الگوریتم مناسب برای شناسایی تغییرات میکرو لندفرم ها با استفاده از تصاویر پهپاد (مطالعه موردی: ناحیه برگ جهان در پهنه جاجرود 1397-1396)

یکی از اصلی‌ترین و مهم‌ترین مباحث ژیومورفولوژی شناسایی و ارزیابی تغییرات میکرولندفرم هاست. شناخت و نحوه پراکنش فضایی آن‌ها به‌منظور درک و ارزیابی تحولات، مطالعات پایداری و برنامه‌ریزی ناحیه ای، از نیازهای اساسی علم ژیومورفولوژی کاربردی است. ناحیه برگ جهان در حوضه آبریز جاجرود متاثر از تغییرات محیطی زیادی قرار دارد. در این مطالعه، بر اساس رویکرد ژیومورفولوژیکی ریزمقیاس با استفاده از تصاویر پهپاد به همراه بررسی میدانی در برگ جهان، تحولات میکرولندفرم ها بررسی شد. تصاویر پهپاد با رزولوشن مکانی 5/2 سانتیمتر در بازه زمانی 1396 تا 1397 از وزارت نیرو تهیه شد. این تصاویر با استفاده از نرم‌افزارهای ENVI 5.1 و10.3  Arc Map تصحیح شد و سپس با استفاده کد نویسی در Python الگوریتم های موردنظر اجرا شد. با الگوریتم های یادگیری ماشین و مدل های جنگل تصادفی، SVM با کرنل RBF، جنگل تصادفی با ویژگی‌های استخراجی از شبکه‌های CNN و SVM با کرنل خطی با ویژگی‌های استخراجی از شبکه‌های عصبی عمیق تغییرات بررسی شد. نتایج نشان داد مدل- RBF SVM با 88درصد نسبت به مدل های دیگر دقت کمتری دارد به‌طوری‌که تفکیک بین طبقه‌ها محدود بود. در جنگل تصادفی با 92درصد طبقه ها با مرزهای خطی تا حدی قابل‌تفکیک بودند. مدل نزدیک به ایده آل در الگوریتم جنگل تصادفی با یادگیری عمیق به میزان دقت 96درصد مشاهده شد. بررسی ها نشان داد بیشترین تغییرات میکرولندفرم ها در این مدل، مربوط به تغییر پوشش گیاهی به خاک به میزان 03/45 و در رتبه بعدی تغییر آبکند به فرسایش ورقه‌ای به میزان 05/22 بود. با توجه به نتایج به‌دست‌آمده و مشاهدات میدانی در سال 1397 مشخص شد، سیل سال 1397 در ناحیه برگ جهان سبب تغییرات عمده‌ای در ناحیه شده است. بیشترین تاثیر آن بر روی پوشش گیاهی بوده است و نمودار، آن را در بالاترین حد آشفتگی نشان می دهد. در این بازه جریان سطحی وخندق در ناحیه بیشتر شده و میزان بالای فرسایش و تغییرات بسیار زیاد میکرولندفرم ها در پهنه مطالعاتی را نشان می دهد.