برای رسیدن به امنیت آبی و غذایی پایش به‌هنگام، دقیق و با قابلیت تکرار پذیری سطوح زیر کشت لازم و ضروری است. در این راستا تحقیق حاضر با هدف ارزیابی قابلیت تلفیق تصاویر سنتینل1 و سنتینل2 جهت تفکیک سطوح زیر کشت گندم، کلزا، نخلستان‌ها و اراضی کشت تابستانه در منطقه شمال شرق اهواز انجام شد. برای رسیدن به هدف تحقیق، براساس داده‌های در دسترس سه گروه ترکیبات سری زمانی ایجاد شد. گروه اول شامل ترکیب سری زمانی سنتینل1و2 به همراه شاخص NDVI برای کل دوره مورد بررسی، گروه دوم ترکیبات سری زمانی سنتینل1 و2 براساس دوره اوج سبزینگی و گروه سوم ترکیبات از ترکیب تک تصاویر سنتینل1 و 2 در دوره اوج سبزینگی ایجاد شدند. سپس با استفاده از الگوریتم‌های یادگیری ماشین حداکثر احتمال و ماشین بردار پشتیبان اقدام به طبقه‌بندی تصاویر شد و نقشه‌های موضوعی سطوح زیر کشت به این ترتیب تهیه شد. درنهایت صحت نتایج بدست آمده با استفاده از شاخص‌های صحت کلی و ضریب کاپا ارزیابی شد. براساس نتایج بدست آمده مشخص شد که ترکیب سری زمانی تصاویر سنتینل1 و2 به‌همراه شاخصNDVI برای کل دوره مورد بررسی (ترکیب شماره 3) به روش ماشین بردار پشتیبان جهت استخراج سطوح زیر کشت منطقه مورد مطالعه دارای بالاترین دقت کلی و ضریب کاپا بوده که بترتیب 22/91 درصد و 89/0 می‌باشد. همچنین نتایج بدست آمده بیان‌گر این واقعیت بود که الگوریتم ماشین بردار پشتیبان برای ترکیبات سری زمانی بالاترین دقت کلی و ضریب کاپا را دارد و برای روش‌های تک تصویر الگوریتم حداکثر احتمال دارای بالاترین دقت کلی و ضریب کاپا می‌باشد. براساس یافته‌ها نتیجه‌گیری می‌شود که ترکیبات سری زمانی تصاویر سنتینل2 و الگویتم ماشین بردار پشتیبان جهت استخراج سطوح زیر کشت دارای صحت بالایی نسبت به روش تک تصویر هستند و تلفیق قطبش VH سنتینل1 به سری زمانی سنتینل2 سبب افزایش صحت به میزان 5 درصد می‌شود.

فن آوری سنجش از دور یکی از ابزارهای کارآمد برای پایش، مطالعه و تعیین سطح زیر کشت محصولات کشاورزی و باغی بویژه در سطوح وسیع می باشد. برنامه ریزان، مجریان و کشاورزان با آگاهی از نوع رقم و سطح زیر کشت محصولات کشاورزی می توانند سیاست-های مدیریتی و اجرایی مناسبی اتخاذ نمایند. هدف از پژوهش حاضر ارزیابی قابلیت طبقه بندی نظارت شده تصاویر ماهواره ای چند باندی لندست-8 و سنتینل-A2 در تعیین محدوده، سطح زیر کشت و نوع رقم چهار نوع پسته اکبری، کله قوچی، احمد آقایی و فندوقی در یک مزرعه مطالعاتی در استان یزد می باشد. دقت چهار الگوریتم طبقه بندی متوازی السطوح، کمترین فاصله، فاصله ماهالانوبیس و بیشترین تشابه و همچنین بهترین زمان در تفکیک ارقام پسته مورد بررسی قرار گرفت. بر اساس نتایج، الگوریتم حداکثر تشابه در طبقه بندی تصویری در تاریخ 22 خرداد 1397 ماهواره لندست-8 با دقت نهایی و ضریب کاپای به ترتیب 76. 8 درصد و 0. 