تولید و ارزیابی نقشه‌های کاربری اراضی و نوع محصول با استفاده از تصاویر ماهواره‌ای و مدل‌های داده‌محور مبتنی بر یادگیری در دشت ایسین استان هرمزگان

نوع مقاله : مقاله پژوهشی

نویسندگان

گروه مهندسی منابع طبیعی، دانشگاه هرمزگان

10.29252/aridbiom.2026.4231

چکیده

این پژوهش با هدف ارزیابی عملکرد مدل‌های یادگیری ماشین در تهیه نقشه‌های کاربری اراضی، تشخیص نوع محصول و تحلیل تغییرات کاربری اراضی طی دوره ۲۰۱۴ تا ۲۰۲۴ در دشت ایسین استان هرمزگان انجام شد. این دشت به دلیل برخورداری از منابع آب شیرین و خاک حاصلخیز، از دیرباز یکی از قطب‌های مهم کشاورزی استان محسوب می‌شود. در بازدید میدانی، ۸۹۸ نقطه واقعیت زمینی برای تهیه نقشه کاربری اراضی شامل باغات (انبه، لیمو و نخیلات)، اراضی زراعی، آیش، شوره‌زار و ساخت‌وساز انسانی و ۵۱۳ نقطه برای نقشه نوع محصول شامل بادمجان، فلفل دلمه‌ای، باغات و آیش یا شوره‌زار جمع‌آوری شد. تصاویر ماهواره‌ای لندست 8 برای تهیه نقشه کاربری اراضی و سنتینل۲ برای شناسایی محصولات زراعی به‌کار گرفته شد و شاخص‌های طیفی پوشش گیاهی برای افزایش دقت تفکیک کاربری‌ها و محصولات محاسبه شدند. جهت انتخاب ویژگی‌های مؤثر برای دسته‌بندی داده-مبنا، از هم‌خطی‌چندگانه و الگوریتم بروتا استفاده شد. همچنین، الگوریتم‌های جنگل تصادفی و ماشین بردار پشتیبان برای دسته‌بندی به‌کار گرفته شدند. نتایج نشان داد مدل ماشین بردار پشتیبان در دسته‌بندی کاربری اراضی دقت بیشتری دارد (دقت کلی 48/87% و کاپا 64/83% در سال ۲۰۲۴)، در حالی‌که در شناسایی محصولات زراعی، مدل جنگل تصادفی عملکرد برتری داشت (دقت کلی 29/89% و کاپا 59/84% ). در بررسی تغییرات کاربری اراضی طی دوره ۱۰ ساله، سطح باغات، اراضی زراعی و آیش کاهش یافته است و شوره‌زارها و مناطق ساخت‌وساز انسانی افزایش پیدا کرده است. این تغییرات حاصل ترکیبی از عوامل طبیعی و انسانی است به‌طوری‌که کاهش بارش، تداوم خشکسالی و افت منابع آب زیرزمینی موجب افزایش شوره‌زارها و کاهش اراضی زراعی و باغی شده است و از طرف دیگر افزایش هزینه‌های تولید کشاورزی، نزدیکی دشت ایسین به شهر بندرعباس و گسترش ساخت‌وساز نیز در تغییر الگوی کاربری اراضی نقش داشته‌اند. در مجموع، نتایج بیانگر اثربخشی بالای الگوریتم‌های یادگیری ماشین در تهیه نقشه‌های دقیق و کاربردی کاربری اراضی و نوع محصولات زراعی است.

کلیدواژه‌ها

موضوعات