‬
‫م‬
‫یا‬
‫یان‬
‫تول‬
‫یا‬
‫د‬
‫آن‬
‫محصول‬
‫را‬
‫پ‬
‫ی‬
‫ش‬
‫ب‬
‫ی‬
‫ن‬
‫ی‬
،‫کنند‬
‫تا‬
‫عالوه‬
‫بر‬
‫تام‬
‫ی‬
‫ن‬
‫امن‬
‫یا‬
‫ت‬
‫غاذا‬
‫یی‬
،‫جامعاه‬
‫س‬
‫ی‬
‫اساات‬
‫هااا‬
‫ي‬
‫اق‬
‫تصاااد‬
‫ي‬
‫کشااور‬
‫ن‬
‫یاا‬
‫ی‬
‫در‬
‫بخااش‬
‫واردات‬
‫و‬
‫صااادرات‬
‫محصوالت‬
‫کشاورز‬
‫ي‬
‫به‬
‫شی‬
‫دق‬
‫ی‬
‫ق‬
‫تر‬
‫ي‬
‫تنظا‬
‫ی‬
‫م‬
‫شاود‬
(
Rahnama,
Maharlooei, Rostami, & Maghsoudi, 2019
)
.
‫پدیده‬ ‫در‬ ‫تغییر‬
‫عرضه‬ ‫و‬ ‫ها‬
‫کمک‬ ‫به‬ ‫زمانی‬ ‫بازه‬ ‫یک‬ ‫در‬ ‫زمینی‬ ‫هاي‬
‫داده‬
‫زمانی‬ ‫سري‬ ‫هاي‬
2
‫تحلیا‬ ‫ایان‬ .‫اسات‬ ‫مطالعاه‬ ‫و‬ ‫تحلی‬ ‫قاب‬
‫هاا‬
‫پیش‬ ‫امیان‬
‫دوره‬ ‫در‬ ‫آنچه‬ ‫براسا‬ ‫را‬ ‫آینده‬ ‫در‬ ‫تغییرات‬ ‫بینی‬
‫زمانی‬ ‫هاي‬
‫می‬ ‫فراهم‬ ‫را‬ ‫است‬ ‫افتاده‬ ‫اتفاق‬ ‫گذشته‬
.‫نماید‬
‫ساده‬ ‫به‬ ‫زمانی‬ ‫سري‬
‫ترین‬
‫عب‬ ،‫مفهوم‬
‫زماانی‬ ‫باازه‬ ‫در‬ ‫کاه‬ ‫تادریجی‬ ‫تغییرات‬ ‫ارزیابی‬ ‫از‬ ‫است‬ ‫ارت‬
‫اسات‬ ‫افتااده‬ ‫اتفاق‬ ‫طوالنی‬ ‫نسبتا‬
(
Wang, Li, Gao, Sun, & Du,
2014
)
،‫زماین‬ ‫پوشاش‬ ‫تغییارات‬ ‫تیارار‬ ‫و‬ ‫نوع‬ ،‫وسعت‬ ، ‫مح‬ ‫بررسی‬ .
‫و‬ ‫تفسیر‬ ‫طریق‬ ‫از‬ ‫تغییرات‬ ‫زمانی‬ ‫و‬ ‫میانی‬ ‫الگوهاي‬ ‫شناسایی‬ ‫همچنین‬
1- Rouse
2- Time Series Data
‫نقشاه‬ ‫تحلی‬ ‫و‬ ‫تجییه‬
‫از‬ ‫وسایع‬ ‫دیادي‬ ،‫زمینای‬ ‫پوشاش‬ ‫میارر‬ ‫هااي‬
‫می‬ ‫فراهم‬ ‫را‬ ‫اساسی‬ ‫تغییر‬ ‫مسبب‬ ‫فرایندهاي‬
‫کناد‬
(
Gomez, White,
& Wulder, 2016
)
.
‫داده‬ ‫از‬ ‫استفاده‬
‫به‬ ‫هاي‬
‫بسایار‬ ‫میایاي‬ ‫سنجنده‬ ‫چندین‬ ‫از‬ ‫آمده‬ ‫دست‬
‫از‬ ‫استفاده‬ ‫با‬ ‫مقایسه‬ ‫در‬ ‫زیادي‬
‫داده‬
‫سنجنده‬ ‫از‬ ‫حاص‬ ‫هاي‬
‫منفارد‬ ‫هاي‬
‫اناواع‬ ‫از‬ ‫استفاده‬ ،‫نمونه‬ ‫براي‬ .‫دارد‬
‫داده‬
‫برداشات‬ ‫هااي‬
‫طریاق‬ ‫از‬ ‫شاده‬
‫سنجنده‬
‫فرآیناد‬ ‫در‬ ‫میاانی‬ ‫و‬ ‫طیفای‬ ‫دقات‬ ‫افیایش‬ ‫باعگ‬ ‫مختلف‬ ‫هاي‬
‫تخم‬ ‫و‬ ‫مشاهده‬
‫مای‬ ‫ین‬
‫شاود‬
(
Zhang, Ghamisi, & Li, 2017
)
.
‫باه‬
‫داده‬ ‫ترکیب‬ ‫و‬ ‫ادغام‬ ،‫امروزه‬ ‫دلی‬ ‫همین‬
‫ب‬ ‫مختلف‬ ‫هاي‬
‫ه‬
‫دستیابی‬ ‫منظور‬
‫جنبه‬ ‫حاوي‬ ‫که‬ ‫جدید‬ ‫اطالعات‬ ‫به‬
‫از‬ ‫یاک‬ ‫هار‬ ‫در‬ ‫مفید‬ ‫اطالعاتی‬ ‫هاي‬
‫داده‬
‫ویژه‬ ‫جایگاه‬ ،‫باشد‬ ‫اولیه‬ ‫هاي‬
‫سنجنده‬ ‫میان‬ ‫در‬ .‫دارد‬ ‫اي‬
،‫موجود‬ ‫هاي‬
‫سنجنده‬
‫جماع‬ ‫در‬ ‫بااال‬ ‫تواناایی‬ ‫علت‬ ‫به‬ ‫چندطیفی‬ ‫و‬ ‫راداري‬ ‫هاي‬
‫آوري‬
‫می‬ ‫قرار‬ ‫فراوان‬ ‫استفاده‬ ‫مورد‬ ‫طیفی‬ ‫و‬ ‫ارتفاعی‬ ‫اطالعات‬
‫گی‬
‫رند‬
(
Fang,
He, Li, Ghamisi, & Benediktsson, 2017
)
.
‫روش‬ ‫جدیدترین‬ ‫از‬ ‫ییی‬
،‫دور‬ ‫از‬ ‫سانجش‬ ‫در‬ ‫اساتفاده‬ ‫ماورد‬ ‫هااي‬
‫تصاو‬ ‫ادغام‬
‫ی‬
‫ر‬
0
.‫اسات‬
‫روش‬ ‫ایان‬
‫شااخه‬ ‫از‬
‫هاا‬
‫ي‬
‫ترک‬ ‫باه‬ ‫مرباوط‬
‫یا‬
‫ب‬
‫اطالعات‬
0
‫دو‬ ‫آن‬ ‫در‬ ‫که‬ ‫است‬
‫ی‬
‫ا‬
‫تصاو‬ ‫چند‬
‫ی‬
‫ر‬
‫متفااوت‬
‫از‬
‫یا‬
‫ک‬
‫صاحنه‬
‫م‬
‫ش‬
‫الگور‬ ‫توس‬ ‫ابه‬
‫ی‬
‫تم‬
‫با‬ ‫ادغام‬
‫ی‬
‫ید‬
‫ی‬
‫گر‬
‫ترک‬
‫یا‬
‫ب‬
‫ما‬
‫ی‬
‫شاوند‬
‫تصاو‬ ‫تاا‬
‫ی‬
‫ر‬
‫جد‬
‫یاا‬
‫د‬
‫ي‬
‫تول‬
‫یاا‬
‫د‬
‫شااود‬
(Efimov, Kolchaev, Nikiforov, &
Novikov, 2018)
.
‫به‬ ‫که‬ ‫پژوهشی‬ ‫در‬
‫پهناه‬ ‫و‬ ‫شناساایی‬ ‫منظاور‬
‫مهااجم‬ ‫گوناه‬ ‫بنادي‬
( ‫کااوهی‬ ‫تمشااک‬
American Bramble
‫در‬ ‫ملاای‬ ‫پاااری‬ ‫یااک‬ ‫در‬ )
‫سانتین‬ ‫مااهواره‬ ‫تصااویر‬ ‫ادغاام‬ ‫نتایج‬ ‫شد‬ ‫انجام‬ ‫جنوبی‬ ‫آفریقاي‬
2
5
‫و‬
‫لندست‬
0
‫سنتین‬ ‫ماهواره‬ ‫راداري‬ ‫باندهاي‬ ‫با‬
1
‫مختلاف‬ ‫فصاول‬ ‫طی‬ ‫در‬
‫طبقاه‬ ‫از‬ ‫استفاده‬ ‫که‬ ‫داد‬ ‫نشان‬ ‫سال‬
‫نظاارت‬ ‫بنادي‬
‫باردار‬ ‫ماشاین‬ ‫شاده‬
‫ادغام‬ ‫تصاویر‬ ‫در‬ ‫پشتیان‬
‫سنتی‬ ‫ماهواره‬ ‫شده‬
2
‫دقت‬ ‫با‬
10
‫انجاام‬ ‫درصد‬
‫شده‬
‫ادغام‬ ‫تصاویر‬ ‫براي‬ ‫دقت‬ ‫این‬ .‫است‬
‫لندست‬ ‫ماهواره‬ ‫شده‬
0
‫حدود‬
12
‫است‬ ‫شده‬ ‫گیارش‬ ‫درصد‬
(
Rajah, Odindi, & Mutanga, 2018
)
.
‫در‬
‫به‬ ‫کلمبیا‬ ‫در‬ ‫دیگري‬ ‫پژوهش‬
‫کشات‬ ‫زیر‬ ‫سطح‬ ‫شناسایی‬ ‫منظور‬
‫االم‬
‫ا‬‫پ‬ ‫ات‬
‫ا‬‫درخ‬
(
Palm Oil Tree
‫داده‬ ‫از‬ )
‫انتین‬
‫ا‬‫س‬ ‫ااهواره‬
‫ا‬‫م‬ ‫ااي‬
‫ا‬‫ه‬
2
‫و‬
‫سنتین‬ ‫ماهواره‬ ‫راداري‬ ‫باندهاي‬
1
‫داده‬ .‫شد‬ ‫استفاده‬
‫وضاعیت‬ ‫دو‬ ‫در‬ ‫هاا‬
‫داده‬ ‫از‬ ‫استفاده‬
‫سنتین‬ ‫ماهواره‬ ‫مرئی‬ ‫باندهاي‬ ‫هاي‬
2
‫ادغام‬ ‫انجام‬ ‫بدون‬
‫ادغام‬ ‫و‬
‫با‬ ‫با‬ ‫شده‬
‫سنتین‬ ‫ماهواره‬ ‫راداري‬ ‫ندهاي‬
1
‫درخت‬ ‫شناسایی‬ ‫براي‬
‫تصاادفی‬ ‫جنگا‬ ‫ماشین‬ ‫یادگیري‬ ‫الگوریتم‬ ‫از‬ ‫استفاده‬ ‫با‬ ‫پالم‬
0
‫تحلیا‬
‫پالم‬ ‫درخت‬ ‫طبقه‬ ‫در‬ ‫کلی‬ ‫دقت‬ ‫باالترین‬ ‫داد‬ ‫نشان‬ ‫نتایج‬ .‫گردید‬
10
/
02
‫با‬ ‫تصاویر‬ ‫ادغام‬ ‫شرای‬ ‫در‬ ‫که‬ ‫بوده‬ ‫درصد‬
‫ه‬
‫دسات‬
‫در‬ ‫ایان‬ .‫اسات‬ ‫آماده‬
‫حالی‬
‫ا‬
‫طبقه‬ ‫دقت‬ ‫که‬ ‫ست‬
‫بنادي‬
‫ادغاام‬ ‫وضاعیت‬ ‫در‬
‫حادود‬ ‫نشاده‬
5
/
11
3- Image Fusion
4- Data Integration
5- Sentinel 2
6- Random Forest

5. ،‫همکاران‬ ‫و‬ ‫سعدیخانی‬
‫ادغام‬
‫تصاو‬
‫ی‬
‫ر‬
‫چندط‬
‫ي‬
‫ف‬
‫ی‬
‫رادار‬ ‫و‬
‫ي‬
‫به‬
‫افزا‬ ‫منظور‬
‫ی‬
‫ش‬
‫طبقه‬ ‫دقت‬
‫بند‬
‫برآورد‬ ‫و‬ ‫ي‬
...
494
‫اسات‬ ‫باوده‬ ‫کمتار‬ ‫درصد‬
(
Monsalve-Tellez, Torres-León, &
Garcés-Gómez, 2022
)
.
‫تصو‬ ‫در‬ ‫مرتفع‬ ‫نقاط‬ ‫وجود‬
‫ی‬
‫ر‬
‫چندط‬
‫ی‬
‫ف‬
‫ی‬
‫ا‬ ‫موجب‬
‫ی‬
‫جاد‬
‫خطاهاا‬
‫یی‬
‫در‬
‫تفی‬
‫ی‬
‫ک‬
‫طبقه‬ ‫و‬
‫بندي‬
‫پد‬
‫ی‬
‫ده‬
‫ها‬
‫م‬
‫ی‬
‫شود‬
.
‫بم‬ ‫منطقه‬ ‫در‬ ‫که‬ ‫تحقیقی‬ ‫نتایج‬
‫به‬
‫تصااویر‬ ‫از‬ ‫اساتفاده‬ ‫باا‬ ‫خرما‬ ‫نخلستان‬ ‫کشت‬ ‫زیر‬ ‫سطح‬ ‫پایش‬ ‫منظور‬
‫لندست‬ ‫ماهواره‬
0
‫الگوریتم‬ ‫که‬ ‫داد‬ ‫نشان‬ ‫شد‬ ‫انجام‬
‫طبقاه‬ ‫هاي‬
‫در‬ ‫بنادي‬
‫کوهس‬ ‫مناطق‬ ‫تفییک‬
‫پدیاده‬ ‫با‬ ‫مرتعی‬ ‫پوشش‬ ‫داري‬ ‫تانی‬
‫زراعای‬ ‫هااي‬
‫کم‬ ‫مناطق‬ ‫در‬ ‫که‬
‫مای‬ ‫خطا‬ ‫دچار‬ ،‫دارند‬ ‫قرار‬ ‫ارتفاع‬
‫شاوند‬
(
Rahnama,
Maharlooei, Rostami, & Maghsoudi, 2018
)
‫خروجای‬ ‫نقشه‬ .
