نوع مقاله : مقاله پژوهشی

نویسندگان

• حجت علیخانی ¹
• مصطفی موسی پور ²
• فرزاد مرادی ³
• علی قدمی فیروزآبادی ⁴

¹ مربی پژوهش، بخش تحقیقات فنی و مهندسی کشاورزی، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان همدان، سازمان تحقیقات، آموزش و ترویج

² کارشناس پژوهش مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان همدان، سازمان تحقیقات، آموزش و ترویج کشاورزی، همدان، ایران.

³ استادیار پژوهش، بخش تحقیقات علوم زراعی و باغی، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان همدان، سازمان تحقیقات، آموزش و

⁴ دانشیار پژوهش بخش تحقیقات فنی و مهندسی کشاورزی، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان همدان، سازمان تحقیقات، آموزش

چکیده

تعیین دقیق مرز اراضی کشاورزی به‌عنوان یکی از زیرساخت‌های اصلی کشاورزی، نقش مهمی در برنامه‌ریزی، تصمیم‌گیری و افزایش امنیت غذایی دارد. با توجه به محدودیت‌های روش‌های پیکسل‌پایه در استخراج مرز مزارع، این پژوهش با هدف ارزیابی مقایسه‌ای کارآیی عملگرهای فازی پردازش شئ‌گرای تصاویر ماهواره‌ای، به استخراج مرز اراضی کشاورزی در دشت اسدآباد، استان همدان پرداخته است. در این مطالعه از تصویر برداشت شده 29 اردیبهشت ماه سال 1404 ماهواره سنتینل 2 استفاده شد و پس از انجام پیش‌پردازش‌های لازم شامل برش محدوده مطالعه، تولید شاخص تفاضلی نرمال‌شده پوشش گیاهی، تبدیل تجزیه مؤلفه‌های اصلی و استخراج پارامترهای توپوگرافی، داده‌ها برای پردازش شئ‌گرا آماده‌سازی شدند. فرایند قطعه‌بندی با تنظیم بهینه پارامترهای مقیاس، شکل و فشردگی در نرم‌افزار ایکاگنیشن انجام گرفت و سپس با بهره‌گیری از الگوریتم تشخیص لبه Canny به‌عنوان لایه کمکی، مرزهای اراضی کشاورزی مشخص شدند. در ادامه، عملگرهای فازی شئ‌گرا بر اساس قواعد دانش‌پایه و ویژگی‌های طیفی، مکانی و هندسی تعریف و به‌منظور طبقه‌بندی اراضی کشاورزی به‌کار گرفته شدند. ارزیابی دقت نتایج با استفاده از داده‌های مرجع زمینی انجام شد. نتایج نشان داد که بالاترین دقت کلی (21/96 درصد) و ضریب کاپا (9711/0) مربوط به عملگر فازی AND بود که توانست مرز مزارع را با پیوستگی و انطباق فضایی مناسب‌تری استخراج کند. در مجموع، نتایج این پژوهش نشان می‌دهد که استفاده از عملگرهای فازی در چارچوب پردازش شئ‌گرا، رویکردی کارآمد برای استخراج مرز اراضی کشاورزی در مناطق ناهمگن کشاورزی محسوب می‌شود و می‌تواند به‌عنوان مبنایی مؤثر برای توسعه کاربردهای کشاورزی دقیق و مدیریت پایدار منابع مورد استفاده قرار گیرد.

کلیدواژه‌ها

• پردازش شئ‌گرا
• کشاورزی دقیق
• سنتینل -2
• عملگر فازی
• دشت اسدآباد

موضوعات

• سنجش از دور و سیستم اطلاعات جغرافیایی

عنوان مقاله [English]

A Comparative Evaluation of the Performance of Fuzzy Operators in Object-Based Processing of Satellite Imagery for Agricultural Land Boundary Extraction in the Asadabad Plain, Hamedan Province

نویسندگان [English]

• Hojat Alikhani ¹
• mostafa mousapour ²
• Farzad Moradi ³
• Ali Ghadami Firouzabadi ⁴

¹ Research Instructor, Agricultural Engineering Research Department, Hamadan Agricultural and Natural Resources Research and Education Center, Agricultural Research, Education and Extension Organization (AREEO), Hamadan, Iran.

² Research Expert, Hamadan Agricultural and Natural Resources Research and Education Center, Agricultural Research, Education and Extension Organization (AREEO), Hamadan, Iran.

³ Assistant Research Professor, Agronomy and Horticulture Research Department, Hamadan Agricultural and Natural Resources Research and Education Center, Agricultural Research, Education and Extension Organization (AREEO), Hamadan, Iran.

⁴ Associate Research Professor, Agricultural Engineering Research Department, Hamadan Agricultural and Natural Resources Research and Education Center, Agricultural Research, Education and Extension Organization (AREEO), Hamadan, Iran.

چکیده [English]

Accurate delineation of agricultural land boundaries, as a fundamental infrastructure of agricultural systems, plays a vital role in land-use planning, spatial decision-making, and enhancing food security. Given the limitations of conventional and pixel-based approaches in accurately extracting field boundaries, this study aimed to comparatively evaluate the performance of object-based fuzzy operators for agricultural boundary extraction in the Asadabad Plain. Sentinel-2 satellite imagery was employed as the primary data source. After essential preprocessing steps including clipping the study area, calculating the Normalized Difference Vegetation Index (NDVI), applying Principal Component Analysis (PCA), and deriving topographic parameters the dataset was prepared for object-based image analysis. Image segmentation was performed in eCognition software through optimal adjustment of scale, shape, and compactness parameters to ensure meaningful object generation. To further enhance boundary detection, the Canny edge detection algorithm was integrated as an auxiliary layer. Subsequently, object-based fuzzy operators were defined based on knowledge-driven rules and a combination of spectral, spatial, and geometric features, and were implemented to classify agricultural parcels. Accuracy assessment was conducted using ground reference data and standard statistical measures. The results indicated that the fuzzy AND operator achieved the highest overall accuracy (96.21%) and Kappa coefficient (0.9711), demonstrating superior spatial conformity and boundary continuity compared to other operators. Overall, the findings confirm that integrating fuzzy logic within an object-based Sentinel-2 framework offers a robust, precise, and transferable method for delineating agricultural land boundaries in heterogeneous farming landscapes, supporting precision agriculture and sustainable land resource management.

کلیدواژه‌ها [English]

• Object-Based Image Analysis
• Precision Agriculture
• Sentinel-2
• Fuzzy Operator
• Asadabad Plain