fa کاربرد سنجش از دور چند زمانی در تعیین سطح زیرکشت عمومی Ggeneral پژوهشي Research کسب آگاهی و دانش در رابطه با الگوی کشت و سطح زیر کشت نقش مهمی را در مدیریت اراضی کشاورزی و برآورد میزان تولید خالص ایفا می‌کند. ترکیب نتایج حاصل از مشاهدات و اندازه‌گیری‌های زمینی با داده‌های سنجش از دور می‌تواند نقشه‌های به ‌هنگام از سطح زیر کشت محصولات ارائه نماید این امر برای تعریف واحدهای مدیریت و نیل به کشاورزی دقیق ارزشمند است. استفاده از شاخص‌های پوشش گیاهی که امروزه در سطح وسیعی از آنها استفاده می‌شود نیز می‌تواند برای کمی کردن تولید خالص سالانه در مقیاس‌های متفاوت و جهانی و تفکیک پوشش گیاهی در مقیاس‌های قاره‌ای، جهانی و ناحیه‌ای به ‌کار گرفته شود. تحقیق حاضر با انگیزه یافتن روشی سریع همراه با دقتی قابل قبول برای شناسایی و طبقه‌بندی سطح زیر کشت اراضی کشاورزی، اعمال آنالیز جبر بولین و طبقه‌بندی نظارت نشده بر روی شاخص‌های مختلف گیاهی حاصل از سه سری زمانی تصاویر ماهواره IRS P6 از سنجنده AWiFS را مورد استفاده قرار داده است. درمنطقه مورد مطالعه استان همدان براساس تفاوت اقلیمی و تفاوت در کاشت و برداشت، 3 سری زمانی 15 فروردین، 8 اردیبهشت و 28 مرداد بهترین سری‌های زمانی تشخیص داده شدند. نتایج ارزیابی صحت نقشه‌های الگوی کشت به-دست آمده از اعمال آنالیز جبر بولین و طبقه‌بندی نظارت نشده بر روی ترکیب باندی شاخص‌های گیاهی حاصل از سه سری زمانی تصاویر نشان داد که دقت و صحت نقشه‌های الگوی کشت حاصل از اعمال آنالیز جبر بولین بر روی شاخص‌های گیاهی حاصل از دو سری زمانی تصاویر ماهواره‌ای بیشتر از نتایج حاصل از طبقه‌بندی نظارت نشده ترکیب شاخص‌های گیاهی حاصل از سه سری زمانی تصاویر ماهواره‌ای بود. اما روش دوم نسبت به روش اول به دلیل صرف زمان کمتر برای تعیین حد آستانه و تفکیک پوشش سبز و غیرسبز و هم‌چنین پیچیدگی کار با جبر بولین، ساده‌تر می‌باشد. Precision farming aims to optimize field-level management by providing information on production rate, crop needs, nutrients, pest/disease control, environmental contamination, timing of field practices, soil organic matter and irrigation. Remote sensing and GIS have made huge impacts on agricultural industry by monitoring and managing agricultural lands. Using vegetation indices have been widely used for quantifying net annual production on different scales. The aim of this study was to find a rapid method with acceptable precision for the identification and classification of agricultural lands under cultivation (wheat and barley, alfalfa and potatoes). We used multi-temporal AWiFS data and applied Boolean logic and unsupervised classification. Results indicated that Boolean logic approach had a higher accuracy and precision in comparison to unsupervised classification, although it is more complicated and time consuming. شاخص گیاهی، جبر بولین، طبقه‌بندی نظارت نشده، الگوی کشت، سنجش از دور Vegetation index, Boolean logic, Unsupervised classification, Agricultural lands, Remote sensing 215 231 http://jstnar.iut.ac.ir/browse.php?a_code=A-10-314-4&slc_lang=fa&sid=1 L. Khodakarami لقمان خداکرمی No A. Soffianian علیرضا سفیانیان soffianian@cc.iut.ac.ir Yes