موسسه تحقیقات فنی و مهندسی کشاورزی تحقیقات سامانه‌ها و مکانیزاسیون کشاورزی 3060-6748 19 70 2018 08 23 Monitoring of Farm with Burned Residues using Satelite Images پایش مزارع دارای بقایای سوخته با استفاده از تصاویر ماهواره ای 111 124 114046 10.22092/erams.2018.110464.1189 FA محمدعلی رستمی استادیار پژوهش، بخش تحقیقات فنی و مهندسی کشاورزی، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان کرمان، سازمان تحقیقات، آموزش و ترویج کشاورزی، کرمان، ایران. هوشنگ افضلی گروه پژوهشگر، بخش تحقیقات فنی و مهندسی کشاورزی، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان کرمان، سازمان تحقیقات، آموزش و ترویج کشاورزی، کرمان، ایران. 0000-0001-7080-9049 Journal Article 2017 05 01 Crop residue management is very important in farmlands. Conservatiion and proper management of residues, improves soil structure, retain moisture and reduces soil erosion.  Whereas, crop residue burning converts organic material into ash, increases soil erosion and moisture loss from feild. The aim of present study was to research for accurate, fast and inexpensive methods for monitoring farms where crop residues are burned. keeping this in view, the potential of Landsat 8 sensor local data for monitoring residue burning was evaluated, using three classification methods including; supervised classification, unsupervised classification and detection of changes. Total number of 120 farms with 4 different surface coverage namely: plant residue, soil, green plant and residue ash were considered. Burned field’s location and their area were determined through satellite image with tree methods and their results were compared with field results. The results showed that due to successive changes in surface conditions of experimental farms, between two satellite imagery, such as tillage, seed planting and planted crop emergence, the satellite imagery could not be monitor the burned farms appropriately. Location and estimation of burned farm area by supervised classification was done with high accuracy. Overall classification accuracy of supervised classification method was 96.6, kappa coefficient was 0.93 and R2 was 0.92. Although by the unsupervised classification method some burned farms were separated, but overall classification accuracy and kappa coefficient of this method was low (71.6 and 0.61 respectively). Finally and based on the results it can be suggested that, supervised classification was chosen for farms remote sensing, where crop residues are burned. مدیریت بقایای گیاهی در سطح مزارع اهمیت بالایی دارد. حفظ و مدیریت صحیح بقایای گیاهی موجب اصلاح ساختمان خاک، حفظ رطوبت، و کاهش فرسایش خاک می‌شود در حالی‌که سوزاندن بقایای گیاهی به از دست رفتن مواد آلی، افزایش فرسایش، و تبخیر رطوبت می‌انجامد. وضع قوانین تشویقی برای اجرای کشاورزی حفاظتی و قوانین تنبیهی برای سوزاندن بقایای گیاهی در کشور، راهکاری است که سازمان‌های اجرایی آن را آغاز کرده‌اند اما به­علت مشکل شناسایی مزارعی که در آنها بقایای گیاهی سوزانده می‌شود، این راهکار متوقف گردید. این تحقیق به‌منظور یافتن روشی دقیق، سریع، و ارزان برای پایش مزارعی است که در آنها بقایای گیاهی آتش زده می‌شود تا بتوان به‌سادگی مزارع را شناسایی و قوانین تنبیهی یا سیاست‌‌های پیشگیرانه را اعمال کرد. در این پژوهش با استفاده از سه روش طبقه‌بندی نظارت‌شده، طبقه‌بندی نظارت‌نشده، و تشخیص تغییرات، توانایی تصویرهای سنجنده‌­ لندست 8 برای تعیین محل و مساحت مزارعی که بقایای گیاهی در آنها آتش زده شده­اند، ارزیابی شده است. برای اجرای این پژوهش و ارزیابی نتایج به­دست آمده، 120 مزرعه در نظر گرفته شد. نتایج به­دست آمده از تعیین محل و تخمین مساحت مزارع آزمایشی در تصویرهای ماهواره‌ای با داده‌های میدانی مقایسه شد. به­علت تغییرات پی‌درپی شرایط سطحی مزارع آزمایشی، در فاصلۀ زمانی  بین دو تصویربرداری سنجنده لندست، روش تشخیص تغییرات نتوانست مزارعی که بقایای گیاهی در آنها آتش زده می‌شود را به‌دقت پایش کند. شناسایی و تخمین مساحت مزارع سوخته با روش طبقه‌بندی نظارت‌شده دقت بالایی دارد (صحت کلی طبقه‌بندی 6/96 درصد، ضریب کاپا 93/0 و ضریب تبیین 92/0). بنابراین، بر اساس نتایج پژوهش، روش طبقه‌بندی نظارت‌شده برای پایش مزارع سوخته و تعیین مساحت آنها  پیشنهاد و فناوری آن ارائه شد. https://amsr.areeo.ac.ir/article_114046_3f4aafb36b763cb6b160a86b7de0c1de.pdf