نقشه ‏گیاهی نخلستان‌های خرما با بهره‌گیری از طبقه‌بندی جنگل تصادفی و داده‌های چندزمانه در زیر حوضه مارون–جراحی خوزستان

مقالات آماده انتشار

نوع مقاله : مقاله پژوهشی

نویسندگان

1 گروه علوم و مهندسی آب، دانشکده کشاورزی و منابع طبیعی، دانشگاه بین المللی امام خمینی (ره)، قزوین، ایران.

2 گروه علوم و مهندسی آب، دانشکده کشاورزی و منابع طبیعی، دانشگاه بین المللی امام خمینی(ره)، قزوین، ایران

3 بخش تحقیقات فنی و مهندسی کشاورزی، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی خوزستان، سازمان تحقیقات، آموزش و ترویج کشاورزی، اهواز،

10.22059/jwim.2026.409960.1284

چکیده

پایش دقیق نخلستان‌های خرما و برآورد سطح زیرکشت آن‌ها در مناطق خشک و نیمه‌خشک، به‌ویژه در جنوب غرب ایران، به‌منظور مدیریت منابع آب، برنامه‌ریزی زراعی و تصمیم‌سازی‌های منطقه‌ای اهمیت ویژه‌ای دارد. این پژوهش با هدف تهیه نقشه‌ای دقیق و کارآمد از نخلستان‌های زیرحوضه مارون–جراحی خوزستان، از ترکیب داده‌های چندزمانه سنتینل-2 و راداری، سنتینل-1 و طبقه‌بندی نظارت‌شده مبتنی بر مدل جنگل تصادفی بهره گرفت. برای این منظور، تصاویر اپتیکی، راداری و حرارتی در دوره‌های ۱۴۰۰ تا ۱۴۰۳ استخراج و پس از تصحیح، ترکیب زمانی و محاسبه شاخص‌های طیفی، راداری و حرارتی، همراه با نمونه‌های میدانی گردآوری‌شده، در فرآیند آموزش مدل به‌کار گرفته شدند. طبقه‌بندی بر پایه 36 متغیر ورودی شامل باندهای اصلی، شاخص‌های طیفی و شاخص‌های راداری و دمایی انجام شد. ارزیابی دقت مدل با استفاده از داده‌های مستقل آزمون نشان داد که روش پیشنهادی از عملکرد بسیار مطلوبی برخوردار است؛ به‌گونه‌ای که صحت کلی 95٪، ضریب کاپای 94/0 و مقادیر Precision، Recall و F1-score برای کلاس نخلستان همگی در محدوده‏ی 99/0 به‌دست آمد. نتایج برآورد سطح زیرکشت نشان داد که مقدار واقعی 26/19755 هکتار و مقدار برآوردی 55/21764 هکتار بوده که تنها بیانگر بیش‌برآوردی حدود یک درصد است. یافته‌ها حاکی از آن است که استفاده هم‌زمان از ویژگی‌های طیفی، ساختاری و حرارتی در کنار مدل جنگل تصادفی، چارچوبی کارآمد، پایدار و قابل تعمیم برای شناسایی نخلستان‌ها فراهم می‌آورد. این رویکرد می‌تواند مبنایی معتبر برای مدیریت منابع آب، پایش سلامت باغات و برنامه‌ریزی کشاورزی در مقیاس‌های منطقه‌ای و ملی ارائه دهد.

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

Mapping Date-palm Plantations Using Random Forest Classification and Multi-temporal in the Maroon–Jarahi Sub-basin, Khuzestan, Iran

نویسندگان [English]

  • Masoud Soltani 1
  • Bahareh Bahman Abadi 2
  • Ali Mokhtaran 3
1 1 Department of Water Science and Engineering, Faculty of Agriculture and Natural Resources, Imam Khomeini International University, Qazvin, Iran
2 Dept. of Water Sciences and Engineering, Faculty of Agricultural and Natural Resources, Imam Khomeini International University, Qazvin,
3 Agricultural Engineering Research Department, Khuzestan Agricultural and Natural Resources Research and Education Center (AREEO), Ahwaz, Iran
چکیده [English]

Accurate Manitoring of date-palm plantations and reliable estimation of cultivated area are essential for water-resource management, agricultural planning and regional policy making in arid and semi-arid regions, specially in south-west of Iran. This research utilized multi-temporal, Sentinel-2, and radar, Sentinel-1 imageries and supervised classification based on random forest, to present accurate and applicable map of date-palms plantations in Maroon-Jarahi sub-basin.

To address this, Sentinel-2 optical and Sentinel-1 radar time series were derieved and processed, then together with Spectral, Radar, thermal indices and collected field reference samples during the 2022-2024 agricultural seasons were applied to training process of random forest model. Classification was run based on 36 inputs including, main bands, Spectral, Radar, and thermal indices. Accuracy assessment of the Model according to independent sample test displayed that The Random Forest classifier yielded very high performance due to, overall accuracy= 95%, kappa coefficient = 0.94, and precision, recall and F1-score were approximately 0.99. furthermore, mapped date-palm area closely matched reference inventories, the actual area was 26197.55 ha while the mapped area was 21764.55 ha for the Random Forest result, thus approximately +1% over-estimation was derieved. The results showed that, The integration of multi-temporal and thermal indicators within a Random Forest classification framework provides an efficient, reliable and scalable method to map date-palm plantations in arid and semi-arid basins.Practically, the proposed workflow can be a validated approach for water resource management, Orchards’ health monitoring and agricultural planning in reginal and national scales.

کلیدواژه‌ها [English]

  • Classification
  • Date palm
  • Maroon–Jarahi sub-basin
  • Random Forest
مدیریت آب و آبیاری

مقالات آماده انتشار، پذیرفته شده
انتشار آنلاین از تاریخ 06 اردیبهشت 1405

فایل ها

هم رسانی

ارجاع به این مقاله

آمار