‫طبقه‬ ‫فرآیند‬
‫پییس‬ ‫حاوي‬ ‫بندي‬
‫موجاب‬ ‫امر‬ ‫این‬ ‫که‬ ‫است‬ ‫مخلوط‬ ‫هاي‬
‫طبقه‬ ‫دقت‬ ‫کیفی‬ ‫و‬ ‫کمی‬ ‫کاهش‬
‫می‬ ‫بندي‬
‫تصاویر‬ ‫قابلیت‬ ‫علت‬ ‫به‬ .‫شود‬
( ‫ارتفااع‬ ‫رقاومی‬ ‫مادل‬ ‫ارائه‬ ‫در‬ ‫راداري‬
DEM
‫هام‬ ‫اساتفاده‬ ،)
‫از‬ ‫زماان‬
‫می‬ ‫چندطیفی‬ ‫تصویر‬ ‫و‬ ‫راداري‬ ‫تصویر‬
‫مرتفاع‬ ‫منااطق‬ ‫حاذف‬ ‫در‬ ‫تواناد‬
‫ا‬ ‫کوهستانی‬
.‫باشد‬ ‫موثر‬ ‫تصویر‬ ‫ز‬
‫ی‬
‫ی‬
‫ی‬
‫مااهواره‬ ‫از‬
‫هاا‬
‫یی‬
‫داده‬ ‫کاه‬
‫هاا‬
‫ي‬
‫بسا‬
‫ی‬
‫ار‬
‫کااربرد‬
‫ي‬
‫زم‬ ‫در‬
‫ی‬
‫ناه‬
‫زم‬ ‫علوم‬ ‫مطالعات‬
‫ی‬
‫ن‬
‫ته‬
‫ی‬
‫ه‬
‫اخت‬ ‫در‬ ‫و‬
‫ی‬
‫ار‬
‫ما‬ ‫قرار‬ ‫کاربران‬
‫ی‬
‫مااهواره‬ ،‫دهاد‬
‫آلو‬
1
‫می‬
،‫باشد‬
‫که‬
‫در‬
‫ژاپن‬
‫به‬
‫عنوان‬
‫دا‬
‫ی‬
‫چ‬
‫ی‬
2
‫مای‬ ‫شناخته‬
‫شاود‬
‫ا‬ .
‫یا‬
‫ن‬
‫مااهواره‬
‫داراي‬
0
‫سانجنده‬ ‫کاه‬ ‫اسات‬ ‫سانجنده‬
0
PALSAR
‫آن‬
‫رادار‬
‫است‬
‫داده‬ .
‫و‬ ‫توپاوگرافی‬ ‫تهیه‬ ‫براي‬ ‫سنجنده‬ ‫این‬ ‫ارتفاعی‬ ‫خروجی‬ ‫هاي‬
‫پوشش‬ ‫مطالعه‬
.‫است‬ ‫مفید‬ ‫بسیار‬ ‫گیاهی‬ ‫هاي‬
‫طبقه‬ ‫هدف‬ ‫با‬ ‫پژوهش‬ ‫این‬
‫ساطح‬ ‫محاسابه‬ ‫و‬ ‫گیاهی‬ ‫پوشش‬ ‫بندي‬
‫زمین‬ ‫کشت‬ ‫زیر‬
‫تصاویر‬ ‫ادغاام‬ ‫روش‬ ‫از‬ ‫اساتفاده‬ ‫بررسی‬ ‫و‬ ‫زراعی‬ ‫هاي‬
‫سنتین‬ ‫ماهواره‬ ‫چندطیفی‬
2
‫ماهواره‬ ‫راداري‬ ‫تصویر‬ ‫و‬
‫آلو‬
‫باه‬
‫منظاور‬
‫طبقه‬ ‫نقشه‬ ‫دقت‬ ‫افیایش‬
‫پدیده‬ ‫سایر‬ ‫و‬ ‫گیاهی‬ ‫پوشش‬ ‫بندي‬
‫زمینی‬ ‫هاي‬
.‫شد‬ ‫انجام‬
‫روش‬ ‫و‬ ‫مواد‬
‫ها‬
‫در‬ ‫واقاع‬ ‫کشااورزي‬ ‫دانشیده‬ ‫میارع‬ ‫در‬ ‫مطالعه‬ ‫این‬
15
‫کیلاومتري‬
.‫شد‬ ‫انجام‬ ‫شیراز‬ ‫شهرستان‬
‫ش‬
‫ی‬
‫راز‬
‫مرکی‬ ‫بخش‬ ‫در‬
‫ي‬
‫در‬ ، ‫فاار‬ ‫اساتان‬
‫ارتفاع‬
1000
‫در‬ ‫سطح‬ ‫از‬ ‫باالتر‬ ‫متر‬
‫ی‬
‫ا‬
‫منطقه‬ ‫در‬ ‫و‬
‫کوهساتانی‬
‫زاگار‬
‫هوا‬ ‫و‬ ‫آا‬ ‫و‬ ‫شده‬ ‫واقع‬
‫ي‬
‫معتادل‬
‫ی‬
.‫دارد‬
‫دانشاگاه‬ ‫کشااورزي‬ ‫دانشایده‬
‫در‬ ‫باجگاه‬ ‫منطقه‬ ‫در‬ ‫شیراز‬
15
‫باین‬ ‫و‬ ‫شایراز‬ ‫غربای‬ ‫شامال‬ ‫کیلومتري‬
‫جغرافیایی‬ ‫طول‬
52
‫و‬ ‫درجه‬
05
‫جغرافیاایی‬ ‫عارض‬ ‫و‬ ‫شرقی‬ ‫دقیقه‬
27
‫و‬ ‫درجه‬
00
‫شای‬ .‫اسات‬ ‫واقع‬ ‫شمالی‬ ‫دقیقه‬
1
‫را‬ ‫مطالعااتی‬ ‫محادوده‬
‫می‬ ‫نشان‬
‫ده‬
.‫د‬
‫نرم‬ ،‫پژوهش‬ ‫این‬ ‫اهداف‬ ‫به‬ ‫دستیابی‬ ‫براي‬
‫ماورد‬ ‫مختلفی‬ ‫افیارهاي‬
1- Advanced Land Observation Satellite (ALOS)
2- Daichi
3- Phased Array type L-band Synthetic Aperture Radar
‫نارم‬ ‫از‬ .‫گرفت‬ ‫قرار‬ ‫استفاده‬
‫افایار‬
ENVI0
‫(نساخه‬
5.0
‫توساعه‬ ،
‫یافتاه‬
‫ارکت‬
‫ا‬‫ش‬
ITT VIS
)‫اا‬
‫ا‬‫آمریی‬ ،
‫اه‬
‫ا‬‫ب‬
‫ایش‬
‫ا‬‫پ‬ ‫اور‬
‫ا‬‫منظ‬
‫و‬ ‫اردازش‬
‫ا‬‫پ‬ ،‫اردازش‬
‫ا‬‫پ‬
‫پس‬
‫ماهواره‬ ‫تصاویر‬ ‫پردازش‬
.‫شاد‬ ‫اساتفاده‬ ،‫اي‬
‫ا‬
‫یا‬
‫ن‬
‫نارم‬
‫شاام‬ ‫افایار‬
‫ابیارها‬
‫ي‬
‫تصح‬
‫ی‬
‫ح‬
‫هندس‬
‫ی‬
،
‫تصح‬
‫ی‬
‫ح‬
‫اتمسفر‬
‫ي‬
،
‫تجی‬
‫ی‬
‫ه‬
‫تحل‬ ‫و‬
‫ی‬
‫زما‬
‫ی‬
،‫ن‬
‫تجی‬
‫ی‬
‫ه‬
‫تحل‬ ‫و‬
‫ی‬
‫تصاو‬
‫ی‬
‫ر‬
‫رادار‬
‫ي‬
،
‫برخا‬
‫ی‬
‫قابل‬
‫یا‬
‫ت‬
‫هاا‬
‫ي‬
GIS
‫باردار‬
‫ي‬
‫و‬
‫رستر‬
‫ي‬
،
‫پشت‬
‫ی‬
‫بان‬
‫ی‬
‫تصاو‬
‫ی‬
‫ر‬
‫فرمات‬ ‫با‬
‫هاا‬
‫ي‬
‫غ‬ ‫و‬ ‫مختلاف‬
‫یا‬
‫ره‬
‫ما‬
‫ی‬
‫باشاد‬
(
Rahnama et al., 2018
)
.
‫نرم‬
‫افایار‬
ArcGIS
‫(نساخه‬
13.5
‫توساعه‬ ،
‫شارکت‬ ‫یافتاه‬
ESRI
،
‫آمرییا‬
‫تبدی‬ ‫براي‬ )
‫داده‬ ‫انواع‬
‫ها‬
‫ي‬
‫رقوم‬
‫ی‬
‫به‬
‫باردار‬ ‫فرمت‬
‫ي‬
‫انتقاال‬ ‫و‬
‫تصاو‬
‫ی‬
‫ر‬
‫پردازش‬
‫شده‬
‫جهت‬
‫کارتوگراف‬ ‫روش‬ ‫اعمال‬
‫ی‬
.‫شاد‬ ‫گرفتاه‬ ‫بهره‬
‫پدیده‬ ‫زمینی‬ ‫موقعیت‬ ‫ثبت‬ ‫براي‬
‫از‬ ،‫مطالعه‬ ‫مورد‬ ‫منطقه‬ ‫در‬ ‫موجود‬ ‫هاي‬
‫موقعیات‬ ‫ساامانه‬ ‫یک‬
‫یاا‬
( ‫جهاانی‬ ‫ا‬
GPS
‫دساتی‬ )
(
Garmin
‫مادل‬ ،
GPSMAP62s
‫ات‬
‫ا‬‫ثب‬ ‫ااط‬
‫ا‬‫نق‬ .‫اد‬
‫ا‬‫ش‬ ‫اتفاده‬
‫ا‬‫اس‬ )‫تاایوان‬ ،
‫اه‬
‫ا‬‫حافظ‬ ‫در‬ ‫اده‬
‫ا‬‫ش‬
‫نرم‬ ‫از‬ ‫استفاده‬ ‫با‬ ،‫دستگاه‬
‫افیار‬
BaseCamp
‫(نسخه‬
1.1
‫توساعه‬ ،
‫بافتاه‬
‫شرکت‬
Garmin
‫تایوان‬ ،
‫به‬ ‫و‬ ‫تخلیه‬ )
‫ماورد‬ ‫وکتوري‬ ‫نقشه‬ ‫یک‬ ‫صورت‬
.‫گرفت‬ ‫قرار‬ ‫استفاده‬
‫اع‬
‫ا‬‫جم‬ ‫اراي‬
‫ا‬‫ب‬
‫داده‬ ‫آوري‬
‫از‬ ‫انجش‬
‫ا‬‫س‬ ‫ااي‬
‫ا‬‫ه‬
‫ااهواره‬
‫ا‬‫م‬ ‫ااویر‬
‫ا‬‫تص‬ ‫از‬ ،‫دور‬
‫سنتین‬
2
،‫ماهواره‬ ‫این‬ .‫گردید‬ ‫استفاده‬
‫مااهواره‬ ‫از‬ ‫ساري‬ ‫دوماین‬
‫هااي‬
‫که‬ ‫است‬ ‫قطبی‬ ‫مدار‬ ‫نوع‬ ‫از‬ ، ‫سنتین‬
‫از‬
10
‫محدوده‬ ‫در‬ ‫طیفی‬ ‫باند‬
‫هااي‬
‫مادون‬ ،‫مرئی‬
‫مادون‬ ‫و‬ ‫نیدیک‬ ‫قرمی‬
‫برخاوردار‬ ‫کوتااه‬ ‫ماو‬ ‫طاول‬ ‫قرمای‬
‫از‬ ‫پژوهش‬ ‫این‬ ‫در‬ .‫است‬
10
‫از‬ ‫که‬ ‫تصویر‬
21
‫نوامبر‬
2310
‫تا‬
03
‫ژوئن‬
2317
‫از‬ ‫تحقیاق؛‬ ‫اهداف‬ ‫اسا‬ ‫بر‬ .‫گردید‬ ‫استفاده‬ ،‫است‬ ‫شده‬ ‫دریافت‬
‫مادون‬ ،‫مرئی‬ ‫باندهاي‬
‫مادون‬ ‫و‬ ‫نیدیک‬ ‫قرمی‬
‫در‬ ،‫کوتااه‬ ‫ماو‬ ‫طول‬ ‫قرمی‬
‫دیتاست‬ ‫یک‬ ‫قالب‬
5
5
‫و‬ ‫شد‬ ‫استفاده‬ ‫باندي‬
‫ماورد‬ ‫بانادهاي‬ ‫مشخصات‬
‫جدول‬ ‫در‬ ‫دیتاست‬ ‫ایجاد‬ ‫جهت‬ ‫استفاده‬
1
.‫است‬ ‫شده‬ ‫ارائه‬
‫به‬
‫نقاا‬ ‫حذف‬ ‫منظور‬
‫ارتفااعی‬ ‫رقاومی‬ ‫مادل‬ ‫تصااویر‬ ‫از‬ ،‫مرتفاع‬ ‫ط‬
(
DEM
‫سنجنده‬ )
PALSAR
‫آلو‬ ‫ماهواره‬
‫مورد‬ ‫تصاویر‬ .‫شد‬ ‫استفاده‬
‫میانی‬ ‫تفییک‬ ‫توان‬ ‫از‬ ‫استفاده‬
5
/
12
‫رادیومتریاک‬ ‫تفییک‬ ‫توان‬ ‫و‬ ‫متر‬
10
‫تصااویر‬ ‫باا‬ ‫ادغاام‬ ‫فرایناد‬ ‫در‬ ‫که‬ ‫هستند‬ ‫برخوردار‬ ‫بیت‬
13
‫متاري‬
‫سنتین‬ ‫ماهواره‬
2
‫ارائه‬ ‫مطلوبی‬ ‫بسیار‬ ‫نتیجه‬ ،
‫می‬
‫دهد‬
.
