بهينه‌سازي روش‌هاي طبقه‌بندي داده‌هاي سنتينل 1 و 2 با تركيب شاخص‌هاي طيفي (مطالعه موردي: تالاب انزلي)

سابقه و هدف: محدوديت‌هاي تكنيكي در طبقه‌بندي محيط‌هاي تالابي كه داراي ناهمگوني زيادي ازنظر پوشش، كاربري و تنوع گونه‌هاي گياهي هستند باعث تداخل در نتايج طبقه‌بندي و عدم دقت و صحت بالا در تفكيك كلاس‌هاي طبقه‌بندي پوشش‌هاي مختلف گياهي مي‌شود كه متاسفانه بر روي تالاب انزلي كارهاي بسيار اندكي انجام‌شده است. هدف اصلي اين مطالعه بررسي تركيب داده‌هاي چند طيفي و راداري در بهبود روش‌هاي طبقه‌بندي محيط‌هاي تالابي و ارائه روشي جهت تفكيك هرچه بهتر پوشش‌هاي مختلف‌ گياهي در اين محيط‌هاي غني با تنوع زيستي بالا است. در اين روش جهت بررسي بهتر تغييرات شاخص طيفي در طول يك سال از سامانه متن‌باز گوگل ارث انجين استفاده‌شده تا رفتار طيفي پديده‌ها در طول سال به‌طور دقيق موردمطالعه قرار گيرد.مواد و روش‌ها: در اين مطالعه از تركيب داده‌هاي سنتيل 1 و2 به همراه تركيب داده‌هاي سنتينل 2 و شاخص‌هاي طيفي NDVI، SAVI و mNDWI استفاده‌ شده است. بهترين تصوير هر فصل (تابستان، پاييز، زمستان و بهار) از سال 2016 تا 2022 به‌منظور تهيه نقشه طبقه‌بندي و بررسي دقيق‌تر تغييرات موجود در تالاب، استفاده شد. به‌منظور طبقه‌بندي تصوير، نمونه‌هاي آموزشي بر اساس نمونه‌برداري‌هاي ميداني، تركيب تصاوير ماهواره‌اي و تصاوير گوگل ارث انتخاب شدند. درنهايت براي طبقه‌بندي از سه الگوريتم نظارت‌شده ماشين بردار پشتيبان، شبكه عصبي و حداكثر احتمال استفاده شدند. همچنين نقشه شاخص‌ها در سامانه گوگل ارث انجين تهيه و محاسبه شاخص‌ها با استفاده از پروداكت‌هاي آماده موجود در اين سامانه صورت گرفت و به‌صورت ماهانه به مدت يك سال مورد بررسي گرديد. براي اطمينان از طبقه‌بندي و ارزيابي دقت طبقه‌بندي از معمول‌ترين پارامترهاي برآورد صحت، صحت كلي، دقت توليدكننده، دقت كاربر و ضريب كاپا استفاده شد.نتايج و بحث: نتايج نشان داد كه تركيب داده‌هاي سنتينل 1 و 2 نتايج بهتري را نسبت به تركيب داده‌هاي سنتينل 2 و شاخص‌هاي طيفي دارد، به‌طوري‌كه در چهار دوره بررسي ضريب كاپا به ترتيب 0.91، 0.84، 0.79، 0.97 و دقت كلي 92.99، 87.43، 83.80، 97.90 (در سال‌هاي 2016، 2017، ژانويه 2022 و جولاي 2022) در تركيب داده‌هاي سنتينل 1 و 2 به‌مراتب بيشتر از تركيب داده‌هاي سنتينل 2 با شاخص‌هاي طيفي است. همچنين تركيب داده‌هاي سنتينل 1و 2 باعث آشكارسازي هرچه بهتر پهنه‌هاي آبي و همچنين رويشگاه‌هاي لاله تالابي مي‌شود. هر سه شاخص NDVI، SAVI و mNDWI همبستگي بالايي در بررسي تغييرات در سال‌هاي مطالعه دارند، طوري كه در شش ماه اول سال روند افزايشي و در شش ماه دوم روندي كاهشي مشاهده شد و روند تغييرات گياهي و آبي يكسان است.نتيجه‌گيري: پيچيدگي‌هاي متعددي در ساختار فضايي تالاب‌ها رخ مي‌دهد كه شناسايي نوع پوشش زمين و تهديدهاي موجود را چالش‌برانگيز مي‌كند. اين مطالعه استفاده از داده‌هاي چند زماني Sentinel-1 و -2 را براي بررسي خصوصيات جامع تالاب ارائه مي‌نمايد. بررسي صحت‌ طبقه‌بندي در چهار دوره مطالعه در بازه زماني سال‌هاي 2016 تا 2022 در استفاده از سه الگوريتم طبقه‌بندي ماشين بردار پشتيبان، حداكثر احتمال و شبكه عصبي نشان داد كه تركيب داده‌هاي سنتينل 2 و سنتينل 1 از دقت كلي و ضريب كاپا بالاتري نسبت به تركيب داده‌هاي سنتينل 2 با شاخص‌هاي طيفي از برخوردار است. در بين 3 الگوريتم استفاده‌شده در تمامي سال‌ها الگوريتم حداكثر احتمال بيشترين ميزان دقت كلي و ضريب كاپا را به نسبت به دو الگوريتم ديگر دارد.