پایش وضعیت دریاچۀ بختگان و اراضی اطراف آن با استفاده از تصاویر ماهواره‌ای 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. پدیدۀ گرمایش جهانی، گسترش سدسازی، ذخیرۀ آب در پشت سدها و بهره‏برداری بیش از حد از آب موجود برای کاربری‏های انسانی سبب خشک‌شدن دریاچه‏ها از جمله دریاچۀ بختگان شده است. به این‌منظور، در تحقیق حاضر تصاویر لندست سال‏های 1991، 2000، 2010 و 2017 دریاچۀ بختگان و محدودۀ اطراف آن گرفته شد. این تصاویر پس از انجام پیش‏‏پردازش‏ها و تصحیحات مورد نیاز، با روش نظارت‌شدۀ بیشترین شباهت، براساس نمونه‏های آموزشی در چهار کلاس پهنه‏آبی، پوشش ‏گیاهی، کوه و مناطق شهری طبقه‏بندی شد. سپس، همان تصویر با روش‏ شبکۀ 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 شبکۀ عصبی 87 و 93 درصد و ضریب کاپا به‏ترتیب 86/0 و 90/0 محاسبه شد. بنابراین، با توجه به دقت بیشتر شبکۀ ‏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 به‌ترتیب 89 درصد و 85/0 محاسبه شد. در نهایت، مساحت پهنه‏آبی به صورت چشمگیری کاهش یافته و به سایر کلاس‏ها افزوده شده است.