فهرست مطالب نویسنده:

davoud omarzadeh

انتخاب همه

برآورد تغییرات سطح جنگل های هیرکانی جنوب دریای کاسپین با ترکیب داده های سنجش ازدور و روش های یادگیری ماشین

مهدی افراز، داوود عمرزاده، مبین افتخاری*، مصطفی یعقوب زاده، علی حاجی الیاسی

مجله مدیریت اراضی، سال دوازدهم شماره 2 (پاییز و زمستان 1403)، صص 169 -185

جنگل های هیرکانی به دلیل قدمت چند میلیون ساله و تنوع زیستی غنی، در مناطق شمالی ایران و سواحل جنوبی دریای خزر از اهمیت زیست محیطی، اقتصادی و فرهنگی برخوردارند و نقش مهمی در حفظ منابع آب، خاک، تنوع گیاهی و جانوری، و تعدیل تغییرات اقلیمی ایفا می کنند. بررسی تغییرات پوشش جنگلی این جنگل ها برای مدیریت پایدار منابع طبیعی ضروری است. در این پژوهش، برای تحلیل دقیق تغییرات جنگل های هیرکانی بین سال های 1379 تا 1396، از داده های متنوع سنجش ازدور شامل شاخص تفاضل پوشش گیاهی نرمال شده (NDVI)، داده های پوشش گیاهی مادیس با عنوان (VCF)، و تصاویر ماهواره های سنتینل یک، لندست های پنج و هشت استفاده شد. برای طبقه بندی، از روش های ماشین بردار پشتیبان (SVM) و جنگل تصادفی (RF) بهره گرفته شد. نتایج نشان داد که در بازه زمانی 17 ساله حدود 534 کیلومترمربع از مساحت جنگل های هیرکانی تخریب شده است. همچنین دقت کاربر برای SVM، 93/26 و برای RF، 89/29 درصد بود. ضریب کاپا نیز برای SVM ، 94/62 و برای RF، 74/63 درصد به دست آمد که حاکی از دقت بالای نتایج به دست آمده است. مقایسه نتایج میزان تغییرات پوشش جنگل و دقت به دست آمده حاصل از طبقه بندی با الگوریتم ها نشان داد که نتایج با تقریب خوبی با داده های جهانی تغییر پوشش جنگل هانسن مطابق دارد. رویکرد بکار رفته در این تحقیق و نتایج آن می تواند در مدیریت و برنامه ریزی حفاظت از جنگل ها و مدیریت منابع طبیعی به کار گرفته شود و به بهره برداری پایدار از جنگل های هیرکانی کمک شایانی کند.

کلید واژگان: تخریب جنگل، ماشین بردار پشتیبان، جنگل تصادفی، روش هانسن، سنجش ازدور

چکیده مشاهده متن مقاله پژوهشی/اصیل زبان: فارسی

Using Remote Sensing Data and Machine Learning Methods to Estimate Changes in Hyrcanian Forests along the Southern Coasts of the Caspian Sea

Mahdi Afraz, Davoud Omarzadeh, Mobin Eftekhari *, Mostafa Yaghoobzadeh, Ali Haji Elyasi

Journal of Land Management, Volume:12 Issue: 2, 2025, PP 169 -185

The Hyrcanian Forests, located along the southern coastal areas of the Caspian Sea in northern Iran, are of great environmental, economic, and cultural significance. They play crucial roles not only in preserving water resources, soil, plant, and animal diversity but in mitigating adverse impacts of climate change as well. The present study investigated changes in the Hyrcanian forest cover between 2000 and 2017 using the diverse remote sensing data of Normalized Difference Vegetation Index (NDVI), and MODIS Vegetation Continuous Fields (VCF) as well as Sentinel-1, Landsat-5, and Landsat-8 satellite images while the Support Vector Machine (SVM) and Random Forest (RF) methods were employed for classification. The results revealed that approximately 534 square kilometers of the forests had experienced degradation. Moreover, classification accuracy levels were impressive as evidenced by a user accuracy of 93.26% and a Kappa coefficient of 94.62% recorded for SVM and corresponding values of 89.29% 74.63% for RF. Comparison with global forest change datasets confirmed the reliability of the results obtained. The research approach seems to offer promising insights useful for forest conservation management, natural resource planning, and enhanced sustainable utilization of Hyrcanian forests.

Keywords: Forest Degradation, Remote Sensing, Hansen Method, Support Vector Machine, Random Forest

Abstract View Paper Research/Original Article Original: Persian

بدانید!

در این صفحه نام مورد نظر در اسامی نویسندگان مقالات جستجو می‌شود. ممکن است نتایج شامل مطالب نویسندگان هم نام و حتی در رشته‌های مختلف باشد.
همه مقالات ترجمه فارسی یا انگلیسی ندارند پس ممکن است مقالاتی باشند که نام نویسنده مورد نظر شما به صورت معادل فارسی یا انگلیسی آن درج شده باشد. در صفحه جستجوی پیشرفته می‌توانید همزمان نام فارسی و انگلیسی نویسنده را درج نمایید.
در صورتی که می‌خواهید جستجو را با شرایط متفاوت تکرار کنید به صفحه جستجوی پیشرفته مطالب نشریات مراجعه کنید.

به جمع مشترکان مگیران بپیوندید!

davoud omarzadeh