مقدمه سنجش از راه دور به ابزاری ارزشمند جهتتهیه داده های یکپارچه مکانی در مورد پوشش و کاربری زمین در مقیاس های زمانی و مکانی تبدیل شده است. یکی از چالش های اصلی در نقشه برداری چند-زمانه پوشش و کاربری زمین، در دسترس بودن و یکپارچگی داده های آموزشی برای الگوریتم های طبقهبندی نظارت شده است. جمع آوری نمونه های آموزشی برای هر کلاس پوشش و کاربری زمین در طول دوره های زمانی مختلف می تواند زمان بر و از لحاظ میدانی به ویژه در محیط های در حال تغییر سریع، چالش برانگیز باشد. این مسئله همچنین با امکان تغییرات طیفی و فنولوژیکی در ویژگی‌های پوشش زمین در طول زمان تشدید می شود و از این حیث می تواند قابلیت انتقال نمونه های آموزشی را کاهش دهد. مفهوم «مهاجرت یا انتقال» نمونه های آموزشی از یک سال مرجع به سال های هدف (مقصد) به عنوان راهی برای غلبه بر محدودیت داده های آموزشی مورد بررسی قرار گرفته است. در این میان، استفاده از سامانه گوگل ارت انجین (GEE) نقشه‌برداری چندزمانه پوشش و کاربری زمین را تسهیل کرده است. توانایی GEEدر ادغام منابع داده مختلف، از جمله تصاویر Sentinel-2و طیف گستردهای از شاخصهای طیفی، به محققان امکان توسعه کاربست طبقه بندی پوشش و کاربری زمین قوی و مقیاس پذیر را داده است. رصد تغییرات در استفاده و پوشش زمین در طول زمان برای درک و مدیریت محیط زیست حیاتی است. با این حال، هنگامی که محدودیت داده های آموزشی برای دوره های زمانی مختلف وجود داشته باشد، می‌تواند چالش‌برانگیز باشد. پژوهش حاضر رویکردی نوآورانه برای طبقه بندی تصاویر ماهوارهای Sentinel-2در سال های مختلف با استفاده از مجموعه نمونه های آموزشی مرجع است.
مواد و روش‌ها در پژوهش حاضر، کاربست نوآورانه ای با استفاده از نمونه های آموزشی متغیر از یک سال مرجع (تصاویر Sentinal-2 سال 2019)، همراه با باندهای تصاویر Sentinel-2و شاخصهای طیفی، برای طبقه بندی پوشش و کاربری زمین در منطقه مانگرو خوران به عنوان منطقه‌ای پویا و مهم اکولوژیکی مورد بررسی قرار گرفت. در این راستا، کاربرد الگوریتم‌های یادگیری ماشین در چارچوب سامانه GEEبرای دستیابی به دقت طبقهبندی بالا و پایش تغییرات پوشش زمین در طول زمان بررسی شد. در این پژوهش، تصاویر ماهوارهای Sentinel-2پوشش‌دهنده منطقه مورد مطالعه برای سال‌های هدف 2022 و 2024 و سال مرجع 2019 در GEEفراخوانی شدند. سپس جمع آوری دادههای حقیقت زمینی شامل موقعیت و طبقهبندی انواع مختلف پوشش زمین برای سال مرجع با استفاده از نقشه کاربری اراضی سازمان فضایی اروپا جمع‌آوری شد. در ادامه، دادههای حقیقت زمینی با کیفیت بالا و نمونه های تصویری متناظر آن‌ها از سال مرجع (2019) به عنوان نمونه‌های آموزشی به تصاویر سال هدف با الگوریتم فاصله زاویه طیفی (SAD) منتقل شدند. همچنین الگوریتم های طبقه بندی RF، GBTو CARTبرای طبقهبندی تصاویر سال هدف با استفاده از نمونه‌های آموزشی متغیر به کار گرفته شدند. تصاویر طبقه بندی شده با استفاده از معیارهای مختلف صحت، مانند دقت کلی، ضریب کاپا، دقت تولیدکننده و دقت کاربر ارزیابی و خطای گماشته شده و حذف شده ارزیابی شدند. در نهایت اهمیت باندهای طیفی مختلف Sentinel-2و شاخصهای طیفی در فرآیند طبقه بندی تجزیه و تحلیل شد تا مناسب‌ترین ویژگی ها برای تفکیک پدیده های مختلف منطقه مورد مطالعه شناسایی شوند. نتایج و بحث نتایج پژوهش حاضر نشان داد از میان الگوریتم‌های طبقهبندی، بیشترین میزان دقت برای صحت کلّی و کاپا تصاویر طبقهبندی شده سال 2024 و 2022، مربوط به طبقهبندی جنگل تصادفی به ترتیب با دقت 9104/0 و 8742/0، 8955/0 و 8570/0 بوده است. همچنین نتایج نشان داد مساحت جنگل های حرا در طول دوره بررسی از 74/7530 هکتار به 51/6546 تنزل داشته است، چیزی در حدود 23/984 