TY - JOUR JF - JSTNAR JO - jwss VL - 26 IS - 2 PY - 2022 Y1 - 2022/9/01 TI - 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 TT - کاربرد الگوریتم‌های طبقه‌بندی نظارت‌شده در پایش بلندمدت شوری خاک سطحی با استفاده از سنجش از دور: مطالعه موردی دشت عتابیه استان خوزستان N2 - 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 (۲۰۰۱ تا ۲۰۱۵) 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 نشان-دهنده 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، به-طوری 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. SP - 203 EP - 221 AU - Golabkesh, F. AU - Nazarpour, A. AU - Ghanavati, N. AU - Babaeinejad, T. AD - Islamic Azad University, Ahvaz Branch KW - Soil salinity assessment KW - Landsat ETM+ images KW - Support vector machine (SVM) KW - Atabiyeh KW - Khuzestan UR - http://jstnar.iut.ac.ir/article-1-4167-fa.html DO - 10.47176/jwss.26.2.42982 ER -