مدل‌سازی وضعیت صخره های مرجانی با استفاده از رگرسیون ماشین بردار پشتیبان و اعمال شاخص‌های طیفی

Abstract

از منظر تنوع زیستی، جزایر مرجانی مانند جنگل‌های استوایی، متنوع ترین اکوسیستم‌های جهان و شاخصی از سلامت اکوسیستم محسوب می‌شوند اما اکثر این جزایر به دلیل تحولات توریستی و نیز تأثیرات تغییر آب‌وهوا رو به نابودی‌اند.توانایی شناسایی و ارزیابی سلامت مرجان‌ها با استفاده از تصاویر ماهواره‌ای شیوه‌ای مقرون‌به‌صرفه و موثر است. با توجه به اثرگذاری دمای سطح آب بر روی سلامت و توزیع رجان‌ها، با استفاده از الگوریتم هایی به رابطه‌ی بین آن‌ها و سلامت مرجان‌های ‌منطقه مورد مطالعه که در این مقاله جزیره مرجانی هرون استرالیا می‌باشد، پرداخته‌شده است. در این مطالعه با استفاده از تصاویر لندست-8 و به دست آوردن بازتابش باندها، ویژگی‌ها و شاخص‌های طیفی مهم مرتبط با آب و صخره‌های مرجانی مانند: NDVI, NDWI, FAI, AWEI, SWI,MNDWI,GRVI توسط محققین و با استفاده از روش رگرسیون بردار پشتیبان (SVR) و بدست آوردن پارامترهای کرنل آن، به مدل‌سازی وضعیت سلامت صخره‌های مرجانی پرداخته‌شده است. در این مقاله از الگوریتم‌های تکاملی مثل الگوریتم ژنتیک (GA) و الگوریتم انتخاب ویژگی ترتیبی جلویی(SFS) برای رسیدن به انتخاب ویژگی مطلوب و مدل‌سازی بهینه و طبقه‌بندی سلامت مرجان‌ها استفاده ‌شده است.در این مقاله با استفاده از روش رگرسیون بردار پشتیبان در حالت کلی به 0.591RMSE= و0.979=R2 رسیدیم و در حالت پیشنهادی(GA-SVR) به 0.53RMSE= و0.983 =R2 رسیدیم که بیانگر عملکرد خوب این مدل بهینه می-باشد.