کاربرد گوگل ارث انجین در استخراج تغییرات پوشش گیاهی و تفکیک کشت محصولات فاریاب (مطالعه موردی: دشت رودبار)

ارایه نقشه اراضی زیر کشت آبی، از ارکان اصلی در سیاست‏گذاری‏‏ های حوزه کشاورزی و برنامه‏ریزی‏های بهبود مدیریت آب است. این موضوع در دشت رودبار که اینک با بیلان منفی روبه‏رو است، اهمیت زیادی دارد. در این مطالعه، از الگوریتم ناپارامتری یادگیری ماشین بردار پشتیبان برای پردازش و طبقه‏بندی اراضی زیر کشت آبی با استفاده از تصاویر ماهواره‏ای لندست استفاده شد. فرایند طبقه بندی نیز در بستر گوگل ارث انجین (GEE) صورت گرفت و از زبان برنامه نویسی JavaScript برای پس‏پردازش‏ها و شاخص NDVI برای ارایه نقشه اراضی زیر کشت آبی استفاده شد. در تدوین کد مورد استفاده، سال به سه دوره چهار ماهه تقسیم شد، سپس تصاویر ماهواره لندست 8 در هر دوره (2013 تا 2021) استخراج و برای آن، تصویری بر اساس حداکثر مقدار پیکسل‏ها تولید شد. بدین منظور با استفاده از الگوریتم MVC (ترکیب مقادیر حداکثر)، تصاویر موجود در هر دوره بررسی شد و برای هر پیکسل حداکثر مقدار متناظر آن، بین تمام تصاویر به عنوان ارزش نهایی آن پیکسل در نظر گرفته و در نهایت، تصویری جدید ایجاد شد. در مرحله بعد با ترکیب سه تصویر تولید شده (با استفاده از ترکیب رنگ کاذب) و اختصاص هر کدام از تصاویر به یکی از باندهای قرمز، سبز و آبی، تصویر جدیدی به وجود آمد و از آن برای استخراج نقشه نوع کشت استفاده شد. برای بررسی دقت طبقه بندی مناطق زیر کشت نیز از نمونه های آموزشی زمینی و تصاویر با وضوح بالا (گوگل ارث)، همچنین ادغام با مجموعه داده های موجود و استفاده از دانش تخصصی و محلی در منطقه مورد مطالعه استفاده شد که دقت طبقه بندی کلی 81٪ بود. همچنین بررسی تغییرات شاخص NDVI طی سال های 2013 تا 2021 نشان داد که در سال 2013، کمترین مقدار پوشش گیاهی و در سال‏های 2019 تا 2020، بیشترین مقدار پوشش گیاهی وجود داشت.