67 از بالاترین دقت و الگوریتم طبقه بندی متوازی السطوح به ترتیب با دقت نهایی و ضریب کاپای 7/64 و 47/0 از کمترین دقت برخوردار بود. همچنین بر اساس نتایج، بهترین زمان برای تفکیک ارقام پسته مورد بررسی اواخر خرداد می باشد. به طوری که ضریب کاپای طبقه بندی با الگوریتم حداکثر تشابه در تصویر تاریخ 22 خرداد 1397 ماهواره لندست، 0. 67 و به ترتیب در تاریخ های 23 تیر، 24 مرداد و 25 شهریور 0. 64، 0. 63 و 0. 63 بدست آمد. دقت نهایی و ضریب کاپای طبقه بندی با استفاده از الگوریتم حداکثر تشابه در تصویر تاریخ 24 خرداد 1397 ماهواره سنتینل-A2 به ترتیب 80 درصد و 0. 71 بدست آمد. با انجام عمل فیلتر میانه با اندازه پنجره سه در سه بر روی تصویر طبقه بندی شده سنتیل-A2 میزان دقت نهایی و ضریب کاپا به ترتیب به 82. 6 و 0. 75 افزایش یافت. دقت نهایی و ضریب کاپای طبقه بندی و تفکیک ارقام پسته در تصاویر سنتینل-A2 نسبت به تصاویر لندست 8 بالاتر بود. در مجموع بر اساس نتایج، تکینک های طبقه بندی سنجش از دور و نیز تصاویر ماهواره ای چند باندی، از قابلیت مناسبی برای نقشه برداری کشاورزی و باغی برخوردار می باشند.

شوری خاک یکی از عوامل گسترش بیابان­ زایی و تخریب منابع زیست محیطی در مناطق خشک و نیمه خشک محسوب می­ شود. با توجه به روند رو به گسترش شوری ­ زایی در طی سالیان اخیر و اهمیت حفظ منابع طبیعی، تعیین گستره نواحی تحت تأثیر این پدیده و شدت شوری در این مناطق از اهمیت ویژه­ ای برخوردار است. استفاده از پتاسیل تصاویر ماهواره­ ای با توان تفکیک مکانی و طیفی بالا و به­ کارگیری تکنیک ­ های سنجش ­ از دوری یکی از راه­ های مؤثر در تشخیص این پدیده و تعیین شدت شوری در نواحی آسیب دیده است. براین اساس پژوهش حاضر با نمونه ­ برداری از خاک منطقه ­ ای واقع در کوه سفید استان قم که تحت تأثیر شوری است، به تهیه نقشه سطوح مختلف شوری خاک با استفاده از تصاویر ماهواره سنتینل-2 پرداخته است. در این راستا، شاخص ­ های متنوع شوری از تصاویر ماهواره ­ ای استخراج شده و در فرآیند طبقه ­ بندی تصویر به کلاس­ های شوری از قبیل خاک بدون شوری، با شوری کم، شوری متوسط، شوری بالا و خاک اشباع از شوری مورد استفاده قرار گرفتند. نتایج طبقه ­ بندی صورت گرفته از 5 الگوریتم طبقه ­ بندی نظارت شده شامل حداقل فاصله، ماهالانوبیس، متوازی السطوح، حداکثر احتمال و ماشین­ بردارپشتیبان، بیانگر بالاترین دقت به ­ دست ­ آمده از طبقه ­ بندی­ کننده ماشین بردار پشتیبان با دقت کلی 218/92 درصد و ضریب کاپای 894/0 در تهیه نقشه­ ی کلاس­ های شوری بود. ارزیابی نقشه ­ های به دست­ آمده از کلاس های شوری همچنین نشان­ دهنده ­ ی شدت شوری بالاتر نواحی شرقی کوه­ سفید نسبت به دیگر مناطق بوده که ناشی از مجاورت بیشتر این نواحی نسبت به دریاچه نمک استان قم و کشیده شدن سطوح نمک به زمین­ های اطراف می ­ باشد.

