کاربرد الگوریتم‌های طبقه‌بندی نظارت‌شده در پایش بلندمدت شوری خاک سطحی با استفاده از سنجش از دور: مطالعه موردی دشت عتابیه استان خوزستان

هدف از پژوهش حاضر یافتن بهترین روش های بهره گیری از سنجش از دور و الگوریتم های طبقه بندی نظارت شده در پایش شوری بلندمدت در منطقه عتابیه در غرب استان خوزستان با وسعت 5000 هکتار است. شیوه کار بر پایه تفکیک سطوح مختلف خاک های شور به‌وسیله اطلاعات حاصل از تصاویر ماهواره ای لندست 7 و 8 (2001 تا 2015) همراه با داده های شوری برداشت شده از منطقه مورد مطالعه، و شاخص های شوری si1، si2، si3، ndsi، ipvi و vssi است. نتایج بدست آمده از طبقه بندی تصاویر ماهواره ای نشاندهنده گسترش روند محدوده های شور در خاک های منطقه مورد مطالعه بوده که در این بین، خاک های با ec بیشتر از 16 دسی زیمنس بر متر (بسیار شور)، بیشترین فراوانی را دارند. افزایش وسعت خاک های شور به میزان قابل توجهی در طی 15 سال رخ داده است، بهطوری که وسعت اراضی شور بیش از 90 درصد افزایش داشته است. بر اساس این مطالعه، تنها شاخص معنی دار در شوری خاک در سطح اطمینان %95، شاخص si3 بوده که توانسته است تخمین مناسبی از تغییرات افزایشی خاک های منطقه داشته باشد. نتایج طبقه بندی نظارت شده نشان داد که ماشین بردار پشتیبان (با دقت کلی 95/78 و ضریب کاپا 0/89)، دارای دقت بیشتری است. پس از روش ماشین بردار پشتیبان به ترتیب روش های حداقل فاصله از میانگین، حداکثر احتمال شباهت و فاصله ماهالانوبیس دارای بیشترین دقت هستند. بر اساس نقشه های شوری بدست آمده در سال های 2001، 2005، 2010 و 2015 میلادی می توان گفت میزان شوری در تمام منطقه مورد مطالعه پیشروی داشته و همزمان وسعت شوری در کلاس های متوسط و زیاد توسعه بسیار زیادی داشته است. به طوری که وسعت شوری در کلاس بسیار زیاد در سال 2015 به تدریج نسبت به سال 2001 در تمام منطقه پراکنش داشته است. 

application of supervised classification algorithms in long-term survey of surface soil salinity by using remote sensing: a case study of atabiyeh plain, khuzestan province

the current study aims to find the best methods of using remote sensing and supervised classification algorithms in longterm salinity monitoring of salinity changes in the atabieh area with an area of 5000 hectares in the west of khuzestan province. the procedure is based on the separation of different levels of saline soils utilizing information obtained from landsat 7 and 8 satellite images (2001 to 2015) along with salinity data taken from the study area, and salinity indices including si1, si2, si3, ndsi, ipvi, and vssi. the results show the expansion of the saline zone trend in the soils of the study area, among which, soils with ec of more than 16 ds m1 (very saline) have the highest frequency. the area of saline soils has increased significantly over the past 15 years, with a saline land area increasing by more than 90%. the percentage of salinity class is low (s1). according to this study, the only significant index in soil salinity at a 95% confidence level is the si3 index, which has been able to have a good estimate of the increasing changes in soils in the region. the results of the supervised classification showed that the support vector machine (with an overall accuracy of 95.78 and a kappa coefficient of 0.89) is more accurate. after the vector machine method, the methods of minimum distance, maximum likelihood, and distance of mahalanobis have the highest accuracy, respectively. based on salinity maps obtained in years in 2001, 2005, 2010, and 2015, it can be said that the salinity rate in the whole of the study area was progressing and at the same time the salinity area in the middle and high classes increased decreased and on the other hand, the salinity area in the high class in 2001 gradually increased and distributed in 2015 throughout the region.