فهرست نشریات علمی دسترسی آزاد ایران

این مطالعه با هدف اصلی مقایسه توانایی چهار الگوریتم یادگیری ماشین غیرپارامتری از جمله ماشین بردار پشتیبان (SVM)، جنگل تصادفی (RF)، درخت طبقه‌بندی و رگرسیون (CART) و حداقل فاصله (MD) برای تولید نقشه‌های کاربری و پوشش زمین انجام شده است. داده‌های چند زمانی سنجنده‌های سنتینل 2 و لندست 8، در پلتفرم گوگل ارث انجین (GEE) استفاده شد. نتایج نشان داد که طبقه‌بندی تصاویر سنتینل 2 با دقت و ضریب کاپای بالاتر برای همه طبقه‌بندی کننده‌ها، دقیق‌تر از طبقه‌بندی تصاویر لندست 8 است. طبقه‌بندی کننده SVM با میانگین دقت کلی 92.9 و 92.2 درصد به ترتیب برای تصاویر  سنتینل 2 و لندست 8 بهترین عملکرد را نسبت به سایر طبقه‌بندی کننده‌ها ارائه داد. نتایج شناسایی تغییرات LULC در طول دوره مطالعه با استفاده از مناسب‌ترین طبقه‌بندی‌کننده نشان داد مساحت کاربری‌های باغ زیتون، شالیزار و مناطق شهری در دوره مورد مطالعه افزایش یافت. در مقابل، مساحت گستره‌های آبی و زمین بایر کاهش یافته است. بررسی تاثیر تغییرات کاربری و پوشش زمین بر دمای سطح زمین بیان می‌کند که با افزایش سطوح پوشش گیاهی در منطقه، مقدار دمای سطح زمین (LST) از حداکثر و حداقل 36.48 و 21.8 درجه سلسیوس در سال 2019 به 33.84 و 19.67 درجه سلسیوس در سال 2023 رسیده است. استفاده از داده‌های ماهواره‌ای با وضوح فضایی بالا و الگوریتم SVM، می‌تواند به عنوان یک روش دقیق و کارآمد برای تهیه نقشه کاربری و پوشش زمین و ارزیابی تغییرات محیطی معرفی شود. بنابراین می‌توان از آن به عنوان یک داده ارزشمند برای تصمیم‌گیری‌های مرتبط با مدیریت منابع طبیعی و برنامه‌ریزی شهری در مناطق مشابه استفاده نمود.