هکتار کاهش و به عبارتی 164 هکتار کاهش سطح جنگل های حرا به ازای هر سال. مساحت پهنه های مسکونی و عرصه های ساخت و ساز از 5252/72 هکتار در سال 2019 به 4815/96 در سال 2024 رسیده است که رشد شتابان این کاربری در دو سال آخر دیده می شود. نتیجه اشتراکات و جمع بندی روش های مختلف طبقه بندی در سنوات مختلف و اهمیت نسبی باندها و شاخص ها نشان داد که شاخص های EMVI و mNDWI بدلیل فراگیری پدیده‌های جنگل های مانگرو و نیز پهنه های آبی در محدوده مورد مطالعه غالبیت بیشتری از خود نشان داده اند. لذا در ترکیبات باندی جهت تفکیک پدیده های مختلف استفاده از باندهای سبز، قرمز، مادون قرمز نزدیک و از میان شاخص ها، شاخص مانگرو و نیز شاخص بهینه پهنه های آبی برای محدوده مطالعاتی مناسب ترین تشخیص داده شدند و برای عرصه های مشابه در جنوب ایران و محدوده‌های مانگرو پیشنهاد می شوند. در پژوهش حاضر با انتقال نقاط حقیقت زمینی سال منبع به تصاویر متناظر آن‌ها به عنوان نمونه های آموزشی در تصاویر سال هدف، از یک کاربست ساده و مؤثر برای طبقه بندی تصاویر ماهوارهای در پلتفرم GEEاستفاده شد که قابلیت تسری به سایر مناطق را دارد. نتیجه‌گیری به طور کلی، پژوهش حاضر پتانسیل استفاده از نمونه‌های آموزشی متغیر و الگوریتم های پیشرفته یادگیری ماشین مانند جنگل تصادفی، درخت گرادیان تقویت شده و درخت رگرسیون و طبقه بندی و کاربرد شاخص های طیفی به عنوان داده های کمکی را برای طبقه بندی دقیق تصاویر ماهوارهای چند-زمانه نشان می دهد. توسعه ابزارهای مکانی، از جمله پلتفرم آنلاین GEE، برای مدیریت به روز کاربری های زمین، از جمله مناطق تالابی و مانگرو، ضروری است. در پزوهش حاضر، نمونه های آموزشی با کیفیت بالا از سال مرجع به سال هدف (مهاجرت نمونه‌های آموزشی از زمان مشخص به سایر زمان ها) منتقل شدند و در انتها دقت طبقه بندی بالایی با استفاده از الگوریتم طبقهبندی جنگل تصادفی نسبت به سایر روش ها مانند رگرسیون تقویتشده یا درختان رگرسیون و طبقه بندی به دست آمد. این روش راه حل بالقوهای در مطالعات چند-زمانه کاربری زمین و کمبود یا ناکافی بودن نمونه‌های آموزشی در سیستم GEEاست. در این راستا پیشنهاد می شود که در مطالعات آینده، از ترکیبی از روش‌های فاصله اقلیدسی (ED)، فاصله زاویه طیفی (SAD) و خوشه بندی K-meansبرای تولید نمونه های آموزشی متغیر استفاده شود و نتایج طبقه بندی تصویر با استفاده از این روش ها مقایسه و تحلیل شود. این رویکرد راه‌حل امیدوارکننده ای برای تولید نقشه های روزآمد کاربری/ پوشش زمین، حتی در محیط‌های چالش برانگیز با دادههای آموزشی محدود، ارائه می‌دهد. نتایج به دست آمده از این مطالعه می تواند جهتدهی مطالعات آتی را برای پایش پوشش اراضی، مدیریت و حفاظت مؤثر از منابع طبیعی ارزشمند، مانند جنگل‌های مانگرو را در سایر مناطق، هدایت کند.
Kazemi M, Jafarpoor A. Multi Temporal Land use/Land cover using Spectral indices, Sentinel-2 Imagery and Migrated Training Samples in Google Earth Engine. jwmseir 2025; 18 (67) : 1 URL: http://jwmsei.ir/article-1-1167-fa.html
کاظمی محمد، جعفرپور عاطفه. طبقهبندی سری زمانی کاربری اراضی با استفاده از شاخصهای طیفی، تصاویر سنتینل 2 و نمونه‌های آموزشی متغیر در بستر گوگل ارت انجین (GEE). مجله علوم ومهندسی آبخیزداری ایران. 1403; 18 (67) :1-15
به اطلاع کلیه نویسندگان ، محققین و داوران محترم می رساند:با عنایت به تصمیم هیئت تحریریه مجله علمی پژوهشی علوم و مهندسی آبخیزداری فرمت تهیه مقاله به شکل پیوست در بخش راهنمای نویسندگان تغییر کرده است. در این راستا، از تاریخ ۱۴۰۳/۰۱/۲۱ کلیه مقالات ارسالی فقط در صورتی که طبق راهنمای نگارش جدید تنظیم شده باشد مورد بررسی قرار خواهد گرفت.
