تهیه نقشه کاربری اراضی حوزه آبخیز کفتاره اردبیل با استفاده از تفسیر چشمی و رقومی تصویرETM+

نوع مقاله: پژوهشی

نویسندگان

1 استادیار دانشکده فناوری کشاورزی و منابع طبیعی گروه مرتع و آبخیزداری دانشگاه محقق اردبیلی

2 دانشجوی کارشناسی ارشد سنجش از دور و سیستم اطلاعات جغرافیایی

3 دانش آموخته کارشناسی ارشد سنجش از دور و سیستم اطلاعات جغرافیایی

4 دانشجوی دکترای علوم مرتع دانشگاه محقق اردبیلی

چکیده

قابلیت استفاده از اطلاعات کاربری اراضی در مدیریت حوزه­های آبخیز به تصمیم­گیران کمک می­کند تا طرح و برنامه­های کوتاه و بلند مدتی برای حفاظت، توسعه و استفاده پایدار از منابع طبیعی و آبخیزها داشته باشند. در این مطالعه از داده­های سنجنده[1]ETM+(1385)، GPS[2] و GIS[3] برای پردازش تصاویر، برداشت داده­های زمینی و تهیه نقشه استفاده شد. تصحیحات لازم و پیش­پردازش­های اولیه صورت گرفت. پس از بازدید میدانی و کنترل زمینی، کلاس­های مختلف کاربری تعریف، ابتدا تفسیر چشمی انجام و سپس نمونه­های تعلیمی انتخاب و با استفاده از الگوریتم حداکثر احتمال طبقه­بندی نظارت شده صورت گرفت. با توجه به عدم قابلیت در تفکیک کاربری­های مسیله و مسکونی در تفسیر رقومی، تلفیقی از تفسیر چشمی و رقومی (نظارت شده) و همچنین طبقه­بندی شیءگرا استفاده شد. نتایج نشان داد در تفسیر چشمی تقریباً امکان تفکیک کاربری­های مرتع از زراعت دیم وجود ندارد، ولی کاربری‌های باغ، مسکونی و مسیله قابل تفکیک است. نتایج همچنین نشان داد تفکیک کاربری­ها به­صورت طبقه­بندی نظارت شده نیز با مشکلاتی روبرو است، ولی با تلفیق دو روش تفسیر چشمی و رقومی می­توان از تصویر لندست در تفکیک کاربری­های مختلف در مناطقی مانند حوزه آبخیز کفتاره و منطقه ارشق استان اردبیل استفاده کرد. نتایج حاصل از ارزیابی صحت طبقه­بندی شیءگرا بالاترین صحت کلی را نشان داد، چون در این روش از پارامترهایی نظیر مقیاس، شکل، تن و بافت نیز علاوه بر مقدار پیکسل در طبقه­بندی استفاده شد و از این رو با سگمنت سازی مناسب قادر به تفکیک دقیق­تر کاربری­ها نظیر دیمزارهای و اراضی مسکونی می­باشد. توصیه می­گردد، با توجه به اهمیت این نقشه در مطالعات منابع طبیعی، آبخیزداری و کشاورزی از تصاویر ماهواره­ای با قدرت تفکیک بالا و روش­هایی نظیر شیء گرا در این ارتباط استفاده گردد.



 

کلیدواژه‌ها


تهیه نقشه کاربری اراضی حوزه آبخیز کفتاره اردبیل با استفاده از تفسیر چشمی و رقومی تصویرETM+  

 

اردوان قربانی[1]*، فرنوش اسلمی[2]، سعید احمدآبادی[3]، سحر غفاری[4]

تاریخ دریافت: 12/10/93          تاریخ پذیرش: 14/05/94

 

