جستجوی مقالات مرتبط با کلیدواژه

شاخص مانگرو

در نشریات گروه جنگلداری

تکرار جستجوی کلیدواژه شاخص مانگرو در نشریات گروه کشاورزی

تکرار جستجوی کلیدواژه شاخص مانگرو در مقالات مجلات علمی

انتخاب همه

مقایسه شاخص های پوشش گیاهی و مانگرو در تهیه نقشه جنگل های مانگرو روی تصاویر سنتینل2 مبتنی بر سامانه Google Earth Engine

یوسف عرفانی فرد*، محسن لطفی نصیرآباد

فصلنامه تحقیقات جنگل و صنوبر ایران، سال سی‌ام شماره 3 (پیاپی 89، پاییز 1401)، صص 224 -240

تهیه نقشه جنگل های مانگرو، نیازمند دسترسی به شاخص های کارآمدی است که مانگروها را از پدیده های دیگر روی تصاویر سنجش از دور شناسایی کنند. امروزه، مجموعه ای متنوع از شاخص های پوشش گیاهی و مانگرو در دسترس است که ارزیابی مقایسه ای کارایی آن ها، ضروری به نظر می رسد. پژوهش پیش رو با هدف مقایسه کارایی شش شاخص پوشش گیاهی و هفت شاخص مانگرو مختص استفاده روی تصاویر سنتینل2 در خلیج نایبند (استان بوشهر)، سیریک (استان هرمزگان) و خلیج گواتر (استان سیستان و بلوچستان) انجام شد تا روشی کارآمد در نقشه برداری از مانگروها در سامانه محاسبه ابری Google Earth Engine (GEE) به دست آید. تصاویر شاخص ها با استفاده از الگوریتم ماشین بردار پشتیبان طبقه بندی شدند. نقشه مانگروها علاوه بر معیارهای متداول صحت سنجی، با استفاده از سطح زیر منحنی (AUC) مشخصه نسبی عملکرد (ROC) نیز ارزیابی شدند. نتایج نشان داد که شاخص های مانگرو، عملکرد بهتری نسبت به شاخص های پوشش گیاهی در نقشه برداری جنگل های مانگرو داشتند. از بین شاخص های پوشش گیاهی، بیشترین AUC (91/0 تا 92/0) متعلق به MCARI (Modified Chlorophyll Absorption in Reflectance Index) بود، درحالی که بین شاخص های مانگرو، بیشینه AUC (93/0 تا 95/0) در MFI (Mangrove Forest Index) مشاهده شد. به طورکلی، نتایج این پژوهش نشان داد که کاربرد MFI روی تصاویر سنتینل2 در سامانه GEE، کارایی مناسبی برای نقشه برداری از جنگل های مانگرو در مناطق مورد پژوهش دارد.

کلید واژگان: حرا، شاخص مانگرو، ماشین بردار پشتیبان، منحنی مشخصه نسبی عملکرد

چکیده مشاهده متن مقاله پژوهشی/اصیل زبان: فارسی

Comparison of vegetation and mangrove indices in mangrove mapping on Sentinel-2 imagery based on Google Earth Engine

Y. Erfanifard *, M. Lotfi Nasirabad

Iranian Journal of Forest and Poplar Research, Volume:30 Issue: 3, 2022, PP 224 -240

Eﬀective mangrove mapping needs reliable indices that can characterize mangroves from other land cover types on remote sensing data. Currently, a variety of vegetation- and mangrove indices are available, while a comparative assessment of their efficiency seems essential. The aim of this study was to evaluate six vegetation indices and seven mangrove indices developed for Sentinel-2 imagery to obtain a robust approach in mangrove mapping within Google Earth Engine (GEE) cloud computing platform. The rasterized indices were classified by support vector machine. The final maps were evaluated by area under curve (AUC) of receiver operating characteristic (ROC) in addition to common accuracy assessment criteria. Results showed that mangrove indices were more reliable than vegetation indices. Amongst the vegetation indices, Modiﬁed Chlorophyll Absorption in Reﬂectance Index (MCARI) (AUCmangrove from 0.91 to 0.92) achieved the highest AUC values, while MFI (Mangrove Forest Index) returned the highest values amongst the mangrove indices (AUCmangrove from 0.93 to 0.95). All in all, results revealed that MFI on Sentinel-2 imagery in GEE was efficient in mangrove mapping within the study sites.

Keywords: Avicennia marina, Google Earth, mangrove index, Receiver Operating Characteristic, Support Vector Machine

Abstract View Paper Research/Original Article Original: Persian

نکته

نتایج بر اساس تاریخ انتشار مرتب شده‌اند.
کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شده‌است. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
در صورتی که می‌خواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.

به جمع مشترکان مگیران بپیوندید!

شاخص مانگرو