| تعداد نشریات | 51 |
| تعداد شماره‌ها | 2,034 |
| تعداد مقالات | 21,131 |
| تعداد مشاهده مقاله | 47,629,053 |
| تعداد دریافت فایل اصل مقاله | 20,492,534 |
ارتقاء کیفیت نقشه کاربری/پوشش اراضی با استفاده از برخی شاخص‌های طیفی در شهرستان سراب، آذربایجان شرقی | ||
| آب و خاک | ||
| مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 08 آبان 1403 | ||
| نوع مقاله: مقالات پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22067/jsw.2024.88043.1410 | ||
| نویسندگان | ||
| علی سرابچی1؛ حسین رضائی* 2؛ فرزین شهبازی1 | ||
| 1گروه علوم و مهندسی خاک، دانشکده کشاورزی، دانشگاه تبریز، تبریز | ||
| 2دانشگاه تبریز | ||
| چکیده | ||
| مطالعه الگوی کاربری/پوشش اراضی و کسب اطلاعات درست و به‌روز در این خصوص از گام‌های نخست در مدیریت اراضی است. تحقیق حاضر در منطقه‌ای با وسعت 8000 هکتار از اراضی شهرستان سراب به‌منظور بررسی امکان تفکیک حداکثری و نقشه‌برداری دقیق پدیده‌های زمینی مرتبط با کاربری/پوشش اراضی انجام شد. الگوی کاربری/پوشش منطقه مورد مطالعه با استفاده از باندهای مرئی، NIR و SWIR سنجنده OLI و به کمک الگوریتم ماشین‌بردار پشتیبان و حداکثر احتمال طبقهبندی شدند. سپس به‌منظور بهبود کیفیت نقشه کاربری/پوشش اراضی، نقشه DEM و سه گروه شاخص طیفی شامل شاخص‌های پوشش گیاهی (NDVI-SAVI-LAI-EVI1-EVI2)، شاخص‌های خاک (BSI-BSI3-MNDSI-NBI-DBSI-NBLI) و شاخص‌های تلفیقی مستخرج از تصاویر ماهواره‌ای (TLIVI-ATLIVI-LST-) بررسی و شاخص‌های منتخب مجدد در الگوریتم طبقهبندی برتر وارد و کیفیت نقشه‌های خروجی مورد ارزیابی قرار گرفت. مقایسه نتایج محاسبه صحت کلی طبقهبندی و ضریب کاپا نشان داد که در تمامی ترکیبات باندی به‌کار رفته، روش ماشین‌بردار پشتیبان عملکرد بهتری نسبت به روش حداکثر احتمال داشته است. سپس، شاخص‌هایی که بیشترین تأثیر را در افزایش صحت طبقهبندی داشتند انتخاب و مجدداً عملیات طبقهبندی فقط با روش ماشین‌بردار پشتیان انجام شد و تا حصول بیشترین مقادیر پارامترهای ارزیابی صحت نقشه تکرار شد. نتایج نشان داد از شاخص‌های گیاهی، شاخص LAI با بیشترین تأثیر باعث افزایش 64/2 درصدی صحت طبقهبندی، از شاخص‌های خاک، شاخص‌های BSI و MBI مطلوب‌ترین عملکرد را داشته و به ترتیب باعث افزایش 95/1 و64/1 واحدی صحت طبقهبندی شده و از شاخص‌های تلفیقی، LST و ALTIVI به‌ترتیب موجب افزایش 75/2 و 35/2 واحدی درصد صحت طبقهبندی شدند. در نهایت فرآیند طبقهبندی با استفاده از پنج باند سنجنده OLI (باندهای مرئی+NIR+SWIR1) و شاخص‌های منتخب شامل LAI، BSI، MBI، LST و ALTIVI و الگوریتم ماشین بردار پشتیبان انجام و صحت طبقهبندی و ضریب کاپا به‌ترتیب 24/85 % و 82/0 محاسبه و منطقه مورد مطالعه به دوازده کلاس کاربری/پوشش اراضی تفکیک شد. در نهایت به‌منظور بهره‌گیری از نقشه کاربری/پوشش اراضی در مدیریت پایدار اراضی توصیه به تهیه این نقشه در دو مرحله شامل انتخاب الگوریتم برتر و در گام بعد استفاده از شاخص‌های طیفی می‌باشد. | ||
| کلیدواژه‌ها | ||
| حداکثر احتمال؛ ماشین بردار پشتیبان؛ مدیریت پایدار اراضی | ||
|
آمار تعداد مشاهده مقاله: 46 |
||