fa آشکارسازی زمین‌های زراعی زعفران در سری زمانی تصاویر ماهواره‌ای سنتینل-2 به کمک روش تخمین تنک سنجش از دور RS پژوهشي Research <span style="font-family:B Nazanin;">امروزه مدیریت محصولات کشاورزی از طریق فن‌آوری سنجش از دور جایگاه ویژه‌ای در میان مدیران و تصمیم‌گیران حوزه‌ی کشاورزی پیدا کرده است. زعفران با عنوان طلای سرخ، یکی از محصولات کشاورزی خاص ایران و با ارزش اقتصادی بالا محسوب می‌شود که در حوزه‌های مختلف دارویی و غذایی مورد استفاده قرار می‌گیرد. بواسطه‌ی ویژگی‌های کاشت این محصول، در یک زمین زراعی نمی‌توان بطور پایدار زعفران استحصال نمود. بر این اساس، سطح زیرکشت این محصول هرساله متغیر بوده و پیش‌بینی و برآورد سالانه سطح آن می‌تواند برای اهداف مدیریتی کارآمد باشد. در این مقاله با مبنا قرار دادن رفتار فنولوژیکی زمین&shy;های زراعی زعفران، راهکاری به منظور آشکارسازی این زمین&shy;های زراعی از طریق الگوریتم‌های آشکارسازی هدف با استفاده از سری زمانی شاخص تفاضلی گیاهی نرمال شده مستخرج از تصاویر ماهواره‌‌ای سنتینل-2 پیشنهاد شده است. رویکرد آشکارسازی زمین‌های زعفران در این تحقیق مبتنی بر تخمین تنک پاسخ زمانی</span>&ndash;<span style="font-family:B Nazanin;"> طیفی سری ‌زمانی از طریق یک واژه نامه متشکل از پاسخ زمانی</span>&ndash;<span style="font-family:B Nazanin;"> طیفی زمین‌های زعفران و نمونه‌های پس‌زمینه می‌باشد. در این روند، ساختار زیرماتریس واژه نامه عناصر پس‌زمینه بصورت اتفاقی و مبتنی بر خوشه‌بندی فضای ویژگی تولید شده و در ادامه به منظور حفظ تفکیک‌پذیری با نمونه‌های هدف، فیلترگذاری شده‌اند. نتایج پیاده‌سازی این ایده در سه منطقه‌ مورد آزمون در شهرستان نیشابور بطور متوسط دقت 1_/93 درصدی را بدنبال داشته و در مقایسه با روش‌های آشکارسازی </span><em><span dir="LTR"><span style="font-size:8.0pt;">CEM</span></span></em><span style="font-family:B Nazanin;">، </span><em><span dir="LTR"><span style="font-size:8.0pt;">ACE</span></span></em><span style="font-family:B Nazanin;">، </span><em><span dir="LTR"><span style="font-size:8.0pt;">MF</span></span></em><span style="font-family:B Nazanin;"> و طبقه‌بندی‌کننده‌های متوازی‌السطوح و </span><em><span dir="LTR"><span style="font-size:8.0pt;">SVM</span></span></em><span style="font-family:B Nazanin;"> بطور متوسط بهبود 8_/4 درصدی را داشته است.</span> Nowadays, agricultural management via remote sensing technology has gained a special position among managers and the people who are in charge of this industry. Saffron (Red Gold) is one of specific Iran&rsquo;s agricultural products with a high economic valance which is used in different fields of food and medical industries. Considering the cultivation conditions of the saffron, there has not a persistent condition to plant in farmland, and it could not be recommended to plant saffron on the same land continuously. So, their cultivation area varies every year and the prediction of annual yields could be useful for managing aims. In this paper, considering the phenological behavior of the saffron farmlands, the detection of these farmlands using a novel target detection algorithm is proposed. To do so, a time series of the Normalized Difference Vegetation Index (NDVI) extracted from Sentinel-2 satellite images have been used as the indicator of the phenological of cultivation areas. In the proposed method, a sparse representation method is used as the target detector. In this procedure, each pixel of the NDVI time series is reconstructed through a dictionary consists of the spectra-temporal response of the saffron farmland and background samples. The sub-dictionary of the background samples has randomly sampled from a clustered feature space spanned by time series pixels. A filtering step has also been designed to avoid the selection of the target-like samples in the sub-dictionary of the backgrounds. On average, the results achieved in three different datasets in the Neyshabour city have reached 93.1% accuracies. Also, the proposed method in comparison with the well-known target detectors CEM, ACE, MF, and the parallelepiped and SVM classifiers have been indicated, on average, the 4.8% accuracy improvements. آشکارسازی هدف, تخمین تنک, سری زمانی, گیاه زعفران, شاخص گیاهی. Target Detection, Sparse Representation, Similarity Measure, Time Series, Saffron, NDVI. 101 123 http://jgit.kntu.ac.ir/browse.php?a_code=A-11-362-4&slc_lang=fa&sid=1 Ashkan Razaghmanesh اشکان رزاق منش 10031947532846008304 10031947532846008304 No Tafresh University دانشگاه تفرش Samira Allahyari Bek سمیرا اله یاری بک 10031947532846008305 10031947532846008305 No Tafresh University دانشگاه تفرش Alireza Safdarinezhad علیرضا صفدری نژاد safdarinezhad@tafreshu.ac.ir 10031947532846008306 10031947532846008306 Yes Tafresh University دانشگاه تفرش