كاربرد گوگل ارث انجين در استخراج تغييرات پوشش گياهي و تفكيك كشت محصولات فارياب (مطالعه موردي: دشت رودبار)

ارائه نقشه اراضي زير كشت آبي، از اركان اصلي در سياست‏گذاري‏‏ هاي حوزه كشاورزي و برنامه‏ريزي‏هاي بهبود مديريت آب است. اين موضوع در دشت رودبار كه اينك با بيلان منفي روبه‏رو است، اهميت زيادي دارد. در اين مطالعه، از الگوريتم ناپارامتري يادگيري ماشين بردار پشتيبان براي پردازش و طبقه‏بندي اراضي زير كشت آبي با استفاده از تصاوير ماهواره‏اي لندست استفاده شد. فرايند طبقه‌بندي نيز در بستر گوگل ارث انجين (GEE) صورت گرفت و از زبان برنامه‌نويسي JavaScript براي پس‏پردازش‏ها و شاخص NDVI براي ارائه نقشه اراضي زير كشت آبي استفاده شد. در تدوين كد مورد استفاده، سال به سه دوره چهار ماهه تقسيم شد، سپس تصاوير ماهواره لندست 8 در هر دوره (2013 تا 2021) استخراج و براي آن، تصويري بر اساس حداكثر مقدار پيكسل‏ها توليد شد. بدين منظور با استفاده از الگوريتم MVC (تركيب مقادير حداكثر)، تصاوير موجود در هر دوره بررسي شد و براي هر پيكسل حداكثر مقدار متناظر آن، بين تمام تصاوير به عنوان ارزش نهايي آن پيكسل در نظر گرفته و در نهايت، تصويري جديد ايجاد شد. در مرحله بعد با تركيب سه تصوير توليد شده (با استفاده از تركيب رنگ كاذب) و اختصاص هر كدام از تصاوير به يكي از باندهاي قرمز، سبز و آبي، تصوير جديدي به وجود آمد و از آن براي استخراج نقشه نوع كشت استفاده شد. براي بررسي دقت طبقه‌بندي مناطق زير كشت نيز از نمونه‌هاي آموزشي زميني و تصاوير با وضوح بالا (گوگل ارث)، همچنين ادغام با مجموعه داده‌هاي موجود و استفاده از دانش تخصصي و محلي در منطقه مورد مطالعه استفاده شد كه دقت طبقه‌بندي كلي 81٪ بود. همچنين بررسي تغييرات شاخص NDVI طي سال هاي 2013 تا 2021 نشان داد كه در سال 2013، كمترين مقدار پوشش گياهي و در سال‏هاي 2019 تا 2020، بيشترين مقدار پوشش گياهي وجود داشت.