‫ایان‬ ‫تصویر‬ ‫ابعاد‬
‫ماهواره‬
0002
×
5010
‫می‬ ‫پییس‬
‫به‬ ‫تصویر‬ ‫عرض‬ .‫باشد‬
‫دسات‬
‫از‬ ‫آماده‬
‫ماهواره‬ ‫این‬ ‫سنجنده‬
13
‫است‬ ‫کیلومتر‬
(
Abdikan, 2018
)
.
‫براي‬
‫باه‬
‫دسات‬
‫آوردن‬
‫زمینای‬ ‫مرجاع‬ ‫دقیاق‬ ‫اطالعاات‬
0
‫ماور‬ ‫در‬
‫د‬
‫پدیده‬
‫و‬ ‫مراجعه‬ ‫مطالعه‬ ‫مورد‬ ‫منطقه‬ ‫به‬ ،‫مرحله‬ ‫چندین‬ ‫طی‬ ،‫موجود‬ ‫هاي‬
‫پدیاده‬ ‫از‬ ‫یک‬ ‫هر‬ ‫جغرافیایی‬ ‫موقعیت‬
‫مایارع‬ ‫جغرافیاایی‬ ‫(موقعیات‬ ‫هاا‬
‫ساختمان‬ ،‫مختلف‬
‫زمین‬ ،‫ها‬
.‫شد‬ ‫برداشت‬ )‫غیره‬ ‫و‬ ‫جاده‬ ،‫آیش‬ ‫هاي‬
4- Environment For Visualizing Images
5- Dataset
6- Ground Truth

6. 494
‫ماشين‬ ‫نشریه‬
‫جلد‬ ،‫کشاورزي‬ ‫هاي‬
31
‫شماره‬ ،
4
‫زمستان‬ ،
3441
‫شکل‬
1
-
‫تحقیق‬ ‫مطالعاتی‬ ‫محدوده‬
Fig.1 The study region map
‫جدول‬
1
-
‫باند‬
‫دیتاست‬ ‫ایجاد‬ ‫جهت‬ ‫استفاده‬ ‫مورد‬ ‫هاي‬
Table 1- Spectral bands used to create dataset
Wavelength (nm)
‫موج‬ ‫طول‬
Spatial resolution (m)
‫مکانی‬ ‫تفکیک‬ ‫توان‬
Spectral Band
‫طیفی‬ ‫باند‬
490
10
Band 2 (Blue)
‫باند‬
2
)‫(آبی‬
560
10
Band 3 (Green)
‫باند‬
0
)‫(سبی‬
665
10
Band 4 (Red)
‫باند‬
0
)‫(قرمی‬
842
10
Band 8 (NIR)
‫باند‬
0
‫قرمی‬ ‫(مادون‬
)‫نیدیک‬
1610
20
Band 11 (SWIR)
‫باند‬
11
)‫کوتاه‬ ‫مو‬ ‫قرمی‬ ‫(مادون‬
‫برداشت‬ ‫نقاط‬
‫به‬ ‫شده‬
‫نرم‬ ‫وارد‬ ‫وکتوري‬ ‫فای‬ ‫یک‬ ‫صورت‬
‫افیار‬
Arc
Map
‫از‬ ،‫وکتاوري‬ ‫فایا‬ ‫مختصاات‬ ‫سیساتم‬ ‫اصاالح‬ ‫از‬ ‫پاس‬ ‫و‬ ‫شدند‬
‫نمونه‬
‫ه‬ ‫به‬ ‫مربوط‬ ‫هاي‬
‫به‬ ‫کال‬ ‫ر‬
.‫شاد‬ ‫تهیاه‬ ‫خروجای‬ ‫مجایا‬ ‫صاورت‬
‫فای‬ ‫شیپ‬ ‫سپس‬
1
‫نرم‬ ‫وارد‬ ‫کال‬ ‫هر‬ ‫به‬ ‫مربوط‬
‫افیار‬
ENVI 5.3
‫شده‬
‫اقادام‬ ‫اعتبارسنجی‬ ‫فرایند‬ ‫جهت‬ ‫زمینی‬ ‫مرجع‬ ‫نمونه‬ ‫ساخت‬ ‫به‬ ‫نسبت‬ ‫و‬
‫شی‬ .‫گردید‬
2
‫برداشت‬ ‫نقاط‬
‫نشاان‬ ‫را‬ ‫مطالعاه‬ ‫ماورد‬ ‫منطقاه‬ ‫در‬ ‫شده‬
‫می‬
.‫دهد‬
‫مرحل‬ ‫سه‬ ‫شام‬ ،‫مطالعه‬ ‫این‬ ‫انجام‬ ‫مراح‬
‫پیش‬ ‫ه‬
‫پردازش‬ ،‫پردازش‬
‫پس‬ ‫و‬
‫پایش‬ ‫مرحلاه‬ .‫است‬ ‫پردازش‬
‫تصااویر‬ ‫دریافات‬ ‫شاام‬ ‫پاردازش‬
‫ماهواره‬
‫وا‬ ‫از‬ ‫اي‬
‫شرکت‬ ‫گاه‬
‫ارائه‬ ‫هاي‬
‫زمانی‬ ‫سري‬ ‫تصاویر‬ ‫تهیه‬ ،‫دهنده‬
1- Shape File (*.shp)
‫سنتین‬ ‫ماهواره‬ ‫تصاویر‬ ‫از‬
2
‫تصاویر‬ ‫برش‬ ‫و‬ ‫مختلف‬ ‫تصحیحات‬ ‫انجام‬ ،
‫ادغا‬ ‫نهایات‬ ‫در‬ ‫و‬ ‫مطالعاه‬ ‫ماورد‬ ‫محدوده‬ ‫براي‬ ‫ماهواره‬ ‫دو‬ ‫هر‬ ‫اصلی‬
‫ام‬
‫ویژگی‬ ‫استخرا‬ ‫شام‬ ‫پردازش‬ ‫مرحله‬ .‫است‬ ‫تصاویر‬
‫طبقاه‬ ،‫هاا‬
‫بنادي‬
‫طبقه‬ ‫دقت‬ ‫ارزیابی‬ ‫و‬ ‫عوارض‬
‫داده‬ ‫براساا‬ ‫بندي‬
‫زمینای‬ ‫مرجاع‬ ‫هااي‬
‫پس‬ ‫به‬ ‫مربوط‬ ‫مرحله‬ ‫آخرین‬ .‫است‬
‫داده‬ ‫پردازش‬
‫می‬ ‫ها‬
‫تهیه‬ ‫به‬ ‫که‬ ‫باشد‬
‫نقشه‬
‫طبقه‬ ‫هاي‬
‫بندي‬
‫می‬ ‫شده‬
‫با‬ ‫کار‬ ‫نحوه‬ ‫و‬ ‫تحقیق‬ ‫انجام‬ ‫روش‬ .‫پردازد‬
‫دریا‬ ‫تصاویر‬
‫شای‬ ‫فلوچاارت‬ ‫در‬ ‫مااهواره‬ ‫دو‬ ‫هار‬ ‫از‬ ‫فتی‬
0
‫شاده‬ ‫آورده‬
.‫است‬

7. ،‫همکاران‬ ‫و‬ ‫سعدیخانی‬
‫ادغام‬
‫تصاو‬
‫ی‬
‫ر‬
‫چندط‬
‫ي‬
‫ف‬
‫ی‬
‫رادار‬ ‫و‬
‫ي‬
‫به‬
‫افزا‬ ‫منظور‬
‫ی‬
‫ش‬
‫طبقه‬ ‫دقت‬
‫بند‬
‫برآورد‬ ‫و‬ ‫ي‬
...
499
‫شکل‬
2
-
‫برداشت‬ ‫نقاط‬
‫دستگاه‬ ‫با‬ ‫شده‬
GPS
‫رنگ‬ ‫با‬ ‫نقاط‬ .
‫عارضه‬ ‫تشخیص‬ ‫براي‬ ‫مختلف‬ ‫هاي‬
.‫است‬ ‫زمینی‬ ‫مختلف‬ ‫هاي‬
Fig.2. Marked points using handheld GPS. Points with various colors show different phenomena
‫شکل‬
3
-
‫آماده‬ ‫مراح‬ ‫فلوچارت‬
‫ب‬ ‫و‬ ‫سازي‬
‫ه‬
‫ماهواره‬ ‫تصاویر‬ ‫کارگیري‬
‫طبقه‬ ‫براي‬ ‫اي‬
‫زمینی‬ ‫عوارض‬ ‫بندي‬
Fig.3. Flowchart demonstrating the preprocessing and employing of the satellite images for land cover phenomena
classification
‫این‬ ‫به‬ ‫توجه‬ ‫با‬
‫استفاده‬ ‫مورد‬ ‫تصاویر‬ ‫که‬
‫لحاا‬ ‫از‬ ‫تحقیاق‬ ‫ایان‬ ‫در‬
‫سطح‬ ‫در‬ ‫پردازش‬ ‫سطح‬
L1C
‫و‬ ‫داشتند‬ ‫قرار‬
‫پاردازش‬ ‫از‬ ‫سطح‬ ‫این‬ ‫در‬
‫تبدی‬ ً‫ال‬‫معمو‬
‫هااي‬
‫بایساتی‬ ‫بناابراین‬ ،‫اسات‬ ‫نگرفتاه‬ ‫صاورت‬ ‫اصالی‬
‫پیش‬
‫پردازش‬
‫تصویر‬ ‫باندهاي‬ ‫روي‬ ‫بر‬ ‫مناسب‬ ‫هاي‬
‫گیرد‬ ‫انجام‬
‫از‬ ‫قبا‬ .
‫پیش‬
‫پردازش‬
‫ماهواره‬ ‫تصاویر‬
‫تص‬ ‫نیاز‬ ‫مورد‬ ‫باندهاي‬ ‫بود‬ ‫الزم‬ ،‫اي‬
‫در‬ ‫ویر‬
‫نارم‬ ‫در‬ ‫جدیاد‬ ‫تصاویر‬ ‫ساپس‬ ‫و‬ ‫شاده‬ ‫ایجااد‬ ‫دیتاست‬ ‫یک‬ ‫قالب‬
‫افایار‬
‫آن‬ ‫مشخصات‬ ‫که‬ ‫نیاز‬ ‫مورد‬ ‫باندهاي‬ ‫منظور‬ ‫این‬ ‫به‬ .‫شود‬ ‫فراخوانی‬
‫در‬ ‫ها‬
‫جدول‬
1
‫به‬ ،‫شد‬ ‫ارائه‬
‫بانادها‬ ‫از‬ ‫کادام‬ ‫هار‬ ‫از‬ ‫و‬ ‫فراخاوانی‬ ‫تیی‬ ‫صورت‬
‫به‬
‫الیه‬ ‫یک‬ ‫عنوان‬
1
‫الیه‬ ‫نهایت‬ ‫در‬ .‫شد‬ ‫گرفته‬ ‫خروجی‬ ‫جداگانه‬
‫هم‬ ‫با‬ ‫ها‬
‫ترکی‬
‫دیتاست‬ ‫یک‬ ‫و‬ ‫شده‬ ‫ب‬
5
.‫گردید‬ ‫ایجاد‬ ‫باندي‬
‫ماهواره‬ ‫تصاویر‬ ‫هندسی‬ ‫خطاهاي‬ ‫تصحیح‬ ‫براي‬ ‫مطالعه‬ ‫این‬ ‫در‬
،‫اي‬
‫نرم‬ ‫هندسی‬ ‫تصحیح‬ ‫ابیار‬ ‫از‬
‫افیار‬
ENVI 5.3
،‫همچناین‬ .‫شاد‬ ‫استفاده‬
1- Layer

8. 455
‫ماشين‬ ‫نشریه‬
‫جلد‬ ،‫کشاورزي‬ ‫هاي‬
31
‫شماره‬ ،
4
‫زمستان‬ ،
3441
‫بااه‬
‫اثاارات‬ ‫حااذف‬ ‫منظااور‬
‫از‬ ،‫اسااتفاده‬ ‫مااورد‬ ‫تصاااویر‬ ‫در‬ ‫اتمساافري‬
‫الگوریتم‬
1
QUAC
‫نرم‬ ‫در‬
‫افیار‬
ENVI 5.3
‫گر‬ ‫استفاده‬
.‫دید‬
‫باه‬ ‫توجه‬ ‫با‬
‫این‬
‫که‬
‫تصاو‬
‫ی‬
‫ر‬
‫مرباوط‬ ‫مطالعاه‬ ‫ایان‬ ‫در‬ ‫اساتفاده‬ ‫مورد‬
‫زماان‬ ‫باه‬
‫هاا‬
‫ي‬
‫اف‬
‫ا‬‫مختل‬
‫بود‬
‫زاو‬ ‫اا‬
‫ا‬‫ب‬ ‫و‬ ‫اد‬
‫ا‬‫ن‬
‫ا‬
‫ا‬‫ی‬
‫ه‬
‫ااع‬
‫ا‬‫ارتف‬
‫ی‬
‫روش‬ ‫و‬
‫ات‬
‫ا‬‫برداش‬ ‫اف‬
‫ا‬‫مختل‬ ‫ااي‬
‫ا‬‫ه‬
‫م‬
‫ی‬
،‫باشند‬
‫ن‬
‫ی‬
‫از‬
‫تا‬ ‫بود‬
‫تصاح‬
‫ی‬
‫حات‬
‫راد‬
‫ی‬
‫ومتر‬
‫یا‬
‫ک‬
‫جاو‬ ‫و‬
‫ي‬
‫رو‬
‫ي‬
‫تصااو‬
‫ی‬
‫ر‬
‫شود‬ ‫انجام‬
.
