فهرست نشریات علمی دسترسی آزاد ایران

سابقه و هدف: محدودیت‌های تکنیکی در طبقه‌بندی محیط‌های تالابی که دارای ناهمگونی زیادی ازنظر پوشش، کاربری و تنوع گونه‌های گیاهی هستند باعث تداخل در نتایج طبقه‌بندی و عدم دقت و صحت بالا در تفکیک کلاس‌های طبقه‌بندی پوشش‌های مختلف گیاهی می‌شود که متاسفانه بر روی تالاب انزلی کارهای بسیار اندکی انجام‌شده است. هدف اصلی این مطالعه بررسی ترکیب داده‌های چند طیفی و راداری در بهبود روش‌های طبقه‌بندی محیط‌های تالابی و ارائه روشی جهت تفکیک هرچه بهتر پوشش‌های مختلف‌ گیاهی در این محیط‌های غنی با تنوع زیستی بالا است. در این روش جهت بررسی بهتر تغییرات شاخص طیفی در طول یک سال از سامانه متن‌باز گوگل ارث انجین استفاده‌شده تا رفتار طیفی پدیده‌ها در طول سال به‌طور دقیق موردمطالعه قرار گیرد. مواد و روش‌ها: در این مطالعه از ترکیب داده‌های سنتیل 1 و2 به همراه ترکیب داده‌های سنتینل 2 و شاخص‌های طیفی NDVI، SAVI و mNDWI استفاده‌ شده است. بهترین تصویر هر فصل (تابستان، پاییز، زمستان و بهار) از سال 2016 تا 2022 به‌منظور تهیه نقشه طبقه‌بندی و بررسی دقیق‌تر تغییرات موجود در تالاب، استفاده شد. به‌منظور طبقه‌بندی تصویر، نمونه‌های آموزشی بر اساس نمونه‌برداری‌های میدانی، ترکیب تصاویر ماهواره‌ای و تصاویر گوگل ارث انتخاب شدند. درنهایت برای طبقه‌بندی از سه الگوریتم نظارت‌شده ماشین بردار پشتیبان، شبکه عصبی و حداکثر احتمال استفاده شدند. همچنین نقشه شاخص‌ها در سامانه گوگل ارث انجین تهیه و محاسبه شاخص‌ها با استفاده از پروداکت‌های آماده موجود در این سامانه صورت گرفت و به‌صورت ماهانه به مدت یک سال مورد بررسی گردید. برای اطمینان از طبقه‌بندی و ارزیابی دقت طبقه‌بندی از معمول‌ترین پارامترهای برآورد صحت، صحت کلی، دقت تولیدکننده، دقت کاربر و ضریب کاپا استفاده شد. نتایج و بحث: نتایج نشان داد که ترکیب داده‌های سنتینل 1 و 2 نتایج بهتری را نسبت به ترکیب داده‌های سنتینل 2 و شاخص‌های طیفی دارد، به‌طوری‌که در چهار دوره بررسی ضریب کاپا به ترتیب 91/0، 84/0، 79/0، 97/0 و دقت کلی 99/92، 43/87، 80/83، 90/97 (در سال‌های 2016، 2017، ژانویه 2022 و جولای 2022) در ترکیب داده‌های سنتینل 1 و 2 به‌مراتب بیشتر از ترکیب داده‌های سنتینل 2 با شاخص‌های طیفی است. همچنین ترکیب داده‌های سنتینل 1و 2 باعث آشکارسازی هرچه بهتر پهنه‌های آبی و همچنین رویشگاه‌های لاله تالابی می‌شود. هر سه شاخص NDVI، SAVI و mNDWI همبستگی بالایی در بررسی تغییرات در سال‌های مطالعه دارند، طوری که در شش ماه اول سال روند افزایشی و در شش ماه دوم روندی کاهشی مشاهده شد و روند تغییرات گیاهی و آبی یکسان است. نتیجه‌گیری: پیچیدگی‌های متعددی در ساختار فضایی تالاب‌ها رخ می‌دهد که شناسایی نوع پوشش زمین و تهدیدهای موجود را چالش‌برانگیز می‌کند. این مطالعه استفاده از داده‌های چند زمانی Sentinel-1 و -2 را برای بررسی خصوصیات جامع تالاب ارائه می‌نماید. بررسی صحت‌ طبقه‌بندی در چهار دوره مطالعه در بازه زمانی سال‌های 2016 تا 2022 در استفاده از سه الگوریتم طبقه‌بندی ماشین بردار پشتیبان، حداکثر احتمال و شبکه عصبی نشان داد که ترکیب داده‌های سنتینل 2 و سنتینل 1 از دقت کلی و ضریب کاپا بالاتری نسبت به ترکیب داده‌های سنتینل 2 با شاخص‌های طیفی از برخوردار است. در بین 3 الگوریتم استفاده‌شده در تمامی سال‌ها الگوریتم حداکثر احتمال بیشترین میزان دقت کلی و ضریب کاپا را به نسبت به دو الگوریتم دیگر دارد.