Mapping Vegetation in Riparian Areas Using Pixel-Based and Object-Based Classification of Sentinel-2 Multi-Temporal Imagery

Abstract

پوشش‌های گیاهی مناطق کران‌رودی، با وجود مساحت کم، خدمات اکوسیستمی فراوانی عرضه می‌کنند. نظر به اینکه برنامه‌های نظارتی و آماربرداری پیوسته‌ای برای این پوشش‌های گیاهی در کشور وجود ندارد، تهیة نقشه‌ و پایگاه‌ دادة مکانی برای آنها امری ضروری است. اما آمیختگی این پوشش‌های گیاهی با سایر کاربری‌های زمین سبب ایجاد چالش‌ها و مشکلاتی در تهیة نقشه برای آنها شده است. بنابراین، انتخاب روش مناسب طبقه‌بندی بسیار حائز اهمیت است. در این زمینه و در تحقیق حاضر، دو روش پیکسل‌مبنا و شیء‌مبنا در طبقه‌بندی این پوشش‌های گیاهی، با استفاده از تصاویر رایگان ماهوارة سنتینل‌-2، مقایسه شده است. بدین‌منظور، پنج منطقة کران‌رودی متفاوت در استان چهارمحال و بختیاری انتخاب شد و برای آموزش مدل‌های طبقه‌بندی به‌کار رفت. در فرایند مدل‌سازی، از الگوریتم طبقه‌بندی جنگل تصادفی و داده‌های چندزمانة ماهوارة سنتینل‌-2 استفاده شد. اعتبارسنجی مدل‌ها به‌صورت گسترده، با استفاده از نقاط صحت‌سنجی مستقل در سطح استان، انجام شد. نتایج نشان داد که تصاویر ماهوارة سنتینل‌-2 قابلیت بالایی در تهیة نقشة پوشش گیاهی در مناطق کران‌رودی کوه‌های زاگرس دارد و روش طبقه‌بندی پیکسل‌مبنا (صحت کلی 83.9%) بهتر از روش شیءمبنا (صحت کلی 76.7%) بوده است. در مجموع، تحقیق حاضر استفاده از روش طبقه‌بندی پیکسل‌مبنا روی تصاویر چندزمانة ماهوارة سنتینل‌-2 را به‌منزلة ابزاری ارزان و مناسب در آشکارسازی این پوشش‌های گیاهی پیشنهاد می‌دهد. حائز اهمیت است که در این روش، تا جای ممکن، از پیکسل‌های دارای خلوص بیشتر به‌منزلة پیکسل‌های آموزشی در توسعة مدل‌ها استفاده شود.