‫مااهواره‬ ‫تصااویر‬ ‫منظور‬ ‫بدین‬
‫نارم‬ ‫از‬ ‫اساتفاده‬ ‫باا‬ ‫اي‬
‫افایار‬
ENVI 5.3
‫کالیبراسیون‬ ‫روش‬ ‫با‬ ‫و‬
2
‫که‬ ‫ترتیب‬ ‫این‬ ‫به‬ ،‫شدند‬ ‫تصحیح‬
‫تاابش‬ ‫مقاادیر‬ ‫ابتدا‬
0
‫باه‬ ‫باا‬ ‫تصاویر‬
‫الگاوریتم‬ ‫کاارگیري‬
0
FLAASH
‫بازتابش‬ ‫مقادیر‬ ‫نهایی‬ ‫مرحله‬ ‫در‬ ‫و‬ ‫محاسبه‬
5
،‫گردید‬ ‫محاسبه‬ ‫تصویر‬ ‫هر‬
‫رابطه‬ ‫از‬ ‫استفاده‬ ‫با‬ ‫و‬
(
1
)
‫بین‬ ‫تصویر‬ ‫مقادیر‬ ‫بازه‬
3
‫و‬
1
‫شد‬ ‫تعریف‬
.
(
1
)
Rescale=
(Y≤0)×0+(Y≥10000)×1+(0≤Y≤10000)×
:Y
‫تصو‬
‫ی‬
‫ر‬
‫خروج‬
‫ی‬
‫الگور‬
‫ی‬
‫تم‬
FLAASH
‫سنتین‬ ‫ماهواره‬ ‫تصاویر‬ ‫بیرگ‬ ‫اندازه‬
2
‫هار‬ ‫(ابعااد‬ ‫زماین‬ ‫ساطح‬ ‫از‬
‫تصویر‬
13703
×
13703
‫می‬ ‫پییس‬
‫وسایع‬ ‫حجم‬ ‫پردازش‬ ‫لیوم‬ ‫و‬ )‫باشد‬
‫پیچیده‬ ‫موجب‬ ،‫اطالعات‬ ‫از‬
‫زمان‬ ‫و‬
‫فر‬ ‫شدن‬ ‫بر‬
‫آ‬
‫می‬ ‫پردازش‬ ‫یند‬
‫به‬ .‫شود‬
‫دلی‬ ‫همین‬
،‫پردازش‬ ‫فرآیند‬ ‫دقت‬ ‫همچنین‬ ‫و‬ ‫کار‬ ‫سرعت‬ ‫افیایش‬ ‫براي‬
‫محدوده‬
‫ابعااد‬ ‫باا‬ ،‫مطالعاه‬ ‫مورد‬
503
×
503
‫پییسا‬
‫تصاویر‬ ‫روي‬ ‫از‬ ،
‫پیش‬ ‫مراح‬ ‫که‬ ‫اصلی‬
‫آن‬ ‫روي‬ ‫پردازش‬
‫و‬ ‫زده‬ ‫بارش‬ ‫بود‬ ‫شده‬ ‫اعمال‬ ‫ها‬
‫نارم‬ ‫محای‬ ‫در‬ ‫مذکور‬ ‫فرآیند‬ .‫شد‬ ‫جدا‬
‫افایار‬
ENVI 5.3
.‫شاد‬ ‫انجاام‬
،‫تصویر‬ ‫برش‬ ‫از‬ ‫حاص‬ ‫خروجی‬ ‫نتیجه‬
‫شی‬ ‫در‬
0
.‫است‬ ‫شده‬ ‫ارائه‬
‫مختصاات‬ ‫بایاد‬ ‫مختلاف‬ ‫مااهواره‬ ‫دو‬ ‫تصااویر‬ ‫کاردن‬ ‫ادغام‬ ‫براي‬
‫ایان‬ ‫غیار‬ ‫در‬ ،‫باشاد‬ ‫ییساان‬ ‫تصاویر‬ ‫دو‬ ‫هر‬ ‫جغرافیایی‬
‫نتاایج‬ ‫صاورت‬
‫به‬
‫دست‬
‫راداري‬ ‫تصاویر‬ ‫باید‬ ‫منظور‬ ‫بدین‬ .‫بود‬ ‫خواهد‬ ‫همراه‬ ‫خطا‬ ‫با‬ ‫آمده‬
.‫شوند‬ ‫داده‬ ‫برش‬ ‫اصلی‬ ‫تصویر‬ ‫روي‬ ‫از‬ ‫چندطیفی‬ ‫تصاویر‬ ‫مانند‬ ‫نیی‬
‫نیته‬
‫و‬ ‫راداري‬ ‫تصااویر‬ ،‫که‬ ‫است‬ ‫این‬ ‫کرد‬ ‫اشاره‬ ‫آن‬ ‫به‬ ‫باید‬ ‫که‬ ‫دیگري‬ ‫مهم‬
‫برش‬ ‫چندطیفی‬
‫ادغاام‬ ‫فرآیند‬ ‫در‬ ‫تا‬ ‫باشند‬ ‫منطبق‬ ‫هم‬ ‫با‬ ‫عینا‬ ‫باید‬ ‫خورده‬
.‫نشود‬ ‫ایجاد‬ ‫خطا‬
‫شی‬ ‫در‬ ‫فرآیند‬ ‫این‬ ‫نتیجه‬
5
.‫است‬ ‫آمده‬
‫به‬ ‫پژوهش‬ ‫این‬ ‫در‬
‫طبقه‬ ‫منظور‬
‫پدیاده‬ ‫بندي‬
‫در‬ ‫زماین‬ ‫ساطح‬ ‫هااي‬
،‫مطالعه‬ ‫مورد‬ ‫منطقه‬
‫شاخص‬ ‫از‬ ‫حاص‬ ‫زمانی‬ ‫سري‬ ‫تصاویر‬ ‫از‬
NDVI
‫شااخص‬ ‫ریاضای‬ ‫رابطاه‬ ‫از‬ ‫اساتفاده‬ ‫باا‬ ‫که‬ ‫ترتیب‬ ‫این‬ ‫به‬ .‫شد‬ ‫استفاده‬
NDVI
‫نرم‬ ‫محی‬ ‫در‬ ،
‫باراي‬ ‫شااخص‬ ‫ایان‬ ‫افیار‬
10
‫اخذشاده‬ ‫تصاویر‬
‫زمانی‬ ‫سري‬ ‫دیتاست‬ ‫و‬ ‫ترکیب‬ ‫هم‬ ‫با‬ ‫خروجی‬ ‫تصاویر‬ ‫سپس‬ ‫و‬ ‫محاسبه‬
‫ایی‬
‫ا‬‫تش‬ ‫ادهاي‬
‫ا‬‫بان‬ .‫اد‬
‫ا‬‫ش‬ ‫ااد‬
‫ا‬‫ایج‬
‫اري‬
‫ا‬‫س‬ ‫اویر‬
‫ا‬‫تص‬ ‫اده‬
‫ا‬‫دهن‬
‫ت‬ ‫اانی‬
‫ا‬‫زم‬
‫ااویر‬
‫ا‬‫ص‬
‫دریافت‬
‫تاریخ‬ ‫در‬ ‫شده‬
‫مقدماه‬ ‫در‬ ‫یادشاده‬ ‫زماانی‬ ‫باازه‬ ‫در‬ ‫مختلاف‬ ‫هاي‬
‫شی‬ .‫است‬
0
‫سري‬ ‫دیتاست‬ ‫میعب‬
‫زمانی‬
NDVI
‫می‬ ‫ارائه‬ ‫را‬
.‫نماید‬
1- Quick Atmospheric Correction
2- Radiometric Calibration
3- Radiation
4- FLAASH Atmospheric Correction
5- Reflection
‫ماهواره‬ ‫راداري‬ ‫تصاویر‬ ‫ادغام‬ ‫مراح‬
‫آلو‬
‫چنادطیفی‬ ‫تصااویر‬ ‫با‬
‫ماهواره‬
‫سنتین‬
2
‫به‬ ‫پژوهش‬ ‫این‬ ‫در‬
‫شی‬ ‫در‬ ‫خالصه‬ ‫طور‬
1
‫داده‬ ‫نشان‬
‫م‬ ‫بدین‬ .‫است‬ ‫شده‬
‫از‬ ‫مطالعاه‬ ‫ماورد‬ ‫منطقه‬ ‫نقاط‬ ‫کلیه‬ ‫ارتفاع‬ ‫ابتدا‬ ‫نظور‬
‫نقشه‬ ‫براسا‬ ‫و‬ ‫استخرا‬ ‫راداري‬ ‫ماهواره‬
‫باا‬ ‫نقاط‬ ،‫موجود‬ ‫رقومی‬ ‫هاي‬
‫ارتفاعی‬ ‫محدوده‬
1100
‫تا‬
1177
‫آستانه‬ ‫دریا‬ ‫سطح‬ ‫از‬ ‫متر‬
‫و‬ ‫شاد‬ ‫گذاري‬
‫می‬ ‫مشخص‬ ‫آبی‬ ‫رنگ‬ ‫به‬
‫ابیار‬ ‫از‬ ‫استفاده‬ ‫با‬ ‫ماسک‬ ‫الیه‬ ‫و‬ ‫شود‬
Build
Mask
‫به‬
‫(س‬ ‫باینري‬ ‫صورت‬
‫نرم‬ ‫محی‬ ‫در‬ )‫سفید‬ ‫و‬ ‫یاه‬
‫افیار‬
ENVI 5.3
‫ماهواره‬ ‫تصویر‬ ‫براي‬
ALOS
‫شد‬ ‫تهیه‬
.
‫سااخته‬ ‫ماساک‬ ‫الیاه‬
‫در‬ ‫شاده‬
‫داراي‬ ‫که‬ ‫مجاز‬ ‫ارتفاع‬ ‫با‬ ‫نقاط‬ ‫ترتیب‬ ‫این‬ ‫به‬ ‫و‬ ‫شد‬ ‫ضرا‬ ‫اصلی‬ ‫تصویر‬
‫نقاط‬ ‫سایر‬ ‫و‬ ‫ماند‬ ‫باقی‬ ‫تصویر‬ ‫در‬ ،‫بود‬ ‫ماسک‬ ‫الیه‬ ‫در‬ ‫یک‬ ‫عددي‬ ‫مقدار‬
.‫شدند‬ ‫حذف‬ ‫کوهستانی‬ ‫مرتفع‬ ‫نقاط‬ ‫عمدتا‬
‫ادغاام‬ ‫فرآیناد‬ ‫نهایی‬ ‫نتیجه‬
‫شی‬ ‫در‬ ‫تصویر‬
0
.‫است‬ ‫شده‬ ‫داده‬ ‫نمایش‬
‫طبقه‬ ‫فرآیند‬ ‫انجام‬ ‫براي‬
‫بندي‬
‫نتاایج‬ ‫باه‬ ‫توجاه‬ ‫باا‬ ‫تحقیاق‬ ‫این‬ ‫در‬
‫پژوهش‬
‫پیشاین‬ ‫مرتب‬ ‫هاي‬
(Abdikan, 2018; Rahnama et al.,
2019)
‫طبقاه‬ ‫روش‬ ‫از‬
‫نظاارت‬ ‫بنادي‬
‫اردار‬
‫ا‬‫ب‬ ‫ماشاین‬ ‫الگاوریتم‬ ‫و‬ ‫اده‬
‫ا‬‫ش‬
‫پشتیبا‬
‫ن‬
(
SVM
‫زمانی‬ ‫سري‬ ‫تصاویر‬ )
NDVI
.‫شد‬ ‫استفاده‬
‫روش‬ ‫ایان‬
‫طبقه‬ ‫یک‬
‫بندي‬
‫دودویی‬ ‫کننده‬
0
‫تواباع‬ ‫از‬ ‫اساتفاده‬ ‫باا‬ ‫کاه‬ ‫است‬ ‫خطی‬ ‫و‬
‫طبقه‬ ‫یک‬ ‫منیله‬ ‫به‬ ، ‫کرن‬
‫بندي‬
‫چند‬ ‫کننده‬
‫به‬ ‫نیی‬ ‫غیرخطی‬ ‫و‬ ‫کالسی‬
‫کار‬
‫مای‬
‫ر‬
‫ود‬
(
Arekhi & Adibnejad, 2011
)
‫حالات‬ ‫در‬ ‫اساتفاده‬ ‫باراي‬ .
‫چندک‬
‫طبقه‬ ‫چند‬ ‫باید‬ ‫ابتدا‬ ،‫السه‬
‫بندي‬
‫در‬ ‫و‬ ‫شاود‬ ‫طراحای‬ ‫دودویی‬ ‫کننده‬
‫اه‬
‫ا‬‫طبقا‬ ‫ات‬
‫ا‬‫نهایا‬
‫اات‬
‫ا‬‫اطالعا‬ ‫اام‬
‫ا‬‫ادغا‬ ‫از‬ ‫اتفاده‬
‫ا‬‫اسا‬ ‫اا‬
‫ا‬‫با‬ ‫اایی‬
‫ا‬‫نها‬ ‫ادي‬
‫ا‬‫بنا‬
‫طبقه‬
‫بندي‬
‫کننده‬
‫انجام‬ ‫دودویی‬ ‫هاي‬
‫روش‬ ‫دو‬ ‫باا‬ ‫فرآیند‬ ‫این‬ ‫انجام‬ .‫شود‬
‫بقیه‬ ‫مقاب‬ ‫در‬ ‫ییی‬
1
‫دسته‬ ‫و‬
‫زو‬ ‫بندي‬
-
‫زو‬
0
‫مای‬ ‫اجارا‬
‫دو‬ ‫ایان‬ .‫شاود‬
‫گونه‬ ‫به‬ ‫روش‬
‫در‬ ‫سعی‬ ‫اي‬
‫کال‬ ‫بین‬ ‫مرزهاي‬ ‫از‬ ‫اطالعاتی‬ ‫استخرا‬
‫ها‬
‫دسته‬ ‫روش‬ ‫در‬ .‫دارند‬
‫زو‬ ‫کردن‬ ‫بندي‬
-
‫مرز‬ ‫از‬ ‫که‬ ‫اطالعاتی‬ ‫مییان‬ ، ‫زو‬
‫کال‬ ‫بین‬
‫می‬ ‫استخرا‬ ‫ها‬
‫باا‬ ‫کاه‬ ‫است‬ ‫اطالعاتی‬ ‫از‬ ‫بیشتر‬ ‫بسیار‬ ،‫شود‬
‫به‬ ‫بقیه‬ ‫مقاب‬ ‫در‬ ‫ییی‬ ‫روش‬
‫می‬ ‫دست‬
‫آیاد‬
(
Arekhi & Adibnejad,
2011
)
.
