پایش وضعیت دریاچه بختگان و اراضی اطراف آن با استفاده از تصاویر ماهواره ای و هوش محاسباتی

در حال حاضر، یک ابزار مهم برای شناسایی تغییرات زمین و پایش آنها علم سنجش از دور است. طبقه‏بندی تصاویر چندباندی یکی از تکنیک‏های مهم برای تفکیک واحدهای زمین است. هدف کلی تحقیق حاضر، طبقه‏بندی تصاویر ماهواره‏ای با بهره‏گیری از روش‏های هوش محاسباتی است. پدیده گرمایش جهانی، گسترش سدسازی، ذخیره آب در پشت سدها و بهره‏برداری بیش از حد از آب موجود برای کاربری های انسانی سبب خشک شدن دریاچه ها از جمله دریاچه بختگان شده است. به این منظور، در تحقیق حاضر تصاویر لندست سال‏های 1991، 2000، 2010 و 2017 دریاچه بختگان و محدوده اطراف آن گرفته شد. این تصاویر پس از انجام پیش‏‏پردازش‏ها و تصحیحات مورد نیاز، با روش نظارت شده بیشترین شباهت، براساس نمونه های آموزشی در چهار کلاس پهنه‏آبی، پوشش ‏گیاهی، کوه و مناطق شهری طبقه‏بندی شد. سپس، همان تصویر با روش‏ شبکه عصبی پرسپترون چندلایه در کلاس‏های یادشده طبقه‏بندی شد. در نهایت، برای هر دو روش ماتریس خطا استخراج شد و صحت کلی و ضریب کاپا محاسبه شد. صحت کلی برای سال 1991 به‏ترتیب برای روش بیشترین احتمال و شبکه عصبی 87 و 93 درصد و ضریب کاپا به‏ترتیب 86/0 و 90/0 محاسبه شد. بنابراین، با توجه به دقت بیشتر شبکه ‏عصبی، تصاویر سال‏های 2000، 2010 و 2017 با این روش طبقه‏بندی شد. بعد از طبقه‏بندی به‏منظور ارزیابی آن، از Google Earth برای هر کلاس اطلاعاتی نمونه تست در نظر گرفته شد و صحت کلی و ضریب کاپا به ترتیب 89 درصد و 85/0 محاسبه شد. در نهایت، مساحت پهنه‏آبی به صورت چشمگیری کاهش یافته و به سایر کلاس‏ها افزوده شده است.