چکیده

قابلیت استفاده از اطلاعات کاربری اراضی در مدیریت حوزه­های آبخیز به تصمیم­گیران کمک می­کند تا طرح و برنامه­های کوتاه و بلند مدتی برای حفاظت، توسعه و استفاده پایدار از منابع طبیعی و آبخیزها داشته باشند. در این مطالعه از داده­های سنجنده[5]ETM+(1385)، GPS[6] و GIS[7] برای پردازش تصاویر، برداشت داده­های زمینی و تهیه نقشه استفاده شد. تصحیحات لازم و پیش­پردازش­های اولیه صورت گرفت. پس از بازدید میدانی و کنترل زمینی، کلاس­های مختلف کاربری تعریف، ابتدا تفسیر چشمی انجام و سپس نمونه­های تعلیمی انتخاب و با استفاده از الگوریتم حداکثر احتمال طبقه­بندی نظارت شده صورت گرفت. با توجه به عدم قابلیت در تفکیک کاربری­های مسیله و مسکونی در تفسیر رقومی، تلفیقی از تفسیر چشمی و رقومی (نظارت شده) و همچنین طبقه­بندی شیءگرا استفاده شد. نتایج نشان داد در تفسیر چشمی تقریباً امکان تفکیک کاربری­های مرتع از زراعت دیم وجود ندارد، ولی کاربری‌های باغ، مسکونی و مسیله قابل تفکیک است. نتایج همچنین نشان داد تفکیک کاربری­ها به­صورت طبقه­بندی نظارت شده نیز با مشکلاتی روبرو است، ولی با تلفیق دو روش تفسیر چشمی و رقومی می­توان از تصویر لندست در تفکیک کاربری­های مختلف در مناطقی مانند حوزه آبخیز کفتاره و منطقه ارشق استان اردبیل استفاده کرد. نتایج حاصل از ارزیابی صحت طبقه­بندی شیءگرا بالاترین صحت کلی را نشان داد، چون در این روش از پارامترهایی نظیر مقیاس، شکل، تن و بافت نیز علاوه بر مقدار پیکسل در طبقه­بندی استفاده شد و از این رو با سگمنت سازی مناسب قادر به تفکیک دقیق­تر کاربری­ها نظیر دیمزارهای و اراضی مسکونی می­باشد. توصیه می­گردد، با توجه به اهمیت این نقشه در مطالعات منابع طبیعی، آبخیزداری و کشاورزی از تصاویر ماهواره­ای با قدرت تفکیک بالا و روش­هایی نظیر شیء گرا در این ارتباط استفاده گردد.

    واژه­های کلیدی:

پوشش اراضی، کاربری اراضی، تفسیر چشمی، طبقه­بندی نظارت شده، طبقه­بندی شیءگرا، ارزیابی صحت، استان اردبیل

 

 