‫حاضر‬ ‫مطالعه‬ ‫در‬
‫الگوریتم‬
SVM
‫زو‬ ‫روش‬ ‫با‬
-
‫عاما‬ ‫مقادیر‬ ‫زو‬
‫جریمه‬
7
‫هرم‬ ‫سطح‬ ‫و‬
13
‫به‬
‫نرم‬ ‫مقادیر‬ ‫اسا‬ ‫بر‬ ‫و‬ ‫خودکار‬ ‫صورت‬
‫افیاري‬
‫به‬
‫ترتیب‬
133
‫و‬
3
‫باه‬ .‫شد‬ ‫گرفته‬ ‫نظر‬ ‫در‬
‫ادغاام‬ ‫تااثیر‬ ‫بررسای‬ ‫منظاور‬
‫طبقاه‬ ‫دقت‬ ‫در‬ ‫تصاویر‬
‫طبقاه‬ ‫فرآیناد‬ ،‫بنادي‬
‫بنادي‬
‫وضاعیت‬ ‫دو‬ ‫در‬
1
)
‫ادغام‬ ‫زمانی‬ ‫سري‬ ‫تصاویر‬
‫شده‬
‫ماهواره‬
‫سنتین‬
2
‫راداري‬ ‫هااي‬ ‫داده‬ ‫باا‬
‫ماهواره‬
‫آلو‬
‫و‬
2
‫ماهواره‬ ‫ادغام‬ ‫بدون‬ ‫زمانی‬ ‫سري‬ ‫تصاویر‬ )
‫سانتین‬
2
‫شد‬ ‫انجام‬
.
6- Binary
7- One-against-all
8- One-against-one
9- Fine agent
10- Surface of the Pyramid

9. ،‫همکاران‬ ‫و‬ ‫سعدیخانی‬
‫ادغام‬
‫تصاو‬
‫ی‬
‫ر‬
‫چندط‬
‫ي‬
‫ف‬
‫ی‬
‫رادار‬ ‫و‬
‫ي‬
‫به‬
‫افزا‬ ‫منظور‬
‫ی‬
‫ش‬
‫طبقه‬ ‫دقت‬
‫بند‬
‫برآورد‬ ‫و‬ ‫ي‬
...
455
‫شکل‬
4
-
‫مح‬ ‫و‬ ‫اصلی‬ ‫تصویر‬
‫د‬
‫برش‬ ‫وده‬
‫خورده‬
‫ماهواره‬ ‫از‬ ‫دریافتی‬
Fig.4. Original Sentiel 2 satellite imagery and the cropped region
‫شکل‬
5
-
‫تصو‬
‫برش‬ ‫محدوده‬ ‫و‬ ‫اصلی‬ ‫یر‬
‫راداري‬ ‫ماهواره‬ ‫ارتفاعی‬ ‫رقومی‬ ‫مدل‬ ‫خورده‬
Fig.5. Original and cropped DEM of radar satellite
‫شکل‬
6
-
‫زمانی‬ ‫سري‬ ‫دیتاست‬ ‫میعب‬
NDVI
Fig.6. NDVI Time series dataset cube
‫شکل‬
7
-
‫آماده‬ ‫مراح‬
‫تصا‬ ‫با‬ ‫آن‬ ‫ادغام‬ ‫و‬ ‫راداري‬ ‫تصاویر‬ ‫از‬ ‫ماسک‬ ‫الیه‬ ‫سازي‬
‫سنتین‬ ‫ماهواره‬ ‫ویر‬
2
Fig.7. Procedure for preparing the mask layer from radar imagery and fusing it with the Sentinel 2 satellite imagery

10. 455
‫ماشين‬ ‫نشریه‬
‫جلد‬ ،‫کشاورزي‬ ‫هاي‬
31
‫شماره‬ ،
4
‫زمستان‬ ،
3441
‫نموناه‬ ‫انتخاا‬ ‫براي‬ ‫مطالعه‬ ‫این‬ ‫در‬
‫عیاس‬ ‫از‬ ‫تعلیمای‬ ‫هااي‬
‫هااي‬
‫نقشه‬ ،‫هوایی‬
‫برداشت‬ ‫نقاط‬ ‫همچنین‬ ‫و‬ ‫توپوگرافی‬ ‫هاي‬
‫دساتگاه‬ ‫با‬ ‫شده‬
GPS
‫پییس‬ ‫شد‬ ‫سعی‬ ‫و‬ ‫شده‬ ‫استفاده‬ ‫میدانی‬ ‫عملیات‬ ‫در‬
‫تعلیمی‬ ‫هاي‬
‫ایجاد‬ ‫مناسب‬ ‫پراکنش‬ ‫با‬ ‫همگن‬ ‫منطقه‬ ‫داخ‬ ‫در‬ ‫معین‬ ‫کال‬ ‫هر‬ ‫براي‬
‫به‬ ‫پییس‬ ‫تعداد‬ .‫شود‬
‫گرفته‬ ‫کار‬
‫باه‬ ‫حاداق‬ ،‫تعلیمای‬ ‫نمونه‬ ‫هر‬ ‫در‬ ‫شده‬
‫انتخااا‬ ‫اساتفاده‬ ‫ماورد‬ ‫سانجنده‬ ‫طیفای‬ ‫باندهاي‬ ‫تعداد‬ ‫برابر‬ ‫ده‬ ‫اندازه‬
‫گردید‬
(
Tuia, Merenyi, Jia, & Grana-Romay, 2014
)
.
‫جادول‬
2
‫داده‬ ‫مشخصات‬
‫می‬ ‫نشان‬ ‫را‬ ‫زمینی‬ ‫مرجع‬ ‫اعتبارسنجی‬ ‫هاي‬
‫در‬ .‫دهاد‬
‫طای‬ ‫مطالعاه‬ ‫ماورد‬ ‫منطقاه‬ ‫در‬ ‫موجود‬ ‫زمینی‬ ‫عوارض‬ ‫کلیه‬ ‫جدول‬ ‫این‬
‫عارضاه‬ ‫کال‬ ‫هر‬ ‫نام‬ ‫و‬ ‫گردید‬ ‫مشخص‬ ‫میدانی‬ ‫بازدیدهاي‬
‫باه‬
‫هماراه‬
‫نموناه‬ ‫تعداد‬ .‫است‬ ‫شده‬ ‫آورده‬ ‫آن‬ ‫توصیف‬
‫برداشات‬ ‫هااي‬
‫هار‬ ‫در‬ ‫شاده‬
.‫است‬ ‫شده‬ ‫آورده‬ ‫نیی‬ ‫کال‬
‫جدول‬
2
-
‫مشخصات‬
‫نمونه‬
‫طبقه‬ ‫براي‬ ‫اعتبارسنجی‬ ‫میدانی‬ ‫هاي‬
‫بندي‬
‫نظارت‬
‫شده‬
Table 2- Specifications of ground truth annotation for supervised classification
‫نمونه‬ ‫تعداد‬
‫ها‬
Number of Samples
‫کالس‬ ‫توصیف‬
Class Description
‫کالس‬ ‫نام‬
Class Name
‫کالس‬ ‫کد‬
Class code
130
80
120
110
50
50
80
Irrigated and rain-fed wheat fields
Barley fields
Canola fields
Bare soil, uncultivated fields
Orchards and green belts
Niyayesh and Sadra towns, administrative offices
Alfalfa and other minor crop fields
Wheat
Barley
Canola
Soil
Tree
Residential
Others
1
2
3
4
5
6
7
‫طبقه‬ ‫از‬ ‫پس‬
،‫بندي‬
‫به‬
‫منظور‬
‫قابلیت‬ ‫تعیین‬
‫داده‬
‫مااهواره‬ ‫هااي‬
‫اي‬
‫و‬
‫طبقه‬ ‫نتایج‬ ‫مقایسه‬
‫داده‬ ‫با‬ ‫بندي‬
‫زمینی‬ ‫هاي‬
‫هادف‬ ‫باا‬
‫صاحت‬ ‫ارزیاابی‬
‫نقشه‬
‫طبقه‬ ‫از‬ ‫حاص‬ ‫هاي‬
‫بنادي‬
‫صاحت‬ ‫نتاایج‬ ‫بایاد‬
‫شاوند‬ ‫سانجی‬
‫از‬ .
‫آن‬
‫پییس‬ ‫تمام‬ ‫کنترل‬ ‫امیان‬ ‫که‬ ‫جایی‬
‫واقعیات‬ ‫باا‬ ‫تصاویر‬ ‫هااي‬
‫هااي‬
‫نمونه‬ ‫از‬ ‫باید‬ ،‫منظور‬ ‫بدین‬ ‫ندارد‬ ‫وجود‬ ‫زمینی‬
‫هاي‬
‫باه‬ ‫آزمایشای‬
‫عناوان‬
‫زمینی‬ ‫صحیح‬ ‫کال‬
.‫شاود‬ ‫اساتفاده‬
‫صاحت‬ ‫بارآورد‬ ‫و‬ ‫خطاا‬ ‫ارزیاابی‬
‫طبقه‬
‫پا‬ ‫اساا‬ ‫بار‬ ً‫ال‬‫معماو‬ ‫بنادي‬
‫مااتریس‬ ‫از‬ ‫کاه‬ ‫آمااري‬ ‫رامترهااي‬
‫آشفتگی‬
1
‫استخرا‬
‫می‬
‫شود‬
،
‫مای‬ ‫انجاام‬
.‫گیارد‬
‫ایان‬
‫حاصا‬ ‫مااتریس‬
‫نمونه‬ ‫پییس‬ ‫به‬ ‫پییس‬ ‫مقایسه‬
‫باا‬ ‫زمینای‬ ‫واقعیات‬ ‫در‬ ‫آموزشای‬ ‫هاي‬
‫پییس‬
‫طبقه‬ ‫نتایج‬ ‫در‬ ‫متناظر‬ ‫هاي‬
‫طبقه‬ ‫دقت‬ ‫که‬ ‫است‬ ‫بندي‬
‫کا‬ ‫بندي‬
‫می‬ ‫نشان‬ ‫جدول‬ ‫یک‬ ‫در‬ ‫را‬ ‫تصویر‬
‫دهد‬
(
Lillesand et al., 2015
)
.
‫اا‬
‫ا‬‫ب‬
‫اا‬
‫ا‬‫پارامتره‬ ‫ابه‬
‫ا‬‫محاس‬
‫ي‬
‫ای‬
‫ا‬‫کل‬ ‫ات‬
‫ا‬‫دق‬
2
،
‫اا‬
‫ا‬‫کاپ‬ ‫اریب‬
‫ا‬‫ض‬
0
‫ااي‬
‫ا‬‫خط‬ ،
‫حذف‬
‫شده‬
0
‫گماشته‬ ‫خطاي‬ ‫و‬
5
‫طبقه‬ ‫کیفیت‬
‫قارار‬ ‫ارزیاابی‬ ‫ماورد‬ ‫بنادي‬
‫گرفت‬
(Palubinskas, Makarau, & Tao, 2011; Rahnama et
al., 2019)
‫دقی‬ ‫کشت‬ ‫زیر‬ ‫سطح‬ ‫دانستن‬ ‫که‬ ‫آنجا‬ ‫از‬
‫تولیادي‬ ‫مقادار‬ ‫براورد‬ ‫و‬ ‫ق‬
‫با‬ ‫اهمیت‬ ‫از‬ ‫استراتژیک‬ ‫محصوالت‬
‫ه‬
،‫اسات‬ ‫برخاوردار‬ ‫سایایی‬
‫در‬
‫ا‬
‫یا‬
‫ن‬
1- Confusion matrix
2- Overall accuracy
3- Kappa coefficient
4- Omission Error
5- Commission Error
‫تحق‬
‫یاا‬
‫ق‬
‫پااس‬
‫از‬
‫طاا‬
‫ی‬
‫تمااام‬
‫ی‬
‫مراحاا‬
‫پاا‬
‫ی‬
‫ش‬
،‫پااردازش‬
‫پااردازش‬
‫و‬
‫پس‬
،‫پردازش‬
‫تصویر‬
‫با‬
‫باالتر‬
‫ی‬
‫ن‬
‫دقت‬
‫کل‬
‫ی‬
‫طبقه‬
‫بناد‬
‫ي‬
‫و‬
‫ضار‬
‫ی‬
‫ب‬
‫کاپاا‬
‫انتخاا‬
‫گرد‬
‫ی‬
‫د‬
‫و‬
‫مساحت‬
‫پد‬
‫ی‬
‫ده‬
‫ها‬
‫ي‬
‫موجود‬
‫در‬
‫تصو‬
‫ی‬
‫ر‬
‫محاسبه‬
‫شد‬
‫باا‬ .
