کاربرد سنجش از دور و یادگیری ماشین برای تشخیص کانونهای گرد و خاک در استان خوزستان
نویسندگان
1 پیشبینی و مدیریت بحران مخاطرات جوی، اداره کل هواشناسی استان خوزستان، اهواز، ایران.
2 اداره کل هواشناسی استان خوزستان، اهواز، ایران.
doi
10.22059/jesphys.2025.398558.1007704چکیده
استان خوزستان بهدلیل شرایط اقلیمی خشک و موقعیت جغرافیایی ویژه، یکی از مناطق اصلی وقوع طوفانهای گرد و خاک در ایران است. این مطالعه با استفاده از داده ماهوارهای شامل شاخص نرمالشده تفاوت پوششگیاهی (NDVI)، شاخص هواویز جذبی (AAI)، رطوبت سطحی خاک و الگوریتم یادگیری ماشین جنگل تصادفی (Random Forest) به شناسایی کانونهای گرد و خاک در خوزستان طی بازهزمانی 26 ژانویه تا 26 آوریل 2025 پرداخته است. داده سنتینل-2، سنتینل-5P، و اسمپ برای محاسبه شاخصها استفاده شدند. با استفاده از پلتفرم گوگلارث انجین (GEE)، میانگین شاخص نرمالشده تفاوت پوششگیاهی، میانگین شاخص هواویز جذبی، میانگین رطوبت سطحی خاک در بازه یک ماهه، یک تصویر ترکیبی ساخته شد. تحلیل سری زمانی شاخص نرمالشده تفاوت پوششگیاهی، شاخص هواویز جذبی و رطوبت سطحی خاک افزایش فعالیت هواویزها را در ماههای خشکتر تأیید کرد. با تحلیل تصاویر ماهواره یومت ست200 نقطه بهعنوان کانون گرد و خاک و 200 نقطه بهعنوان نقاط کانونی انتخاب شد که 70 درصد آنها جهت آموزش مدل، 15 درصد جهت اعتبارسنجی و 15 درصد برای آزمون و ارزیابی نهایی استفاده شد. مدل طبقهبندی جنگل تصادفی با 50 درخت تصمیم مورد استفاده قرار گرفت. نتایج حاصل از دادههای اعتبارسنجی (دقت کلی 95/0، امتیاز F195/0 و ضریب کاپا 9/0) و آزمون نهایی (دقت کلی 967/0، امتیاز F1 967/0 و ضریب کاپا 933/0) نشاندهنده عملکرد بسیار قوی و پایدار مدل است. نتایج نشان داد که مناطق جنوب و غرب خوزستان، بهویژه اطراف هورالعظیم، بهعنوان کانونهای اصلی گرد و خاک شناسایی شدند. این روش می تواند به مدیریت و کاهش اثرات طوفانهای گرد و خاک کمک کند.