طبقه بندی پوشش زمین کرانه رودخانه زرینه رود به تفکیک گونه های درختی و درختچه ای با استفاده از سری زمانی سنتینل ۱ و ۲ abstract
سابقه و هدف: ازآنجایی که شناخت و پایش بوم سازگان های کران آبی، اولین گام در مدیریت و حفاظت آن ها است، تولید نقشه پوشش زمین به تفکیک گونه های درختی و درختچه ای در محدوده حریم رودخانه زرینه رود در استان آذربایجان غربی در پژوهش پیش رو مدنظر قرار گرفت. در تهیه نقشه های پوشش زمین، تفکیک اراضی با شباهت زیاد طیفی با استفاده از تصاویر تک زمانه، دقت چندانی ندارد، بنابراین در پژوهش پیش رو، سری زمانی تصاویر ماهواره ای برای استفاده از تفاوت های فنولوژیک گونه های گیاهی در تفکیک طبقه های درختی و درختچه ای به کار برده شد. مواد و روش ها: در این پژوهش، طی دو مرحله، طبقه های پوشش زمین از یکدیگر تفکیک شده اند. در مرحله اول با استفاده از داده های سری زمانی سنتینل ۱ و ۲ طبقه های کلی پوشش درختی (طبیعی، باغ و صنوبرکاری)، پوشش درختچه ای (طبیعی و باغ)، پوشش علفی (مرتعی)، زراعت، اراضی شهری، پهنه آبی و خاک از یکدیگر تفکیک شدند. برای دستیابی به هدف مذکور و باتوجه به اینکه تغییرات فصلی تصاویر می توانند اطلاعات مناسبی از طبقه های پوشش زمین در اختیار بگذارند، تصاویر سنتینل ۲ و قطبش های راداری سنتینل ۱ متعلق به سال ۲۰۲۱ به صورت مدیان (Median) در هر فصل در سکوی
گوگل ارث انجین پردازش شدند. داده های مذکور به صورت چهار ترکیب لایه ورودی و با چهار الگوریتم یادگیری ماشین در طبقه بندی استفاده شدند. در مرحله دوم برای تفکیک پوشش درختی و درختچه ای به طبقه های بید، گز، باغ و صنوبرکاری براساس تفاوت در روند
فنولوژی پوشش گیاهی غالب منطقه (بیدها، گزها، باغات میوه و صنوبرکاری ها)، با استفاده از روند تغییرات یک ساله شاخص های تفاضل نرمال شده پوشش گیاهی (NDVI)، تفاضل سبز و قرمز نرمال شده (NGRDI)، تفاضل نرمال شده لبه قرمز (NDREI) و نرمال شده تفاوت پوشش گیاهی سبز (GNDVI) و ترکیب آن با قطبش HV راداری سنتینل ۱ به صورت مدیان در هر فصل، نقشه نهایی پوشش زمین تولید شد. نتایج: یافته های مربوط به مرحله اول طبقه بندی نشان داد که لایه ورودی NDVI (Monthly)_ Radar (Seasonal)_ Sentinel ۲ (Seasonal) و الگوریتم جنگل تصادفی با صحت کلی ۸۸ درصد و ضریب کاپای ۸۵/۰ دقیق ترین لایه ورودی و الگوریتم طبقه بندی کننده بودند. در محله دوم طبقه بندی، شاخص NDVI میان ماه های آوریل تا نوامبر، تفکیک هر چهار دسته پوشش درختی و درختچه ای را امکان پذیر کرد. GNDVI میان ماه های دسامبر تا آوریل، بهترین شاخص برای تفکیک بیدزارها است. همچنین، این شاخص میان ماه می تا نوامبر، گزستان ها را به خوبی تفکیک کرد. NGRDI نیز میان می تا نوامبر برای تفکیک گزستان ها مناسب است. همچنین، این شاخص میان آوریل تا نوامبر، صنوبرکاری ها را به خوبی تفکیک می کند. شاخص GNDVI میان آوریل تا سپتامبر برای تفکیک دو دسته باغات و صنوبرکاری ها از بیدزار و گزستان به خوبی عمل می کند. با استفاده از ترکیب ورودی مذکور و الگوریتم جنگل تصادفی، نقشه نهایی تولید شد. صحت کلی و ضریب کاپای حاصل از صحت سنجی به کمک نمونه های زمینی و تصاویر گوگل ارث به ترتیب ۸۰ درصد و ۷۷/۰ به دست آمد. اعداد قطر اصلی ماتریکس خطا بیانگر بیشترین تفکیک پذیری در طبقه های آب، خاک و اراضی شهری بودند. از میان طبقه های پوشش گیاهی، بیدزارها و اراضی کشاورزی بهترین تفکیک پذیری را نشان دادند. نتیجه گیری کلی: تفاوت در رفتار فنولوژیک گیاهان که شامل برگ دهی، گل دهی، تولید میوه، خزان و سیکل خواب هستند، سبب نوسان مقدار شاخص های پوشش گیاهی در طول فصل های مختلف یک سال می شود. این تفاوت ها می توانند در تهیه نقشه های پوشش گیاهی برای افزایش تفکیک پذیری استفاده شوند. درنتیجه، توده های درختی و درختچه ای خالص که رفتار فنولوژیک متفاوت تری از توده های هم جوار خود دارند، از طریق سری زمانی تصاویر ماهواره ای با دقت زیادتری، قابل تفکیک هستند.