مدل سازی وضعیت صخره های مرجانی با استفاده از رگرسیون ماشین بردار پشتیبان و اعمال شاخص های طیفی

از منظر تنوع زیستی، جزایر مرجانی مانند جنگل های استوایی، متنوع ترین اکوسیستم های جهان و شاخصی از سلامت اکوسیستم محسوب می شوند اما اکثر این جزایر به دلیل تحولات توریستی و نیز تاثیرات تغییر آب وهوا رو به نابودی اند.توانایی شناسایی و ارزیابی سلامت مرجان ها با استفاده از تصاویر ماهواره ای شیوه ای مقرون به صرفه و موثر است. با توجه به اثرگذاری دمای سطح آب بر روی سلامت و توزیع رجان ها، با استفاده از الگوریتم هایی به رابطه ی بین آن ها و سلامت مرجان های منطقه مورد مطالعه که در این مقاله جزیره مرجانی هرون استرالیا می باشد، پرداخته شده است. در این مطالعه با استفاده از تصاویر لندست-8 و به دست آوردن بازتابش باندها، ویژگی ها و شاخص های طیفی مهم مرتبط با آب و صخره های مرجانی مانند: NDVI, NDWI, FAI, AWEI, SWI,MNDWI,GRVI توسط محققین و با استفاده از روش رگرسیون بردار پشتیبان (SVR) و بدست آوردن پارامترهای کرنل آن، به مدل سازی وضعیت سلامت صخره های مرجانی پرداخته شده است. در این مقاله از الگوریتم های تکاملی مثل الگوریتم ژنتیک (GA) و الگوریتم انتخاب ویژگی ترتیبی جلویی(SFS) برای رسیدن به انتخاب ویژگی مطلوب و مدل سازی بهینه و طبقه بندی سلامت مرجان ها استفاده شده است.در این مقاله با استفاده از روش رگرسیون بردار پشتیبان در حالت کلی به 0.591RMSE= و0.979=R2 رسیدیم و در حالت پیشنهادی(GA-SVR) به 0.53RMSE= و0.983 =R2 رسیدیم که بیانگر عملکرد خوب این مدل بهینه می-باشد.