تشخیص تیپ اراضی کشاورزی دشت عباس با استفاده از تحلیل سری زمانی تصاویر ماهواره سنتینل 2
محورهای موضوعی : مدیریت محیط زیست
مهدی رضایی
1
(دانشجوی دکتری رشته سنجش از دور وGIS ، دانشکده منابع طبیعی و محیط زیست، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران.)
حسین آقامحمدی زنجیر آباد
2
(استادیار، گروه سنجش از دور وGIS ، دانشکده منابع طبیعی و محیط زیست، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران. *(مسوول مکاتبات))
زهرا عزیزی
3
(استادیار، گروه سنجش از دور وGIS ، دانشکده منابع طبیعی و محیط زیست، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران.)
علیرضا وفایی نژاد
4
(دانشیار، دانشکده مهندسی عمران، آب و محیط زیست، دانشگاه شهید بهشتی، تهران، ایران.)
سعید بهزادی
5
(استادیار، دانشکده مهندسی عمران، دانشگاه تربیت دبیر شهید رجائی، تهران، ایران.)
کلید واژه: سنتینل, تصویر, سری زمانی, NDVI, اراضی آبی,
چکیده مقاله :
زمینه و هدف: یکی از مبادی مهم و پر مصرف آب شیرین، اراضی کشاورزی می باشند. محل تأمین آب مزارع آبی چاه های نیمه عمیق و عمیق می باشند. مدیریت و پایش اراضی آبی در بحث مصرف آب امری حیاتی است. از طرفی، چاه های غیرمجاز کشاورزی در بین چاه های دارای مجوز، وجود دارند اما شناسایی آنها بهوسیله بازدید های میدانی، به دلایل مختلف ازجمله تعداد بالای اراضی، شرایط آب و هوایی و همچنین دسترسی سخت به اراضی دور از جاده، بسیار سخت و پیچیده است. روش بررسی: کشف و پایش این اراضی با استفاده از سنجشازدور و سیستم اطلاعات جغرافیایی بسیار سریع و با دقت بالا امکان پذیر است. در این پژوهش با استفاده از شاخص NDVI و مجموعه داده های سری زمانی تصاویر سنتینل 2 (باندهای 4 و 8) برای ماه های اسفند، فروردین و اردیبهشت، طبقه بندی به روش SVM رای بخشی از اراضی دشت عباس دهلران در سال آبی 2022 انجامشده است و با استفاده از داده های کاداستر، اعتبار سنجی نتایج، انجام شد. یافته ها: دقت طبقه بندی انجام شده بر اساس نقشه های کاداستر، برای اراضی آبی 98.4% و برای اراضی دیم مقدار 86.7% محاسبهشده است. نتایج نشان دهنده دقت بالا در تشخبص و تفکیک نوع اراضی کشاورزی می باشد. بحث و نتیجه گیری: با استفاده از الگوریتم های سری زمانی بر روی مجموعه تصاویر ماهواره ای و ارزیابی نتایج بر مبنی کاداسترهای اراضی کشلورزی موجود از منطقه امکان شناسایی اراضی آبی غیرقانونی و به تبع ان چاههای تامین کننده آب انها امکان پذیر است.
Background and Objective: Agricultural land is a crucial source of fresh water, with semi-deep and deep wells serving as the primary water supply for irrigated lands. Effective management and monitoring of these lands is essential for sustainable water consumption. However, identifying unlicensed agricultural wells among licensed ones through land visits can be challenging due to various factors such as the large number of lands, weather conditions, and difficult access to remote areas. Material and Methodology: Remote sensing and geographic information systems can provide a quick and highly accurate solution for discovering and monitoring these lands. In this study, we utilized the NDVI index and time series data set of Sentinel 2 images (bands 4 and 8) for March, April, and May to classify a portion of Abbas Dehlran plain's lands in the water year 2022 using the SVM method. We validated our results using cadastre data. Findings: Our classification accuracy based on cadastre maps was 98.4% for irrigated lands and 86.7% for rainfed lands, indicating high accuracy in identifying different types of agricultural land. Discussion and Conclusion: Our study demonstrates that time series algorithms applied to satellite images can effectively identify illegal irrigated lands along with their corresponding water supply wells by evaluating results based on existing land cadastres in the region. This approach can help improve management practices for sustainable water consumption in agricultural areas.
_||_