‫م‬ ‫مقایسه‬
‫ساحت‬
‫ماهواره‬ ‫تصاویر‬ ‫از‬ ‫شده‬ ‫زده‬ ‫تخمین‬ ‫هاي‬
‫مسااحت‬ ‫و‬ ‫اي‬
‫نمونه‬ ‫طریق‬ ‫از‬ ‫که‬ ‫منطقه‬ ‫در‬ ‫اراضی‬ ‫واقعی‬
‫برداري‬
‫ب‬ ‫میدانی‬ ‫هاي‬
‫ه‬
‫دست‬
‫آ‬
‫تخمین‬ ‫مساحت‬ ‫دقت‬ ،‫بود‬ ‫مده‬
‫زده‬
‫شااخص‬ ‫از‬ ‫اساتفاده‬ ‫باا‬ ‫شاده‬
‫هااي‬
.‫شد‬ ‫ارزیابی‬ ‫رگرسیونی‬ ‫معادله‬ ‫و‬ ‫تغییر‬ ‫درصد‬
‫و‬ ‫نتایج‬
‫بحث‬
‫مقایسه‬ ‫ابتدا‬ ‫بخش‬ ‫این‬ ‫در‬
‫اي‬
‫کیف‬
‫ی‬
‫طبقاه‬ ‫تصویر‬ ‫بین‬
‫بنادي‬
‫شاده‬
‫ادغام‬ ‫فرآیند‬ ‫از‬ ‫حاص‬
‫ماهواره‬ ‫دو‬ ‫تصاویر‬
‫سنتین‬
2
‫و‬
‫آلو‬
‫نتیجاه‬ ‫باا‬
‫طبقه‬
‫ادغام‬ ‫تصویر‬ ‫بندي‬
‫سنتین‬ ‫ماهواره‬ ‫نشده‬
2
‫می‬ ‫صورت‬
‫سپس‬ ،‫گیرد‬
‫طبقه‬ ‫از‬ ‫حاص‬ ‫نتایج‬
‫زماانی‬ ‫ساري‬ ‫تصویر‬ ‫شده‬ ‫نظارت‬ ‫بندي‬
NDVI
،
‫ادغام‬ ‫وضعیت‬ ‫دو‬ ‫در‬
‫ادغام‬ ‫و‬ ‫شده‬
‫می‬ ‫ارائه‬ ‫نشده‬
‫و‬ ‫شود‬
‫نتاایج‬ ‫نهایت‬ ‫در‬
‫طبقه‬ ‫نقشه‬ ‫اعتبارسنجی‬ ‫به‬ ‫مربوط‬
‫آشفتگی‬ ‫ماتریس‬ ‫از‬ ‫استفاده‬ ‫با‬ ‫بندي‬
‫می‬ ‫بیان‬ ‫تفصی‬ ‫به‬
.‫گردد‬
‫طبقه‬
‌
‫بندی‌نظارت‬
‌
‫شده‬
‌
‫طبقه‬
‫ساري‬ ‫تصویر‬ ‫بندي‬
‫زماانی‬
NDVI
‫الگاوریتم‬ ‫از‬ ‫اساتفاده‬ ‫باا‬
SVM
‫طبقه‬ ‫روش‬ ‫این‬ ‫از‬ ‫استفاده‬ ‫با‬ .‫شد‬ ‫انجام‬
‫تعاداد‬ ،‫بندي‬
1
‫کاال‬
‫الگ‬ .‫شد‬ ‫تفییک‬ ،‫پدیده‬
‫وریتم‬
‫ادغام‬ ‫وضعیت‬ ‫دو‬ ‫در‬
‫ادغاام‬ ‫و‬ ‫شاده‬
‫نشاده‬

11. ،‫همکاران‬ ‫و‬ ‫سعدیخانی‬
‫ادغام‬
‫تصاو‬
‫ی‬
‫ر‬
‫چندط‬
‫ي‬
‫ف‬
‫ی‬
‫رادار‬ ‫و‬
‫ي‬
‫به‬
‫افزا‬ ‫منظور‬
‫ی‬
‫ش‬
‫طبقه‬ ‫دقت‬
‫بند‬
‫برآورد‬ ‫و‬ ‫ي‬
...
455
‫اه‬
‫ا‬‫ب‬
‫ای‬
‫ا‬‫کل‬ ‫ات‬
‫ا‬‫دق‬ ،‫اب‬
‫ا‬‫ترتی‬
30
/
70
‫ااي‬
‫ا‬‫کاپ‬ ‫اریب‬
‫ا‬‫(ض‬ %
71
/
3
‫و‬ )
00
/
73
%
‫کاپاي‬ ‫(ضریب‬
07
/
3
)
.‫کردناد‬ ‫ایجاد‬
‫طبقاه‬ ‫ارزیاابی‬ ‫نتیجاه‬
‫باا‬ ،‫بنادي‬
‫تصاویر‬ ‫ادغام‬ ‫که‬ ‫است‬ ‫موضوع‬ ‫این‬ ‫بیانگر‬ ‫آشفتگی‬ ‫ماتریس‬ ‫از‬ ‫استفاده‬
‫مرت‬ ‫ناواحی‬ ‫حذف‬ ‫آن‬ ‫تبع‬ ‫به‬ ‫و‬ ‫چندطیفی‬ ‫و‬ ‫راداري‬
،‫تصاویر‬ ‫روي‬ ‫از‬ ‫فاع‬
‫طبقه‬ ‫کلی‬ ‫دقت‬ ‫افیایش‬ ‫موجب‬
‫می‬ ‫بندي‬
.‫شود‬
‌
‌
‫ه‬‫‌طبقو‬ ‫مقایسه‌کیفی‌تصویی‬
‌
‌
‌ ‫بنودی‌دغاوا‬
‌
‌
‌
‌ ‫‌تصویی‬ ‌‫شوده‬
‫دغاا‬
‌
‫نشده‬
‌
‫شی‬ ‫در‬
0
‫مقایسه‬
‫فر‬ ‫از‬ ‫حاص‬ ‫تصویر‬ ‫بین‬ ‫اي‬
‫آ‬
‫تصویر‬ ‫و‬ ‫ادغام‬ ‫یند‬
‫ادغام‬
‫در‬ ‫را‬ ‫تصاویر‬ ‫ادغاام‬ ‫تینیاک‬ ‫تااثیر‬ ‫و‬ ‫اسات‬ ‫گرفته‬ ‫صورت‬ ‫نشده‬
‫طبقه‬ ‫کیفی‬ ‫و‬ ‫بصري‬ ‫نتیجه‬
‫بندي‬
‫می‬ ‫نشان‬
‫چاپ‬ ‫سامت‬ ‫تصاویر‬ .‫دهاد‬
‫طبقه‬ ‫خروجی‬
‫ادغام‬ ‫تصویر‬ ‫بندي‬
‫نتیجاه‬ ‫راسات‬ ‫سامت‬ ‫تصاویر‬ ‫و‬ ‫نشده‬
‫طبقه‬
‫ادغام‬ ‫تصویر‬ ‫بندي‬
‫می‬ ‫نشان‬ ‫را‬ ‫شده‬
‫چاپ‬ ‫سامت‬ ‫تصاویر‬ ‫در‬ .‫دهد‬
‫شاباهت‬ ‫دلیا‬ ‫باه‬ .‫است‬ ‫شهري‬ ‫و‬ ‫مسیونی‬ ‫مناطق‬ ‫بیانگر‬ ‫سفید‬ ‫رنگ‬
‫برون‬ ‫طیفی‬
‫زدگی‬
‫ساختمان‬ ‫با‬ ‫ارتفاعات‬ ‫در‬ ‫سنگی‬ ‫هاي‬
،‫مسایونی‬ ‫هاي‬
‫د‬
‫کااهش‬ ‫باعاگ‬ ‫و‬ ‫شاده‬ ‫مواجاه‬ ‫خطا‬ ‫با‬ ‫مسیونی‬ ‫کال‬ ‫تصویر‬ ‫این‬ ‫ر‬
‫طبقه‬ ‫دقت‬
‫ناواحی‬ ‫در‬ ‫موجود‬ ‫مرتعی‬ ‫پوشش‬ ‫همچنین‬ .‫است‬ ‫شده‬ ‫بندي‬
‫کالسای‬ ‫تداخ‬ ‫موجب‬ ‫مطالعه‬ ‫مورد‬ ‫منطقه‬ ‫اطراف‬ ‫مرتفع‬ ‫و‬ ‫کوهستانی‬
‫پدیده‬ ‫بین‬
‫تصاویر‬ ‫بصاري‬ ‫و‬ ‫کمای‬ ‫دقت‬ ‫آن‬ ‫تبع‬ ‫به‬ ‫و‬ ‫شده‬ ‫گیاهی‬ ‫هاي‬
.‫است‬ ‫گرفته‬ ‫قرار‬ ‫تاثیر‬ ‫تحت‬ ‫خروجی‬
‫و‬ ‫راداري‬ ‫تصاویر‬ ‫ادغاام‬ ‫تینیاک‬
‫تولیاد‬ ‫باعاگ‬ ‫مطالعااتی‬ ‫منطقه‬ ‫در‬ ‫موجود‬ ‫ارتفاعات‬ ‫حذف‬ ‫با‬ ‫چندطیفی‬
‫طبقه‬ ‫نقشه‬
‫طبقه‬ ‫دقت‬ ‫افیایش‬ ‫همچنین‬ ‫و‬ ‫کیفیت‬ ‫با‬ ‫بندي‬
‫شاده‬ ‫بنادي‬
.‫است‬
‫تحقیقات‬ ‫براسا‬ ‫نتیجه‬ ‫این‬
‫همیاران‬ ‫و‬ ‫راهنما‬
(
Rahnama et
al., 2019
)
‫حاذف‬ ‫عادم‬ ‫دلی‬ ‫به‬ ‫شده‬ ‫یاد‬ ‫تحقیق‬ ‫در‬ .‫بود‬ ‫انتظار‬ ‫مورد‬
‫پوشش‬ ‫برخی‬ ‫کوهستانی‬ ‫مرتفع‬ ‫نقاط‬
‫باه‬ ‫اشاتباه‬ ‫به‬ ‫گیاهی‬ ‫هاي‬
‫عناوان‬
‫طبقه‬ ،‫مطالعه‬ ‫مورد‬ ‫منطقه‬ ‫در‬ ‫یونجه‬ ‫میارع‬ ‫گیاهی‬ ‫پوشش‬
‫شاده‬ ‫بنادي‬
.‫بود‬
‫شکل‬
8
-
‫طبقه‬ ‫نقشه‬ ‫مقایسه‬
‫تصویر‬ ‫ادغام‬ ‫تاثیر‬ ‫و‬ ‫بندي‬
‫تصویر‬ :‫راست‬ .
‫ادغام‬
‫شده‬
،
‫ادغام‬ ‫تصویر‬ :‫چپ‬
‫نشده‬
Fig.8. Comparison between output classified maps and the effect of image fusion. Left: output map of Sentinel 2, Right:
output map of Sentinel2+ALOS
‫ادغاام‬ ‫شرای‬ ‫در‬ ‫الگوریتم‬ ‫به‬ ‫مربوط‬ ‫آشفتگی‬ ‫ماتریس‬ ‫نتیجه‬
‫شاده‬
‫ک‬ ‫است‬ ‫این‬ ‫بیانگر‬
‫پدیده‬ ‫ه‬
‫بسیار‬ ‫دقت‬ ‫با‬ )‫کلیا‬ ‫و‬ ‫جو‬ ،‫(گندم‬ ‫گیاهی‬ ‫هاي‬
‫پدیده‬ ‫سایر‬ ‫از‬ ‫باالیی‬
‫شاده‬ ‫جداساازي‬ ‫هاا‬
‫ادغاام‬ ‫شارای‬ ‫در‬ .‫اناد‬
‫نشاده‬
‫همچناین‬ ‫و‬ ‫خاای‬ ‫و‬ ‫مسیونی‬ ‫کال‬ ‫دو‬ ‫بین‬ ‫تمایی‬ ‫ایجاد‬ ‫در‬ ‫الگوریتم‬
‫پوشش‬
‫دقات‬ ‫سابب‬ ‫هماین‬ ‫باه‬ ‫کرد‬ ‫عم‬ ‫ضعیف‬ ‫گیاهی‬ ‫مختلف‬ ‫هاي‬
‫طبقه‬ ‫کلی‬
‫کااهش‬ ‫موضاوع‬ ‫ایان‬ ‫تااثیر‬ ‫تحات‬ ‫بندي‬
‫همچناین‬ .‫یافات‬
‫تفییک‬ ‫در‬ ‫الگوریتم‬ ‫خطاي‬ ‫بیشترین‬
0
‫از‬ ‫کلایا‬ ‫و‬ ‫درخات‬ ،‫جاو‬ ‫کال‬
‫کال‬ ‫سایر‬
‫حاذف‬ ‫خطااي‬ ‫افیایش‬ ‫آن‬ ‫نتیجه‬ ‫که‬ ‫بود‬ ‫ها‬
‫ایان‬ ‫در‬ ‫شاده‬
‫کال‬
‫طبقاه‬ ‫کلای‬ ‫دقت‬ ‫کاهش‬ ‫آن‬ ‫تبع‬ ‫به‬ ‫و‬ ‫ها‬
.‫باود‬ ‫بنادي‬
‫مااتریس‬
‫طبقه‬ ‫دقت‬ ‫ارزیابی‬ ‫به‬ ‫مربوط‬ ‫آماري‬ ‫مشخصات‬ ‫و‬ ‫آشفتگی‬
‫ساري‬ ‫بندي‬
‫زمانی‬
NDVI
‫مربوط‬
‫ادغاام‬ ‫وضاعیت‬ ‫دو‬ ‫در‬ ‫باجگااه‬ ‫منطقه‬ ‫به‬
‫و‬ ‫شاده‬
‫ادغام‬
‫جدول‬ ‫در‬ ‫نشده‬
‫هاي‬
0
‫و‬
0
.‫اسات‬ ‫شاده‬ ‫ارائه‬
‫توسا‬ ‫نتاایج‬ ‫ایان‬
‫طبقه‬ ‫در‬ ‫همیاران‬ ‫و‬ ‫پالوبینسیا‬
‫نیای‬ ‫مونیخ‬ ‫شهر‬ ‫شهري‬ ‫فضاي‬ ‫بندي‬
‫ب‬
‫ه‬
‫کاال‬ ‫باین‬ ‫در‬ ‫خطا‬ ‫پژوهش‬ ‫آن‬ ‫در‬ .‫است‬ ‫آمده‬ ‫دست‬
‫و‬ ‫جااده‬ ‫هااي‬

12. 454
‫ماشين‬ ‫نشریه‬
‫جلد‬ ،‫کشاورزي‬ ‫هاي‬
31
‫شماره‬ ،
4
‫زمستان‬ ،
3441
‫ادغام‬ ‫غیر‬ ‫تصاویر‬ ‫در‬ ‫مسیونی‬ ‫ساختمان‬
‫شده‬
05
‫از‬ ‫پاس‬ ‫که‬ ‫بود‬ ‫درصد‬
‫باه‬ ‫خطا‬ ‫این‬ ‫رادار‬ ‫و‬ ‫ماهواره‬ ‫تصاویر‬ ‫ادغام‬
0
.‫کارد‬ ‫پیادا‬ ‫درصادکاهش‬
(
Palubinskas et al., 2011
)
‫تصاویر‬ ‫ادغاام‬ ‫از‬ ‫دیگري‬ ‫پژوهش‬ ‫در‬ .
