کارایی شاخص های مانگرو در تهیه نقشه بخش‌هایی از جنگل های مانگرو روی تصاویر لندست 8 در جنوب ایران

نوع مقاله : مقاله پژوهشی

نویسندگان

1 گروه سنجش از دور و GIS، دانشکده جغرافیا، دانشگاه تهران، تهران، ایران

2 گروه سنجش از دور و GIS، دانشکده جغرافیا، دانشگاه تهران

چکیده

جنگل‌های مانگرو به‌عنوان یکی از بوم‌سازگان‌های مهم گیاهی در مناطق جزر و مدی سواحل اقیانوسی مستقر می‌شوند. دشواری داده‌برداری میدانی در این بوم‌سازگان باعث شده داده‌های سنجش از دور در نقشه‌برداری از مانگروها به سرعت توسعه پیدا کنند و شاخص‌های ویژه‌ای برای تفکیک مانگروها ارائه شوند. این مطالعه با هدف مقایسه کارایی هشت شاخص مانگرو در نقشه‌برداری از مانگروهای سه رویشگاه خلیج نایبند (استان بوشهر)، سیریک (استان هرمزگان) و خلیج گواتر (استان سیستان و بلوچستان) روی تصاویر لندست 8 انجام شد. از الگوریتم ماشین بردار پشتیبان برای طبقه‌بندی استفاده شد. نتایج علاوه بر معیارهای متداول صحت سنجی، با استفاده از سطح زیر منحنی (AUC) مشخصه نسبی عملکرد (ROC) ارزیابی شدند. نتایج نشان داد شاخص SMRI (Submerged Mangrove Recognition Index) در بین هشت شاخص، بیشترین مقدار AUC طبقه مانگرو (در خلیج نایبند 94/0، در سیریک 92/0 و در خلیج گواتر 93/0) را داشت. مساحت مانگروها در خلیج نایبند (1/260 هکتار)، سیریک (2/1049 هکتار) و خلیج گواتر (5/649 هکتار) برآورد شدند. به طور کلی، نتایج مطالعه نشان داد اغلب شاخص‌های مانگرو در طبقه‌بندی جنگل‌های مانگرو در سه رویشگاه از کارایی لازم برخوردار بودند اگرچه شاخص SMRI احتمالاً به دلیل استفاده از تصاویر جزر و مد از کارایی بیشتری برخوردار بوده است.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Efficiency of mangrove indices in mapping of some mangrove forests on Landsat 8 imagery in southern Iran

نویسندگان [English]

  • Yousef Erfanifard 1
  • Mohsen Lotfi Nasirabad 2
1 Dept. of Remote sensing and GIS, Faculty of Geography, University of Tehran, Iran
2 Dept. of Remote Sensing and GIS, Faculty of Geography, University of Tehran
چکیده [English]

Mangrove forests are one of important plant ecosystems established across the intertidal zones. Difficulties of field measurements in the ecosystem caused rapid development of remote sensing data in mangrove mapping and specific indices have been designed to discriminate mangrove forests. The aim of this study was comparison of eight mangrove indices in mangrove mapping of Nayband Gulf (Bushehr province), Sirik (Hormozgan province), and Govatr Gulf (Sistan-Baluchestan province) on Landsat 8 imagery. The support vector machine algorithm was used for image classification. In addition to common criteria of accuracy assessment, the results were evaluated by area under curve (AUC) of receiver operating characteristics (ROC). The results showed that SMRI (Submerged Mangrove Recognition Index) had the highest AUC of mangrove class (AUC of 0.94, 0.92, 0.93 in Nayband Gulf, Sirik and Govatr Gulf, respectively) among the studied mangrove indices. The area of mangrove forests were also estimated in Nayband Gulf (260.1 ha), Sirik (1049.2 ha) and Govatr Gulf (649.5 ha). In general, it was concluded that most mangrove indices were efficient in mangrove mapping of the study areas, however, SMRI had the highest efficiency probably due to application of low- and high-tide imagery.

کلیدواژه‌ها [English]

  • Avicennia marina
  • Nayband Gulf
  • Govatr Gulf
  • Sirik
  • Support vector machine
  • Receiver operating characteristics curve

مقالات آماده انتشار، پذیرفته شده
انتشار آنلاین از تاریخ 19 مهر 1400
  • تاریخ دریافت: 29 شهریور 1400
  • تاریخ بازنگری: 18 مهر 1400
  • تاریخ پذیرش: 19 مهر 1400