طبقه‌بندی حوضه آبی دریاچه پریشان به روش طبقه‌بندی جنگل تصادفی با استفاده از تصاویر ماهواره لندست

بحران کمبود آب موجود در جهان، مدیریت آب در بخش‌های مختلف از جمله حوضه­‌های آبی و کشاورزی را تحت تاثیر قرار داده است. حوضه‌های آبی و زمین­‌های اطراف آن­‌ها درطول سال­‌های اخیر با چالش­‌های جدی از قبیل خشک‌­شدن دریاچه‌­­ها و رودها، بیلان منفی آبخوان­‌ها، تغییرات کاربری زمین­‌های اطراف، افزایش سطح زیر­کشت اراضی­ زراعی آبی و باغی و تغییر الگوی­ کشت از سمت محصولات کم­‌مصرف به محصولاتی با نیاز آبی بالا مواجه شده‌­اند. استفاده از تصاویر ماهواره‌­ای به‌­دلیل پوشش وسیع مکانی، قدرت تفکیک بالا، هزینه کم، آرشیو زمانی غنی تصاویر ماهواره‌ای و سهولت روش­‌های تعیین کاربری، ابزاری مناسب و کار­آمد برای کمک به مدیریت منابع آب ‌و خاک است. در این پژوهش، چهار­­­ طبقه خاک، آب و مناطق مرطوب، شهری و کشاورزی انتخاب شده­‌اند. سپس، از دو روش طبقه‌­بندی جنگل­ تصادفی و ماشین­‌های بردار ­پشتیبان­، برای طبقه­‌بندی تصاویر استفاده شده است. روش­‌های طبقه‌­بندی با محاسبه دو شاخص دقت کلی و ضریب کاپا با استفاده از داده‌­های تست بررسی شدند. طبقه‌­بندی جنگل تصادفی در چهار سال 2012، 2014، 2016 و 2018 و طبقه‌­بندی ماشین­‌های بردار­ پشتیبان در دو­ سال 2008 و 2010 بالاترین دقت را دارند. بنابراین، الگوریتم جنگل ­تصادفی در تفکیک طبقه­‌ها به­‌خصوص حوضه ­آبی به­‌خوبی عمل کرده ­است و می‌­توان به­‌عنوان روشی قابل ­اعتماد از آن در این حوضه بهره­ برد.

کلیدواژه ها:

بردار پشتیبان ، طبقه‌بندی پوشش زمین ، طبقه‌بندی عوارض ، ضریب کاپا ، مدیریت منابع