‫ماهواره‬
‫آلو‬
‫لندست‬ ‫ماهواره‬ ‫با‬
0
‫طبقه‬ ‫براي‬
‫در‬ ‫گیااهی‬ ‫پوشش‬ ‫بندي‬
‫ادغاا‬ ‫و‬ ‫شاد‬ ‫اساتفاده‬ ‫ترکیه‬ ‫بارتین‬ ‫استان‬ ‫در‬ ‫جنگلی‬ ‫مناطق‬
‫تصااویر‬ ‫م‬
‫طبقه‬ ‫دقت‬ ‫افیایش‬ ‫باعگ‬
‫تاا‬ ‫گیاهی‬ ‫پوشش‬ ‫بندي‬
02
/
70
‫شاده‬ ‫درصاد‬
‫ادغام‬ ‫شرای‬ ‫در‬ .‫است‬
‫کلی‬ ‫دقت‬ ‫مییان‬ ‫نشده‬
03
/
00
‫شد‬ ‫گیارش‬ ‫درصد‬
(
Abdikan, 2018
)
.
‫ادغا‬ ‫زمینه‬ ‫در‬ ‫شده‬ ‫مرور‬ ‫مقاالت‬ ‫اکثر‬ ‫در‬ ‫اگرچه‬
‫دقات‬ ،‫تصااویر‬ ‫ام‬
‫طبقه‬
‫ادغاام‬ ‫غیار‬ ‫تصویر‬ ‫از‬ ‫بیشتر‬ ‫ادغام‬ ‫از‬ ‫حاص‬ ‫تصویر‬ ‫در‬ ‫بندي‬
‫شاده‬
‫طبقاه‬ ‫در‬ ‫همیاران‬ ‫و‬ ‫هانگر‬ ‫پژوهش‬ ‫در‬ ‫اما‬ ‫است‬ ‫بوده‬
‫عوارضای‬ ‫بنادي‬
‫زمین‬ ‫چون‬
‫معنی‬ ‫بهبود‬ ‫جنگ‬ ‫و‬ ‫آیش‬ ‫هاي‬
‫و‬ ‫اسات‬ ‫نشاده‬ ‫حاص‬ ‫داري‬
‫حوضه‬ ‫مورد‬ ‫در‬ ‫همچنین‬
‫ادغام‬ ‫تصاویر‬ ‫از‬ ‫استفاده‬ ‫آبریی‬ ‫هاي‬
‫باعاگ‬ ‫شده‬
‫کاا‬
‫طبقاه‬ ‫دقات‬ ‫هش‬
‫اسات‬ ‫شاده‬ ‫بنادي‬
(
Hunger, Karrasch, &
Wessollek, 2016
)
‫اه‬
‫ا‬‫خالصا‬ .
‫اژوهش‬
‫ا‬‫پا‬ ‫از‬ ‫اي‬
‫در‬ ‫اده‬
‫ا‬‫یادشا‬ ‫ااي‬
‫ا‬‫ها‬
‫بخش‬
‫جدول‬ ‫در‬ ‫مقایسه‬ ‫براي‬ ‫نتایج‬ ‫و‬ ‫مقدمه‬ ‫هاي‬
5
.‫است‬ ‫شده‬ ‫آورده‬
‌
‌
‌
‌
‌
‌‫ت‌دیومی‌منطقوه‌مویرغ‬ ‫‌مصصوی‬ ‫‌کشو‬ ‫تخمین‌سطح‌زی‬
‫مطالعه‬
‌
‫جدول‬
0
‫در‬ ‫اراضای‬ ‫کشات‬ ‫زیار‬ ‫مساحت‬ ‫مجموع‬ ‫به‬ ‫مربوط‬ ‫نتایج‬
‫می‬ ‫نشان‬ ‫کلیا‬ ‫و‬ ‫جو‬ ‫گندم‬ ‫محصول‬ ‫سه‬ ‫براي‬ ‫مطالعه‬ ‫مورد‬ ‫منطقه‬
.‫دهاد‬
‫ای‬ ‫مقایسه‬
‫می‬ ‫نشان‬ ‫نتایج‬ ‫ن‬
‫طبقه‬ ‫که‬ ‫دهد‬
‫در‬ ‫مناسابی‬ ‫دقات‬ ‫باا‬ ‫بنادي‬
‫سنتین‬ ‫ماهواره‬ ‫تصاویر‬ ‫ادغام‬ ‫حالت‬
2
‫زیار‬ ‫سطح‬ ‫تخمین‬ ‫براي‬ ‫آلو‬ ‫و‬
.‫است‬ ‫شده‬ ‫انجام‬ ‫کشت‬
‫جدول‬
3
-
‫طبقه‬ ‫به‬ ‫مربوط‬ ‫آشفتگی‬ ‫ماتریس‬
‫ادغام‬ ‫شرای‬ ‫در‬ ‫عوارض‬ ‫بندي‬
‫نشده‬
‫سنتین‬ ‫ماهواره‬
2
Table 3- Confusion matrix for classification of unfused image of Sentinel 2 satellite
‫مرجع‬
‫شده‬
Referenced
‫طبقه‬
‫بندی‬
‫شده‬
Classified
‫کال‬
Class
‫جو‬
Barley
‫کلیا‬
Canola
‫مسیونی‬
Residential
‫خای‬
Soil
‫درخت‬
Tree
‫گندم‬
Wheat
‫سایر‬
Others
‫مجموع‬
Total
‫خطاي‬
‫گماشته‬
)%(
Commission
Error(%)
‫جو‬
Barley
78
0
0
0
0
0
0
78
0
‫کلیا‬
Canola
0
118
0
0
0
0
0
118
0
‫مسیونی‬
Residential
0
0
47
0
0
0
0
47
0
‫خای‬
Soil
0
0
1
107
0
0
0
108
0.92
‫درخت‬
Tree
2
0
0
3
50
1
0
56
10.71
‫گندم‬
Wheat
0
2
0
0
0
129
1
132
2.27
‫سایر‬
Others
0
0
2
0
0
0
79
81
2.47
‫مجموع‬
Total
80
120
50
110
50
130
80
620
‫خطاي‬
‫حذف‬
‫شده‬
)%(
Omission Error
(%)
2.50
1.67
6
2.73
0
0.77
1.25
‫کلی‬ ‫دقت‬
)%(
Overall
Accuracy (%)
98.06
‫کاپا‬ ‫ضریب‬
Kappa coefficient
0.97

13. ،‫همکاران‬ ‫و‬ ‫سعدیخانی‬
‫ادغام‬
‫تصاو‬
‫ی‬
‫ر‬
‫چندط‬
‫ي‬
‫ف‬
‫ی‬
‫رادار‬ ‫و‬
‫ي‬
‫به‬
‫افزا‬ ‫منظور‬
‫ی‬
‫ش‬
‫طبقه‬ ‫دقت‬
‫بند‬
‫برآورد‬ ‫و‬ ‫ي‬
...
454
‫جدول‬
4
-
‫طبقه‬ ‫به‬ ‫مربوط‬ ‫آشفتگی‬ ‫ماتریس‬
‫ر‬ ‫و‬ ‫سنتی‬ ‫ماهواره‬ ‫تصاویر‬ ‫ادغام‬ ‫شرای‬ ‫در‬ ‫عوارض‬ ‫بندي‬
‫اداري‬
Table 4- Confusion matrix for classification of Fused images of Sentinel 2 and radar satellites
‫مرجع‬
‫شده‬
Referenced
‫طبقه‬
‫بندی‬
‫شده‬
Classified
‫کال‬
Class
‫جو‬
Barley
‫کلیا‬
Canola
‫مسیونی‬
Residential
‫خای‬
Soil
‫درخت‬
Tree
‫گندم‬
Wheat
‫سایر‬
Others
‫مجموع‬
Total
‫خ‬
‫طاي‬
‫گماشته‬
)%(
Commission Error
(%)
‫جو‬
Barley
71
0
0
0
0
0
0
71
0
‫کلیا‬
Canola
0
94
0
0
0
0
0
94
0
‫مسیونی‬
Residential
0
0
45
0
0
0
0
45
0
‫خای‬
Soil
0
0
5
102
0
0
0
107
4.67
‫درخت‬
Tree
0
8
0
0
50
10
0
68
26.47
‫گندم‬
Wheat
0
0
0
4
0
120
1
125
4
‫سای‬
‫ر‬
Others
9
18
0
4
0
0
79
110
28.18
‫مجموع‬
Total
80
120
50
110
50
130
80
620
‫خطاي‬
‫حذف‬
‫شده‬
)%(
Omission
Error (%)
11.25
21.67
10
7.27
0
7.69
1.25
‫کلی‬ ‫دقت‬
)%(
Overall
Accuracy (%)
90.48
‫کاپا‬ ‫ضریب‬
Kappa coefficient
0.89
‫جدول‬
5
-
‫نتایج‬ ‫مقایسه‬
‫پژو‬ ‫برخی‬
‫هش‬
‫مرتب‬ ‫هاي‬
Table 5- An overview of related literature
‫پوشش‬ ‫نوع‬
Type of land cover
‫روش‬
‫ادغام‬
Fusion method
‫نتیجه‬ ‫خالصه‬
Results Summary
‫مرجع‬
Reference
‫وحشی‬ ‫تمشک‬
American Bramble
Sentinel2+
SAR/Sentinel 1
Landsat8+
SAR/Sentinel 1
The overall accuracy was 76% with Sentinel2 + SAR and 72% with
Landsat8+SAR, while the accuracy for single unfused images were 65% and
53%, respectively.
Rajah et al.,
2018
‫پالم‬ ‫درخت‬
Palm oil tree
Sentinel2+
SAR/Sentinel 1
The overall accuracy of classification in fusion mode was 84.1% with 11.5%
improvement for single imagery.
Monsalve-
Tellez et al.,
2022
‫جنگل‬ ‫پوشش‬
Forest
Landsat8+
PALSAR/ALOS
Improved the overall accuracy by up to 7% in fusion mode.
Abdikhan,
2018
‫های‬ ‫حوضه‬
‫آ‬
‫زمین‬ ،‫بریز‬
‫های‬
‫مناطق‬ ،‫آیش‬ ‫و‬ ‫زراعی‬
‫شهری‬ ‫مناطق‬ ‫و‬ ‫جنگلی‬
Water body, Cultivated
and Fallow land, Forest,
and Urban areas
Sentinel2+
SAR/Sentinel1
Improved the overall accuracy by up to 30% in the fused image versus single
imagery. The producer’s and user’s accuracy were significantly improved in
cultivated land and urban area classification. The Forest and fallow lands
classifications were not significantly different. The water body was negatively
affected in the fused mode.
Hunger et al.,
2016
‫زیرساخت‬
‫شهری‬ ‫های‬
Urban infrastructure
Worldview-2+Terra
SAR/ Spotlight
Improved the classification accuracy of infra-structure and reduced the errors
by 32%.
Palubinskas et
al., 2011

14. 454
‫ماشين‬ ‫نشریه‬
‫جلد‬ ،‫کشاورزي‬ ‫هاي‬
31
‫شماره‬ ،
4
‫زمستان‬ ،
3441
‫تخمین‬ ‫مساحت‬ ‫تغییر‬ ‫درصد‬ ‫کمترین‬
‫زده‬
‫مسااحت‬ ‫باه‬ ‫نسابت‬ ‫شده‬
‫بیشاترین‬ ‫و‬ ‫اسات‬ ‫منطقاه‬ ‫در‬ ‫موجود‬ ‫جو‬ ‫میرعه‬ ‫تنها‬ ‫به‬ ‫مربوطه‬ ‫واقعی‬
‫می‬ ‫نشان‬ ‫نتایج‬ ‫همچنین‬ .‫است‬ ‫کلیا‬ ‫میرعه‬ ‫به‬ ‫مربوط‬ ‫تغییر‬ ‫درصد‬
‫دهاد‬
‫باا‬ ‫دور‬ ‫از‬ ‫سانجش‬ ‫اسا‬ ‫بر‬ ‫مساحت‬ ‫تخمین‬ ‫جو‬ ‫و‬ ‫گندم‬ ‫میارع‬ ‫در‬ ‫که‬
‫کلیا‬ ‫مورد‬ ‫در‬ ‫و‬ ‫تخمینی‬ ‫بیش‬
.‫اسات‬ ‫شاده‬ ‫زده‬ ‫تخماین‬ ‫کمتر‬ ‫مساحت‬
.‫است‬ ‫مسئله‬ ‫همین‬ ‫مبین‬ ‫تغییر‬ ‫درصد‬ ‫ستون‬ ‫در‬ ‫منفی‬ ‫عالمت‬
‫جدول‬
6
-
‫اندازه‬ ‫مساحت‬
‫گیري‬
‫تخمین‬ ‫و‬ ‫شده‬
‫زده‬
‫کال‬ ‫شده‬
‫مطالعه‬ ‫مورد‬ ‫منطقه‬ ‫در‬ ‫زراعی‬ ‫زمین‬ ‫هاي‬
Table 6- Measured vs. predicted cultivated area in the region of study
‫تغییر‬ ‫درصد‬
Difference percentage
‫تخمین‬ ‫مساحت‬
‫زده‬
‫شده‬
Predicted Area (ha)
‫اندازه‬ ‫مساحت‬
‫گیری‬
‫شده‬
Measured Area (ha)
‫کالس‬
Class
3
144.2
140
‫گندم‬
Wheat
1.5
5.58
5.5
‫جو‬
Barley
-3.6
34.7
36
‫کلیا‬
Canola
‫شی‬
‫هاي‬
7
‫باه‬ ‫چاپ‬ ‫و‬ ‫راست‬
‫تخماین‬ ‫مسااحت‬ ‫ترتیاب‬
‫زده‬
‫شاده‬
‫مقا‬ ‫در‬ )‫افقی‬ ‫(محور‬
‫انادازه‬ ‫مسااحت‬ ‫ب‬
‫گیاري‬
)‫عماودي‬ ‫(محاور‬ ‫شاده‬
‫زمین‬
‫مطالعاه‬ ‫ماورد‬ ‫منطقاه‬ ‫در‬ ‫را‬ ‫کلایا‬ ‫و‬ ‫گندم‬ ‫کشت‬ ‫زیر‬ ‫زراعی‬ ‫هاي‬
‫می‬ ‫نشان‬
‫دایره‬ ‫نقطه‬ ‫هر‬ .‫دهد‬
‫میرعاه‬ ‫قطعه‬ ‫یک‬ ‫به‬ ‫مربوط‬ ‫مساحت‬ ‫اي‬
‫می‬ ‫نشان‬ ‫را‬
‫خ‬ ‫و‬ ‫دهد‬
‫را‬ ‫مسااحت‬ ‫دو‬ ‫ایان‬ ‫باین‬ ‫رگرسیونی‬ ‫رابطه‬ ‫چین‬
‫می‬ ‫نمایش‬
‫همان‬ .‫دهد‬
‫رگرسیونی‬ ‫معادله‬ ‫که‬ ‫طور‬
‫هر‬ ‫در‬ ‫تبیین‬ ‫ضریب‬ ‫و‬
‫ای‬
‫ا‬‫م‬ ‫اان‬
‫ا‬‫نش‬ ‫اودار‬
‫ا‬‫نم‬
‫ااحت‬
‫ا‬‫مس‬ ‫اد‬
‫ا‬‫ده‬
‫این‬
‫ا‬‫تخم‬ ‫ااي‬
‫ا‬‫ه‬
‫زده‬
‫اه‬
‫ا‬‫ب‬ ‫ابت‬
‫ا‬‫نس‬ ‫اده‬
‫ا‬‫ش‬
‫مساحت‬
‫بر‬ ‫تقریبا‬ ‫و‬ ‫دارد‬ ‫مناسبی‬ ‫دقت‬ ‫واقعی‬ ‫هاي‬
‫معیار‬ ‫خ‬ ‫روي‬
y=x
‫بیرگ‬ ‫خ‬ ‫زاویه‬ ‫ضریب‬ .‫است‬ ‫گرفته‬ ‫قرار‬
‫و‬ ‫کلایا‬ ‫در‬ ‫واحاد‬ ‫مقادار‬ ‫از‬ ‫تر‬
‫آن‬ ‫مطابق‬ ‫گندم‬ ‫در‬ ‫واحد‬ ‫از‬ ‫کمتر‬
‫جدول‬ ‫در‬ ‫چه‬
0
‫به‬ ‫شد‬ ‫بیان‬ ‫هم‬
‫ترتیب‬
.‫است‬ ‫گندم‬ ‫و‬ ‫کلیا‬ ‫در‬ ‫واقعی‬ ‫از‬ ‫بیشتر‬ ‫و‬ ‫واقعی‬ ‫از‬ ‫کمتر‬ ‫تخمین‬ ‫دلی‬ ‫به‬
‫تخمین‬ ‫مساحت‬
‫زده‬
‫شده‬
Predicted Area (ha)
‫شکل‬
9
-
‫مساحت‬ ‫بین‬ ‫رابطه‬ ‫نمودار‬
‫تخمین‬
‫زده‬
‫مطالعه‬ ‫مورد‬ ‫منطقه‬ ‫در‬ ‫میارع‬ ‫واقعی‬ ‫و‬ ‫شده‬
.
