طبقه بندی حوضه آبی دریاچه پریشان به روش طبقه بندی جنگل تصادفی با استفاده از تصاویر ماهواره لندست
بحران کمبود آب موجود در جهان، مدیریت آب در بخش های مختلف از جمله حوضه های آبی و کشاورزی را تحت تاثیر قرار داده است. حوضه های آبی و زمین های اطراف آن ها درطول سال های اخیر با چالش های جدی از قبیل خشک شدن دریاچه ها و رودها، بیلان منفی آبخوان ها، تغییرات کاربری زمین های اطراف، افزایش سطح زیر کشت اراضی زراعی آبی و باغی و تغییر الگوی کشت از سمت محصولات کم مصرف به محصولاتی با نیاز آبی بالا مواجه شده اند. استفاده از تصاویر ماهواره ای به دلیل پوشش وسیع مکانی، قدرت تفکیک بالا، هزینه کم، آرشیو زمانی غنی تصاویر ماهواره ای و سهولت روش های تعیین کاربری، ابزاری مناسب و کار آمد برای کمک به مدیریت منابع آب و خاک است. در این پژوهش، چهار طبقه خاک، آب و مناطق مرطوب، شهری و کشاورزی انتخاب شده اند. سپس، از دو روش طبقه بندی جنگل تصادفی و ماشین های بردار پشتیبان ، برای طبقه بندی تصاویر استفاده شده است. روش های طبقه بندی با محاسبه دو شاخص دقت کلی و ضریب کاپا با استفاده از داده های تست بررسی شدند. طبقه بندی جنگل تصادفی در چهار سال 2012، 2014، 2016 و 2018 و طبقه بندی ماشین های بردار پشتیبان در دو سال 2008 و 2010 بالاترین دقت را دارند. بنابراین، الگوریتم جنگل تصادفی در تفکیک طبقه ها به خصوص حوضه آبی به خوبی عمل کرده است و می توان به عنوان روشی قابل اعتماد از آن در این حوضه بهره برد.
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.