پهنه بندی سیل یکی از اولویت های مدیریت منابع آب و اراضی بوده و قابلیت های سنجش از دور می تواند در این خصوص بسیار کاربرد داشته باشد. هدف این مقاله بررسی دقت روش های شی گرا و پیکسل مبنا در استخراج پهنه سیل گیر در حوضه رودخانه طالقان می باشد. بدین منظور تصویر ماهواره ای Sentinel 2A با استفاده روش نظارت شده با دورویکرد پیکسل مبنا و شی مبنا و بکار گیری دو الگوریتم ماشین بردار پشتیبان(SVM ) و جنگل تصادف (RF) طبقه بندی شدند. صحت کلی و ضریب کاپا به روش RF در حالت شی مبنا به ترتیب 89 درصد و 82/0 و در حالت پیکسل مبنا به ترتیب 5/88 درصد و 75/0 بدست آمد. این در حالی است که در روش SVM صحت کلی و ضریب کاپا به ترتیب 5/84 درصد و 73/0 در حالت پیکسل مبنا و 86 درصد و 78/0 در حالت شی مبنا حاصل شد. برای صحت سنجی پهنه های استخراج شده، از روش پهنه بندی هیدرولیکی با دوره بازگشت های 2، 5، 10، 25 و100 ساله استفاده شد. نتایج نشان داد هر دوروش RF و SVM در رویکرد شی مبنا اغلب بیشترین هم پوشانی را با بازگشت های مختلف داشته اند که بالاترین میزان هم پوشانی با پهنه های سیل دوره بازگشت دو ساله با مقادیر 68 و 66 درصد برای RF و SVM بدست آمد.

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.

کشاورزی در محیط گلخانه برای تولید غذا در مناطق گرم و خشک همراه با کمبود آب و نیز در مناطقی که آب وهوا مانع از کشت در تمام طول سال است؛ یک راه حل پایدار بشمار می رود؛ بنابراین شناسایی گلخانه ها و اطلاع از زمان کشت آنها برای مدیران کشاورزی راهگشا است. از طرفی تخمین مقدار سطح زیر کشت و مقدار آب موردنیاز در یک منطقه برای مدیریت منابع آبی کشاورزی امری حیاتی است. هدف پژوهش حاضر تعیین طول دورۀ کشت محصولات گلخانه ای با بهره­ گیری از تصاویر ماهواره ای Sentinel-2 است. در مرحله اول، برای شناسایی گلخانه ها با بهره­ گیری از عکس هوایی با قدرت تفکیک مکانی m1 خوارزمیک ­های طبقه بندی شی ءگرا و پیکسل مبنا اعمال شدند. در مرحله بعدی، برای تعیین طول دورۀ کشت گلخانه ها با استفاده از تصاویر سری زمانی سنتینل 2، ابتدا باندهای باندهای NIR، Narrow NIR، Red Edge و SWIR بررسی شدند. سپس شاخص های پوشش گیاهی شامل NDVI، SAVI، OSAVI، MSAVI، GNDVI، RVI، DVI، RGVI، IPVI و شاخص های پوشش پلاستیکی شامل PGI، RPGI، PI، PMLI مورد بررسی قرار گرفتند. یافته ها نشان داد که از میان خوارزمیک های طبقه بندی شی گرا، خوارزمیک Bayes با دقت کلی 87% و ضریب کاپا 83% و خوارزمیک KNN با دقت کلی 87% و ضریب کاپا 0.82 برای شناسایی و تعیین سطح زیر کشت گلخانه ها دقت زیادتری دارند. بازتاب در گلخانه های با پوشش پلاستیکی مانند بازتاب از پوشش گیاهی است، تنها بازتاب گیاه در زیر پوشش پلاستیکی گلخانه در تمام باندها و به مقدر مساوی افزایش می یابد. باند قرمز در محدوده nm665 و باند مادون قرمز نزدیک در محدوده nm705 به عنوان دو باند کلیدی برای مطالعات گلخانه ای کاربرد دارند. با ترکیب اطلاعات تمام شاخص های پوشش گیاهی و شاخص های پوشش پلاستیکی دو دورۀ کشت مشاهده شد: کشت اول از اوایل اسفند شروع شده، در فروردین به اوج پوشش می­رسد و برداشت محصول تا اواسط مرداد ادامه دارد. کشت دوم از اواخر مرداد شروع شده و در آذر به اوج پوشش رسیده تا اینکه برداشت محصول در اواسط بهمن تمام شده است. نتایج حاصل از پژوهش حاضر نشان دهنده عملکرد خوب تصاویر Sentinel-2 در تعیین طول دورۀ کشت گلخانه ها است.