‫کلیا‬ :‫چپ‬ ‫و‬ ‫گندم‬ :‫راست‬
Fig.8. Regression relations between predicted vs. measured cultivated area in the ROI. Left: Canola, Right: Wheat
‫نتیجه‬
‫گیری‬
‫پژوه‬ ‫این‬ ‫اساسی‬ ‫محور‬
‫طبقه‬ ‫ش‬
‫پوشش‬ ‫بندي‬
‫و‬ ‫گیاهی‬ ‫هاي‬
‫ادغاام‬
‫به‬ ‫چندطیفی‬ ‫و‬ ‫رادار‬ ‫تصاویر‬
‫طبقاه‬ ‫دقات‬ ‫بردن‬ ‫باال‬ ‫منظور‬
‫باوده‬ ‫بنادي‬
‫آن‬ ‫از‬ .‫است‬
‫منااطق‬ ‫مطالعااتی‬ ‫محدوده‬ ‫در‬ ‫که‬ ‫جا‬
‫کوهساتانی‬ ‫و‬ ‫مرتفاع‬
‫به‬ ،‫داشت‬ ‫وجود‬
‫بهاره‬ ‫تصااویر‬ ‫ادغام‬ ‫روش‬ ‫از‬ ‫مرتفع‬ ‫نقاط‬ ‫حذف‬ ‫منظور‬
‫سنجنده‬ ‫راداري‬ ‫تصاویر‬ ‫منظور‬ ‫این‬ ‫به‬ .‫شد‬ ‫گرفته‬
PALSAR
‫تاوان‬ ‫با‬
‫میانی‬ ‫تفییک‬
5
/
12
‫ماهواره‬ ‫چندطیفی‬ ‫تصاویر‬ ‫و‬ ‫متر‬
‫سنتین‬
2
‫توان‬ ‫با‬
‫تفییک‬
13
.‫شادند‬ ‫ترکیب‬ ‫هم‬ ‫با‬ ‫پییس‬ ‫سطح‬ ‫در‬ ‫ادغام‬ ‫روش‬ ‫به‬ ‫متر‬
‫ا‬
‫بصاري‬ ‫کیفیت‬ ‫افیایش‬ ،‫مرتعی‬ ‫و‬ ‫کوهستانی‬ ‫نقاط‬ ‫حذف‬ ‫با‬ ،‫فرآیند‬ ‫ین‬
‫طبقااه‬ ‫دقاات‬ ‫افاایایش‬ ‫همچنااین‬ ‫و‬ ‫تولیاادي‬ ‫نقشااه‬
‫براسااا‬ ‫بناادي‬
y = 0.9801x
R² = 0.9989
0
5
10
15
20
25
30
35
0 5 10 15 20 25 30 35
y = 1.0351x
R² = 0.9942
6
7
8
9
10
11
12
6 7 8 9 10 11 12
‫شده‬
‫گیری‬
‫اندازه‬
‫مساحت‬
Measured
Area
(ha)

15. ،‫همکاران‬ ‫و‬ ‫سعدیخانی‬
‫ادغام‬
‫تصاو‬
‫ی‬
‫ر‬
‫چندط‬
‫ي‬
‫ف‬
‫ی‬
‫رادار‬ ‫و‬
‫ي‬
‫به‬
‫افزا‬ ‫منظور‬
‫ی‬
‫ش‬
‫طبقه‬ ‫دقت‬
‫بند‬
‫برآورد‬ ‫و‬ ‫ي‬
...
454
‫شاخص‬
‫مقایساه‬ .‫داشات‬ ‫دنباال‬ ‫به‬ ‫را‬ ‫آشفتگی‬ ‫ماتریس‬ ‫با‬ ‫ارزیابی‬ ‫هاي‬
‫تخمین‬ ‫مساحت‬
‫زده‬
‫بیشاترین‬ ‫کاه‬ ‫کلیا‬ ‫و‬ ‫جو‬ ،‫گندم‬ ‫میارع‬ ‫واقعی‬ ‫و‬ ‫شده‬
‫د‬ ‫نشان‬ ‫داشتند‬ ‫را‬ ‫کشت‬ ‫زیر‬ ‫سطح‬
‫در‬ ‫سانتین‬ ‫مااهواره‬ ‫تصااویر‬ ‫که‬ ‫اد‬
.‫دارد‬ ‫باالیی‬ ‫دقت‬ ‫منظور‬ ‫این‬ ‫براي‬ ‫ادغام‬ ‫شرای‬
References
1. Abdikan, S. (2018). Exploring image fusion of ALOS/PALSAR data and LANDSAT data to differentiate forest
area. Geocarto International, 33, 21-37. https://doi.org/10.1080/10106049.2016.1222635
2. Ahmad, A. (2005). Change detection in high density urban area and rural area using high resolution satellite
image .Atılım Üniversitesi.
3. Arekhi, S., & Adibnejad, M. (2011). Efficiency assessment of the of Support Vector Machines for land use
classification using Landsat ETM+ data (Case study: Ilam Dam Catchment). Iranian Journal of Range and Desert
Research, 18, 420-440. (in Persian). https://doi.org/10.22092/ijrdr.2011.102175
4. Bounoua, L., Collatz, G., Los, S., Sellers, P., Dazlich, D., Tucker, C., & Randall, D. (2000). Sensitivity of climate
to changes in NDVI. Journal of Climate, 13, 2277-2292. https://doi.org/10.1175/1520-
0442(2000)013<2277:SOCTCI>2.0.CO;2
5. Efimov, A. I., Kolchaev, D. A., Nikiforov, M. B., & Novikov, A. I. (2018). Algorithm of geometrical
transformation and merging of radar and video images for technical vision systems. Pages 1-4. 2018 7th
Mediterranean Conference on Embedded Computing (MECO): IEEE. https://doi.org/10.1109/meco.2018.8406061
6. Fang, L., He, N., Li, S., Ghamisi, P., & Benediktsson, J. A. (2017). Extinction profiles fusion for hyperspectral
images classification. IEEE Transactions on Geoscience and Remote Sensing, 56, 1803-1815
https://doi.org/10.1109/tgrs.2017.2768479
7. Gomez, C., White, J. C., & Wulder, M. A. (2016). Optical remotely sensed time series data for land cover
classification: A review. ISPRS Journal of Photogrammetry and Remote Sensing, 116, 55-72.
https://doi.org/10.1016/j.isprsjprs.2016.03.008
8. Hunger, S., Karrasch, P., & Wessollek, C. (2016). Evaluating the potential of image fusion of multispectral and
radar remote sensing data for the assessment of water body structure. Pages 374-384. Remote Sensing for
Agriculture, Ecosystems, and Hydrology XVIII: SPIE. https://doi.org/10.1117/12.2241264
9. Johnson, S. J. (2009). An evaluation of land change modeler for ARCGIS for the ecological analysis of landscape
composition. Southern Illinois University at Carbondale.
10. Knorn, J., Rabe, A., Radeloff, V. C., Kuemmerle, T., Kozak, J., & Hostert, P. (2009). Land cover mapping of large
areas using chain classification of neighboring Landsat satellite images. Remote Sensing of Environment, 113,
957-964. https://doi.org/10.1016/j.rse.2009.01.010
11. Kogan, F. N. (1995). Application of vegetation index and brightness temperature for drought detection. Advances
in Space Research, 15, 91-100. https://doi.org/10.1016/0273-1177(95)00079-t
12. Lillesand, T., Kiefer, R. W., & Chipman, J. (2015). Remote sensing and image interpretation. John Wiley & Sons.
13. Malingreau, J., Tucker, C., & Laporte, N. (1989). AVHRR for monitoring global tropical deforestation.
International Journal of Remote Sensing, 10, 855-867. https://doi.org/10.1080/01431168908903926
14. Monsalve-Tellez, J. M., Torres-León, J. L., & Garcés-Gómez, Y. A. (2022). Evaluation of SAR and Optical Image
Fusion Methods in Oil Palm Crop Cover Classification Using the Random Forest Algorithm. Agriculture, 12, 955.
https://doi.org/10.3390/agriculture12070955
15. Myneni, R. B., Asrar, G., Tanre, D., & Choudhury, B. J. (1992). Remote sensing of solar radiation absorbed and
reflected by vegetated land surfaces. IEEE Transactions on Geoscience and Remote Sensing, 30, 302-314.
https://doi.org/10.1109/36.134080
16. Nouri, H., Anderson, S., Sutton, P., Beecham, S., Nagler, P., Jarchow, C. J., & Roberts, D. A. (2017). NDVI, scale
invariance and the modifiable areal unit problem: An assessment of vegetation in the Adelaide Parklands. Science
of the Total Environment, 584, 11-18. https://doi.org/10.1016/j.scitotenv.2017.01.130
17. Palubinskas, G., Makarau, A., & Tao, J. (2011). Fusion of optical and radar data for the extraction of higher
quality information.
18. Rahnama, S., Maharlooei, M., Rostami, M., & Maghsoudi, H. (2018). Date palm identification using Sentinel and
Landsat satellites imagery. Pages 1. 2018 ASABE Annual International Meeting: American Society of
Agricultural and Biological Engineers. https://doi.org/10.13031/aim.201801777
19. Rahnama, S., Maharlooei, M., Rostami, M. A., & Maghsoudi, H. (2019). Determining the Best Classification
Algorithm in order to Estimate the Area under Date Palm Cultivation using LANDSAT 8 Satellite Imagery.
Journal of Agricultural Machinery, 9(2), 321-335. (in Persian). https://doi.org/10.22067/jam.v9i2.67310
20. Rajah, P., Odindi, J., & Mutanga, O. (2018). Feature level image fusion of optical imagery and Synthetic Aperture
Radar (SAR) for invasive alien plant species detection and mapping. Remote Sensing Applications: Society and
Environment, 10, 198-208. https://doi.org/10.1016/j.rsase.2018.04.007
21. Senay, G., & Elliott, R. (2000). Combining AVHRR-NDVI and landuse data to describe temporal and spatial

16. 454
‫ماشين‬ ‫نشریه‬
‫جلد‬ ،‫کشاورزي‬ ‫هاي‬
31
‫شماره‬ ،
4
‫زمستان‬ ،
3441
dynamics of vegetation. Forest Ecology and management, 128, 83-91. https://doi.org/10.1016/s0378-
1127(99)00275-3
22. Tuia, D., Merenyi, E., Jia, X., & Grana-Romay, M. (2014). Foreword to the special issue on machine learning for
remote sensing data processing. IEEE Journal of Selected Topics in Applied Earth Observations and Remote
Sensing, 7, 1007-1011. https://doi.org/10.1109/jstars.2014.2311915
23. Wang, H., Li, Q., Gao, Z., Sun, B., & Du, X. (2014). Assessment of land degradation using time series trends
analysis of vegetation indictors in Beijing-Tianjin dust and sandstorm source region. Pages 753-756. 2014 IEEE
Geoscience and Remote Sensing Symposium: IEEE. https://doi.org/10.1109/igarss.2014.6946533
24. Zhang, M., Ghamisi, P., & Li, W. (2017). Classification of hyperspectral and LIDAR data using extinction profiles
with feature fusion. Remote Sensing Letters, 8, 957-966. https://doi.org/10.1080/2150704x.2017.1335902