عنوان	مدلسازی پوشش‌گیاهی و زیتوده روزمینی گیاهی با استفاده از الگوریتم‌های یادگیری ماشین و داده‌های ماهواره‌ای در مراتع نیمه‌خشک غرب ایران
نوع پژوهش	پایان نامه
کلیدواژه‌ها	.
چکیده	پوشش‌گیاهی و زیتوده روزمینی در مناطق نیمه‌خشک به جهت ترسیب کربن، حفاظت از تنوع زیستی و چرای اکثر دام‌های اهلی و وحشی از اهمیت ویژه‌ای برخوردار است. هرچند تاکنون مدلسازی زیتوده و پوشش‌گیاهی با بهره‌گیری از شاخص‌های پوشش‌گیاهی مبتنی بر کاربرد سنجش از دور در بسیاری از اکوسیستم‌های مختلف در مناطق گوناگون آب و هوایی مورد استفاده قرار گرفته است، اما در این بین، در مناطق نیمه‌خشک کمتر به این مورد پرداخته شده و با در نظر گرفتن این امر که قسمت عمده کشور ایران را مناطق نیمه‌خشک فرا گرفته است، در این تحقیق با استفاده از تصاویر ماهواره‌ای لندست 8 و سنتینل 2 به بررسی شاخص‌های مختلف گیاهی و روش‌های مختلف یادگیری ماشین جهت دست‌یابی به بهترین شاخص و بهترین روش مدلسازی پوشش و زیتوده گیاهی پرداخته شد و شاخص‌های وابسته به خط خاک (MSAVI) ماهواره لندست بعنوان بهترین شاخص و روش یادگیری ماشین بردار پشتیبان بعنوان بهترین مدل شناخته شد. در نهایت، بر اساس شاخص پوشش گیاهی MSAVI بدست آمده از تصاویر ماهواره‌ای لندست، نقشه‌های پوشش‌گیاهی و زیتوده روزمینی بر اساس دو روش رگرسیون خطی و ماشین بردار پشتیبان بدست آمد. بر اساس نتایج مدلسازی رگرسیونی، پوشش‌گیاهی دارای تغییراتی بین 5 تا 81 درصد بود در حالی که بر اساس مدلسازی بر اساس روش ماشین بردار پشتیبان، پوشش‌گیاهی دارای دامنه تغییراتی بین 11 تا 95 درصد بود. همچنین در روش رگرسیون خطی، مقدار زیتوده گیاهی در منطقه بین 68 تا 584 کیلوگرم در هکتار بوده در حالی که در روش ماشین بردار پشتیبان، مقدار زیتوده بین دو دامنه 46 تا 674 کیلوگرم در هکتار تغییر می‌کند.
پژوهشگران	مسعود صفری (دانشجو)، رضا امیدی پور (استاد مشاور)