شیوه های مختلفی برای تفکیک پدیده های موضوعی در تصاویر ماهواره ای وجود دارند. روش های متداول طبقه بندی، مبتنی بر پیکسل است. تصاویر ماهواره ای را به روش های شی - پایه نیز می توان طبقه بندی کرد. در این روش ها مجموعه ای پیکسل ها که پدیده را می سازند، مد نظر قرار می گیرند. به منظور مقایسه قابلیت روش های طبقه بندی پیکسل - پایه و شی - پایه در تفکیک تیپ های جنگل، تحقیق حاضر در جنگل آموزشی و پژوهشی خیرودکنار نوشهر بر روی داده های سنجنده + ETM انجام گرفت. تصاویر ابتدا مورد تصحیحات دقیق هندسی قرار گرفتند. سپس فنون مختلف بارزسازی مانند PCA، تسلدکپ و نسبت گیری بر روی آنها انجام شد. در روش پیکسل پایه از خوارزمی حداکثر احتمال استفاده شده و طبقه های راش خالص، راش آمیخته، ممرز خالص، ممرز آمیخته، توسکای آمیخته، تیپ آمیخته و مناطق جنگلکاری تفکیک شدند. در روش شی - پایه تصاویر در چند سطح قطعه بندی شدند. این قطعات اولیه با استفاده از فنون نزدیک ترین همسایه، توابع عضویت و تلفیقی از این دو فن مورد طبقه بندی قرار گرفتند. در فن نزدیک ترین همسایه، قطعات از طریق انتخاب پدیده های تعلیمی برای هر تیپ طبقه بندی شدند. در فن توابع عضویت، قطعات اولیه با استفاده از خصوصیات طیفی، شکلی، بافت و روابط بین پدیده ها در یک سلسله مراتب از طبقات، طبقه بندی شدند. در روش تلفیقی، طبقه بندی قطعات در چند مرحله و با استفاده از فنون نزدیک ترین همسایه و توابع عضویت صورت گرفت. به منظور برآورد میزان صحت و درستی نقشه های حاصل از طبقه بندی تصاویر به روش های مختلف، نقشه واقعیت زمینی تیپ های جنگل به صورت نمونه ای (193 قطعه نمونه) و به روش میدانی تهیه شد. نتایج بررسی صحت نشان می دهد که روش طبقه بندی شی - پایه در مقایسه با روش طبقه بندی پیکسل - پایه توانسته است موجب بهبود صحت کلی از 44 درصد به حدود 61 درصد و ضریب کاپا از حدود 0.255 به حدود 0.445 شود. در بین فنون شی - پایه، فن تلفیقی بهتر از فنون نزدیک ترین همسایه و توابع عضویت توانسته است قطعات اولیه حاصل از قطعه بندی را طبقه بندی کند.

تالاب انزلی در ایران به عنوان یکی از تالاب های ارزشمند ثبت شده در کنوانسیون رامسر در معرض تهدید عوامل محیطی و انسانی است. در دو دهه اخیر در بین انواع تصاویر ماهواره ای، تصاویر سنجنده های راداری، نقش مهمی در پایش تالاب ها داشته اند، زیرا این سنجنده ها در تمام شرایط آب وهوایی فعالیت می کنند و به زبری و رطوبت سطح حساس هستند. با این حال، مشکلاتی نظیر تشابه ضرایب بازپخش بین کلاس های مختلف و پردازش های نسبتا دشوار در مقایسه با سنجنده های نوری کاربرد آن ها را محدود می کند. در مطالعه پیش رو قابلیت تصاویر راداری در طبقه بندی تالاب انزلی و سه کاربری اصلی اطراف تالاب (زمین های کشاورزی، نیزار و مناطق ساخته شده) ارزیابی شد. به این منظور، دو تصویر راداری آلوس پالسار 2 و سنتینل 1 در سال 2018 انتخاب شد. پارامترهای بافت از هر دو تصویر استخراج شد. باندهای دو تصویر رادار و لایه های بافت استخراج شده به روش تلفیق در سطح ویژگی ادغام شده و سپس، با استفاده از الگوریتم جنگل تصادفی طبقه بندی شدند. صحت کلی روش تلفیق در سطح ویژگی معادل با 75 درصد و ضریب کاپا برابر با 62 درصد است. نتایج ارزیابی مربوط به صحت تولید کننده و کاربر به ترتیب برابر با 100 و 83 درصد است. صحت زیاد نتایج به دست آمده نشان دهنده قابلیت مناسب تصاویر رادار در طبقه بندی و تشخیص بدنه آبی تالاب است، در صورتی که در تفکیک اراضی کشاورزی، نیزار و مناطق ساخته شده خطای بیشتری مشاهده شده است. همچنین، روش تلفیق در سطح ویژگی، شیوه موثری برای استفاده هم زمان از ویژگی های متمایز تصاویر مختلف در طبقه بندی کاربری اراضی تالابی است.