با همکاری انجمن مهندسان مکانیک ایران
نویسنده = هادی زهدی
کشاورزی دیجیتال، هوشمند و دقیق

ارزیابی پتانسیل تصاویر ماهواره‌ای چندطیفی سنتینل-۲ برای شناسایی هجوم آفت زنجرک در مناطق کشت نخل خرما

دوره 16، شماره 3، پاییز 1405، صفحه 365-381

https://doi.org/10.22067/jam.2025.90276.1297

هادی کریمی، محمدجواد عصاری، هادی زهدی، فروغ رنجبر ورندی

ارزیابی پتانسیل تصاویر ماهواره‌ای چندطیفی سنتینل-۲ برای شناسایی هجوم آفت زنجرک در مناطق کشت نخل خرما

چکیده زنجرک خرما با تضعیف درختان خرما و کاهش تولید میوه، کشاورزی در خاورمیانه را تهدید می‌کند. شناسایی محل آلودگی برای کنترل موثر آفات بسیار مهم است. با این حال، بازرسی منظم میدانی می‌تواند پرهزینه، دشوار و زمان‌بر باشد، به‌خصوص در مناطق وسیع. این مطالعه توانایی تصاویر ماهواره‌ای چندطیفی سنتینل-۲ را برای شناسایی مکان‌های هجوم زنجرک خرما برای بهبود نظارت و فعال کردن کنترل فوری آفات، در نتیجه کاهش خسارات مالی، ارزیابی می‌کند. آزمایش صحرایی برای ارزیابی آلودگی در اردیبهشت 1402 همزمان با اوج شیوع آفت انجام شد. شدت آلودگی از طریق شمارش آفات در نخلستان‌های منطقه شهری بم تعیین شد. تصاویر چندطیفی سنتینل-۲ از یک منطقه خاص به‌دست آمد، برای تصحیح، آماده‌سازی داده‌های خام و استخراج اطلاعات پردازش شد. پس از مرحله پیش‌پردازش، مدل طبقه‌بندی‌کننده K-Nearest Neighbor مبتنی بر درخت KD برای توسعه مدلی با تمرکز بر شناسایی مکان‌های آلوده انتخاب شد. برای آموزش، 70 درصد از داده‌های میدانی اندازه‌گیری‌شده، شامل مناطق غیرآلوده و مناطق با سه سطح آلودگی از سبک تا شدید و همچنین سایر ویژگی‌های زمین مانند ساختمان‌ها، جاده‌ها و غیره استفاده شد. 30 درصد باقی‌مانده داده‌ها برای ارزیابی مدل آموزش‌دیده استفاده شد. مدل طبقه‌بند آموزش‌دیده در مقایسه با داده‌های حقیقت پایه، در حدود 83 درصد پیش‌بینی‌های درست را با مجموعه داده آزمایشی به‌دست آورد. این دقت، توانایی تصاویر چندطیفی سنتینل-۲ و یادگیری ماشینی را برای شناسایی هجوم حشرات به زنجرک خرما در نخلستان‌ها برجسته می‌کند و می‌تواند مدیریت هدفمند و پایدار آفات را تسهیل کند.