مقایسه الگوریتم‌های مختلف تهیه نقشه پوشش زمین در رویشگاه‌های حساس زاگرس با استفاده از تصویر ماهواره‌ای سنتینل2- (مطالعه موردی: بخشی از استان ایلام)

جنگل‌ها و مراتع غرب کشور در رویشگاه زاگرس، طی سال‌های اخیر به دلایل مختلف تا حد زیادی تخریب‌ شده‌اند. تهیه نقشه پوشش زمین در این رویشگاه‌ها، اولین اقدام برای حفاظت از آن‌ها و جلوگیری از تخریب بیشتر است. هدف از این تحقیق، انتخاب بهترین الگوریتم برای تهیه نقشه پوشش زمین در بخشی از رویشگاه ایلام با استفاده از تصویر سنتینل2 است. پس از تهیه تصویر سنتینل-2، طبقه‌بندی نظارت‌ شده آن با هفت الگوریتم‌ (حداکثر احتمال، حداقل فاصله از میانگین، فاصله ماهالانوبیس، نقشه بردار زاویه طیفی، نقشه بردار همبستگی طیفی، ماشین بردار پشتیبان، شبکه عصبی) انجام شد. برای ارزیابی دقت نقشه‌های پوشش زمین، مجموعه نقاط تصادفی مونه بندی‌ شده ایجاد و در عرصه بازیابی شدند. در برداشت میدانی، پس از تعیین پوشش فعلی هریک از نقاط در سطح پلات، پوشش واقعی آن‌ها با پوشش تعیین‌ شده همان نقطه در سطح پیکسل براساس نتایج طبقه‌بندی‌ها مقایسه و دقت الگوریتم‌ها ارزیابی شد. نتایج نشان داد که الگوریتم ماشین بردارپشتیبان با صحت کلی 79 درصد و ضریب کاپای 0.70، بیشترین دقت را در تهیه نقشه پوشش زمین داشت. تجزیه‌ و تحلیل نقشه پوشش زمین به‌ دست‌ آمده از این الگوریتم نشان داد که از مجموع مساحت 16085.31 هکتاری منطقه موردمطالعه، مساحت جنگل انبوه 319.64 هکتار، مساحت جنگل نیمه‌انبوه 361.44 هکتار و مساحت جنگل تنک 1832.36 هکتار است. همچنین مساحت مرتع 7352.78 هکتار، مساحت باغ 62.32 هکتار، مساحت زمین‌های کشاورزی 658.42 هکتار و مساحت کشاورزی زیراشکوب 4504.64 هکتار است. برای مدیریت بهینه این رویشگاه حساس، تهیه نقشه پوشش زمین با استفاده از این الگوریتم، در سری‌های زمانی معین، برای بررسی تغییرات جنگل ها و مراتع و کنترل کاربری های انسان ساخت ضروری است.

Comparison of different algorithms for land cover mapping in sensitive habitats of Zagros using Sentinel2 satellite image: (Case study: a part of Ilam province)

The western forests and rangelands of Iran in Zagros habitats have mainly been destroyed by various reasons in recent years. The preparation of the land cover map in these sites is the first step to protect them and to prevent further destruction. The aim of this research was to select the best algorithm for land cover mapping in a part of Ilam site using the Sentinel2 image. After providing Sentinel2 the supervised classification of it was performed by seven different algorithms (maximum likelihood, minimum distance from the average, mahalanobis distance, spectral angle mapper, spectral correlation mapper, support vector machine, neural network). For accuracy assessment of the land cover maps, the stratified random points were created and found in the field. In the field visit, after determining the current land cover of each point in the plot area, the real land cover of each point was compared with the defined land cover of the same point in the pixel area based on classification results and the accuracy of the algorithms was evaluated. The results showed that the support vector machine algorithm had the highest accuracy in providing the land cover map with a general accuracy of 79% and a Kappa index of 0.70. The analysis of the land cover map obtained from this algorithm showed that the dense forest area was 319.64 ha, semidense forest area was 361.44 ha and sparse forest area was 1832.36 ha from the total area of the study area (16085.31 ha). Also, the rangeland area was 7352.78 ha, the garden area was 62.32 ha, the agricultural area was 658.42 ha and understorey agriculture was 4504.64 ha. For optimal management of this sensitive ecosystem, land cover mapping using this algorithm in certain temporal intervals is essential to investigate the forests and rangelands change and to control the humanmade land uses.