یوسف عرفانی فرد - نویسنده مسئول، دانشیار، گروه سنجش از دور و GIS، دانشکده جغرافیا، دانشگاه تهران، تهران، ایران
محسن لطفی نصیرآباد - کارشناسی ارشد، گروه سنجش از دور و GIS، دانشکده جغرافیا، دانشگاه تهران، تهران، ایران

تهیه نقشه جنگل های مانگرو، نیازمند دسترسی به شاخص های کارآمدی است که مانگروها را از پدیده های دیگر روی تصاویر سنجش از دور شناسایی کنند. امروزه، مجموعه ای متنوع از شاخص های پوشش گیاهی و مانگرو در دسترس است که ارزیابی مقایسه ای کارایی آن ها، ضروری به نظر می رسد. پژوهش پیش رو با هدف مقایسه کارایی شش شاخص پوشش گیاهی و هفت شاخص مانگرو مختص استفاده روی تصاویر سنتینل۲ در خلیج نایبند (استان بوشهر)، سیریک (استان هرمزگان) و خلیج گواتر (استان سیستان و بلوچستان) انجام شد تا روشی کارآمد در نقشه برداری از مانگروها در سامانه محاسبه ابری Google Earth Engine (GEE) به دست آید. تصاویر شاخص ها با استفاده از الگوریتم ماشین بردار پشتیبان طبقه بندی شدند. نقشه مانگروها علاوه بر معیارهای متداول صحت سنجی، با استفاده از سطح زیر منحنی (AUC) مشخصه نسبی عملکرد (ROC) نیز ارزیابی شدند. نتایج نشان داد که شاخص های مانگرو، عملکرد بهتری نسبت به شاخص های پوشش گیاهی در نقشه برداری جنگل های مانگرو داشتند. از بین شاخص های پوشش گیاهی، بیشترین AUC (۹۱/۰ تا ۹۲/۰) متعلق به MCARI (Modified Chlorophyll Absorption in Reflectance Index) بود، درحالی که بین شاخص های مانگرو، بیشینه AUC (۹۳/۰ تا ۹۵/۰) در MFI (Mangrove Forest Index) مشاهده شد. به طورکلی، نتایج این پژوهش نشان داد که کاربرد MFI روی تصاویر سنتینل۲ در سامانه GEE، کارایی مناسبی برای نقشه برداری از جنگل های مانگرو در مناطق مورد پژوهش دارد.

حرا, شاخص مانگرو, ماشین بردار پشتیبان, منحنی مشخصه نسبی عملکرد