شناسایی دقیق و به‌موقع نوع سیستم‌های کشت در اراضی کشاورزی، یکی از چالش‌های اساسی در پژوهش‌های کشاورزی نوین محسوب می‌شود. این تحقیق با هدف تفکیک اراضی زیر کشت گندم و جو در بخشی از استان خوزستان در بازه زمانی 1401-1402 به سه گروه شامل آبی، دیم و سایر (سایر کاربرداهای کشاورزی، زمین بایر و مناطق شهری)، چارچوبی نوآورانه مبتنی بر داده‌های چندزمانه سنجش از دور و بهره‌گیری از الگوریتم‌های یادگیری ماشین ارائه کرده است. در این مطالعه، داده‌های ماهواره‌ای Sentinel-2، Sentinel-1، Landsat-8 و SRTM به‌صورت تلفیقی به‌کار گرفته شده‌اند تا ابعاد مختلف پوشش زمین از منظر ساختاری، زمانی و مکانی تحلیل شوند. همچنین، مجموعه‌ای از شاخص‌های اختصاصی فنولوژیکی، مبتنی بر تفاوت‌های زمانی و طیفی میان کلاس‌های کشت طراحی شده‌اند. این شاخص‌ها به‌تنهایی عملکرد مناسبی داشته‌اند؛ به‌طوری‌که، دقت کلی 31/84 درصد و ضریب کاپای 75/0 را ثبت کرده‌اند که نسبت به سایر ترکیب‌های ساده‌تر، نتایج دقیق‌تری ارائه داده‌اند. با این حال، ترکیب همین شاخص‌های فنولوژیکی با سایر ویژگی‌های زمانی، طیفی، راداری، حرارتی و توپوگرافی، منجر به بهبود چشم‌گیر عملکرد مدل شده و دقت کلی 57/91 درصد و ضریب کاپای 87/0 حاصل شده است. در این راستا، الگوریتم جنگل تصادفی (Random Forest) به‌عنوان روش طبقه‌بندی اصلی مورد استفاده قرار گرفته است. نتایج نشان می‌دهد که شاخص‌های فنولوژیکی، به‌ویژه در باندهای حساس مانند RED وNIR ، نقش کلیدی در افزایش دقت طبقه‌بندی دارند و تلفیق آن‌ها با سایر داده‌های سنجش از دور می‌تواند تفکیک پوشش‌های مشابه را بهبود بخشد. این مطالعه بر اهمیت طراحی داده‌محور شاخص‌های زمانی تأکید دارد.
Abdalli E, moghimi A, valadan zoej M J. Classification of agricultural lands in Khuzestan province based on the type of cropping system using remote sensing data and random forest model. JGST 2025; 15 (1) : 7 URL: http://jgst.issgeac.ir/article-1-1228-fa.html
عبدالی اسماعیل، مقیمی آرمین، ولدان زوج محمدجواد. تفکیک اراضی کشاورزی استان خوزستان بر اساس نوع سیستم کشت با استفاده از داده‌های سنجش از دوری و مدل جنگل تصادفی. علوم و فنون نقشه برداری. 1404; 15 (1) :107-120
