فاطمه صمدی شلوه علیا

زمینه و هدف: تغییرات کاربری اراضی یکی از چالش های مهم زیست محیطی محسوب می شود که تاثیرات گسترده ای بر منابع طبیعی، اکوسیستم ها و فرآیند های هیدرولوژیکی دارد. هدف این پژوهش مقایسه کارایی دو الگوریتم جنگل تصادفی و ماشین بردارپشتیبان در استخراج نقشه های کاربری اراضی و تحلیل روند تغییرات آن در دو مقطع زمانی 2015تا 2024 در حوضه آبخیز سامیان واقع در استان اردبیل با مساحت تقریبی 4236 کیلومتر مربع است. روش بررسی: به منظور تهیه نقشه کاربری ارضی از تصاویر ماهواره ای لندست 8 و9 و سنتینل2در محیط برنامه نویسی گوگل ارث انجین بهره گیری شد. الگوریتم های طبقه بندی یادگیری ماشین شامل جنگل تصادفی و ماشین بردار پشتیبان برای تولید نقشه های کاربری اراضی با هشت کلاس ( آب، مسکونی، کشاورزی آبی، کشاورزی دیم، برف، جنگل، مرتع متراکم و مراتع کم تراکم) مورد استفاده قرار گرفتند. و دقت آن با استفاده از ماتریس درهمریختگی و شاخص های آن ارزیابی شد . در فرایند نمونه برداری و آموزش مدل ها، از محصولات جهانی(Dynamic World و GHSL) بهره گرفته شد. نتایج و یافته ها: نتایج حاصل از مقایسه خروجی دو الگوریتم نشان داده که الگوریتم RF بادقت کلی و کاپای بیش از ۰٫۹۹ درصد عملکرد دقیق تری نسبت به SVM دارد. در بازه زمانی مورد بررسی، تغییرات قابل توجهی در کلاس های کاربری رخ داده است از جمله افزایش چشمگیر اراضی کشاورزی آبی و مناطق مسکونی و کاهش مساحت زمین های دیم، پوشش برفی و منابع آب سطحی از مهم ترین یافته ها بودند. در مجموع الگوریتم RF به دلیل دقت بالا و پایداری عملکرد گزینه مناسب تری برای پایش تغییرات کاربری اراضی در محیط کلان داده همچون گوگل ارث انجین محسوب می شود.