مژده میرکی - گروه علوم و مهندسی جنگل، دانشکده منابع طبیعی و علوم دریایی، دانشگاه تربیت مدرس، نور، ایران.
هرمز سهرابی - گروه علوم و مهندسی جنگل، دانشکده منابع طبیعی و علوم دریایی، دانشگاه تربیت مدرس، نور، ایران.
سیما صادقی - گروه علوم و مهندسی جنگل، دانشکده منابع طبیعی و علوم دریایی، دانشگاه تربیت مدرس، نور، ایران.
پرویز فاتحی - گروه جنگلداری و اقتصاد جنگل، دانشکده منابع طبیعی، پردیس کشاورزی و منابع طبیعی دانشگاه تهران، کرج، ایران.
مارکوس امیتزر - موسسه ژئوماتیک، دانشگاه منابع طبیعی و علوم زیستی، وین (BOKU)، اتریش.

پیشرفت در سنجش از دور امکان نقشه ­برداری سریع مانگرو را با نیاز کمتر به کارهای فشرده زمینی، پردازش ­های پیچیده و سنگین و تکنیک­ های طبقه­ بندی وابسته به مهارت فراهم می­ کند. در این پژوهش، با استفاده از تصاویر ماهواره سنتینل-۲ به تهیه نقشه جنگل ­های مانگرو استان هرمزگان در سه زیست ­بوم قشم، خمیر و سیریک در سامانه Google Earth Engine (GEE)  پرداخته شد. بدین منظور تمام مراحل تهیه نقشه این جنگل­ ها، در GEE انجام شد. به این منظور از تصاویر تصحیح شده Level-۲A استفاده شد. سپس به منظور کاهش خطا، پیکسل­ های ابری با تابع maskS۲clouds از تصاویر حذف شدند. همچنین از شاخص جدید شناسایی جنگل­ های مانگرو (MMRI) و شاخص­ های طیفی مرسوم برای بارزسازی تمایز طیفی پوشش مانگرو از اطراف استفاده شد. برای طبقه ­بندی تصویر مناطق مورد مطالعه از سه کلاس برای پوشش زمین شامل: مانگرو و غیر مانگرو (خشکی) و دریا (آب) استفاده شد. طبقه­ بندی براساس الگوریتم جنگل تصادفی انجام شد و ارزیابی صحت در نرم­افزار R بر اساس روش اعتبارسنجی K-fold مورد بررسی قرار گرفت. نتایج طبقه بندی در سایت قشم با صحت کلی و کاپای %۹۸ و ۰/۷۳ در بین سه زیست­ بوم بالاترین صحت را داشت. در سایت خمیر و سیریک صحت کلی به ترتیب برابر ۹۷ % و مقدار کاپای ۰/۷۱ و ۰/۷۰ بود. شاخص MMRI مهم ترین متغیر در طبقه ­بندی در قشم و خمیر بود درحالی که در سیریک شاخص SAVI مهم ترین شاخص طیفی در تهیه نقشه پوشش مانگرو بود. صحت کلی بالای ۹۵ % در هر سه سایت نشان می­ دهد ترکیب داده ­های سنتینل-۲ با استفاده از شاخص ­های مناسب در GEE رهیافت موثری برای تولید نقشه جنگل ­های مانگرو است.

مانگرو, طبقه بندی جنگل تصادفی, شاخص شناسایی مانگرو, سنتینل-۲, شاخص های طیفی