مقدمه

کاربری اراضی توصیف نوع بهره­برداری انسان برای یک یا چند هدف بر روی یک قطعه زمین است. آگاهی از نوع و درصد کاربری­های مختلف برای شناخت و مدیریت منابع طبیعی و زیست­محیطی در سطح حوزه­های آبخیز و سایر واحد­های کاری ضروری است (14). چرا که با رشد جمعیت فشار بر عرصه­های طبیعی افزایش و بهره­برداری غیر­اصولی و تغییرکاربری­ها سبب تخریب اکوسیستم­ها شده است (22). این تغییرات در مرز کاربر­های اراضی توسط دامداران، کشاورزان و مردم روستایی و شهری و تبدیل­ها باعث نگرانی شدید دست اندرکاران منابع طبیعی کشور است (5). تعیین کاربری اراضی یکی از اطلاعات پایه در ارزیابی منابع مختلف مانند قابلیت اراضی و خاکشناسی، مطالعات پوشش گیاهی، فرسایش و رسوب، مدیریت منابع طبیعی و محیط زیست، شناخت توان و استعداد اراضی و در کل مطالعات آبخیزداری و آمایش سرزمین است. معمولاً نقشه پوشش اراضی و نقشه کاربری اراضی به­صورت ابهام­آمیزی به جای همدیگر، البته نه همیشه، استفاده و معمولاً اطلاعات کاربری اراضی از نقشه پوشش زمین استخراج می­شود (19). تهیه آمار و اطلاعات با روش­های سنتی نه تنها از صحت لازمه برخوردار نیست، بلکه پر هزینه و زمان­بر نیز است. روش­های سنتی با برداشت­های زمینی و روش­های پیشرفته­تر با استفاده از داده­های ماهواره­ای با استفاده از روش­های پیشرفته معمولاً در تهیه نقشه­های پوششی زمین و کاربری اراضی مورد توجه است. در کل امروزه با توجه به دلایل ذکر شده، روش­های سنتی کمتر مورد توجه است، ولی استفاده از داده­های ماهواره­ای به دو صورت تفسیر چشمی و رقومی (با گرایش به تفسیر رقومی بیشتر) مورد توجه است. سنجش از دور با ارائه اطلاعات به­هنگام، فراهم آوردن دید همه جانبه، استفاده از قسمت­های مختلف طیف الکترومغناطیسی برای ثبت خصوصیات پدیده­ها، پوشش­های تکراری، سرعت انتقال و تنوع اشکال داده­ها، کاهش هزینه و نیروی انسانی در مطالعات از ارزش زیادی برخوردار است (4،6). با استفاده از تصاویر ماهواره­ای می­توان نقشه­های کاربری اراضی را در سطوح مختلف تهیه و وضعیت موجود پوشش زمین/ کاربری اراضی را بررسی کرد (4،6،19،32). نقشه­های کاربری اراضی با استفاده از تفسیر چشمی (13،18)، تفسیر رقومی (3،17) و تلفیقی از دو روش فوق (13،17،27) و یا استفاده از روش­هایی نظیر شیءگرا (11،14،25) در دنیا از جمله ایران تهیه شده ­است. بسته به هدف، انتظارات خاصی در تهیه نقشه­های مورد نظر در ایران مطرح و لذا، آن­ها با سطوح و درجات مختلفی تهیه می­شوند. به­طور مثال Alavipanah, Masoudi(2002) نقشه کاربری اراضی منطقه کوهستانی موک استان فارس را با استفاده از داده­های رقومی سنجنده [8]TM و روش طبقه­بندی نظارت شده با الگوریتم حداکثر شباهت[9]، GIS و عملیات صحرایی تهیه کرد­ند(4). Hosseini (2003) نقشه­ کاربری اراضی و تراکم پوشش گیاهی منطقه چمستان (مازندران) را با استفاده از تصاویر ETM+ و فیوژن (ادغام داده­های ماهواره­ای) داده­ها تهیه کرد(15). Shatai , Abdi (2008) قابلیت داده­های سنجنده ETM+ را در تفکیک اراضی جنگلی زاگرس از سایر کاربری­ها از طریق مقایسه با نقشه واقعیت زمینی نمونه­برداری شده در حوزه سرخاب لرستان انجام و نتیجه گرفتند که تفکیک و طبقه‎بندی اراضی جنگلی از سایر طبقات کاربری با صحت 87 درصد، موید کارآیی این روش در تولید این نقشه­هاست(29). Arzani etal., (2008) نقشه کاربری اراضی بخشی از مراتع حوزه آبخیز طالقان را با استفاده از سنجنده ETM+ تهیه و نتیجه­گیری نمودند که این تصاویر قابلیت لازمه برای تهیه این نقشه­ها را دارا می­باشند(5). در تحقیقاتی مانند Najarlou(2006) و Shatai , Abdi (2008)  ارزیابی قابلیت داده­های ماهواره­ای در تهیه نقشه طبقات مختلف کاربری عموماً با استفاده از نقشه واقعیت زمینی صددرصد انجام گرفته است. تهیه نقشه واقعیت زمینی صددرصد نیازمند صرف وقت و هزینه زیاد می­باشد و استفاده از نقشه واقعیت زمینی نمونه­ای[10] با شدت مناسب می­تواند جایگزین روش صددرصد گردد (26،29). Al-Ahmadi, Hames (2009) چهار روش طبقه­بندی نظارت شده با الگوریتم­های مختلف و نظارت نشده را در مناطق خشک عربستان آزمون و نتیجه­گیری کرده است که روش حداکثر احتمال بهترین نتایج را داشته است(3). Singh, Dubey (2012) نقشه کاربری اراضی حوزه نانیه-گرومای هند را با تلفیق سنجش از دور و سیستم اطلاعات جغرافیایی و با استفاده از تصاویر IRS LISS III  با موفقعیت تهیه کردند(30). Igue etal., ( 2012) نقشه کاربری اراضی حوزه اویم و اونین را با استفاده از سنجنده ETM+ و صحت 87 درصد تهیه کردند. استفاده از روش شیءگرا نیز به­عنوان یکی از روش­های پیشرفته سنجش­از دوری مورد توجه محقیقین بوده است(16). بطور مثال، Walter (2004) از روش شیءگرا برای ارزیابی تغییرات اراضی استفاده و این روش را یک روش کارآمد در این ارتباط عنوان کرده است(33). Myint etal., (2012)با مقایسه روش­های پیکسل پایه و شیءگرا اقدام به بررسی و تفکیک پوشش اراضی شهری با استفاده از تصاویر با قدرت تفکیک بالا با برتری روش شیءگرا نموده است(25).    

بررسی صحت، ارزیابی میزان تطابق نقشه حاصل از طبقه­بندی با واقعیت زمینی است (9،10،20). معمول­ترین اجزای بررسی صحت شامل صحت تولید کننده[11]، صحت استفاده کننده[12]، صحت کلی[13] و ضریب کاپا[14] است (9،12). در صحت کلی که یک معیار ارزش­گذاری صحت طبقه­بندی است و با استفاده از ماتریس درهمی پیشنهادی Dellepiane, Smith (1999)که از مجموع پیکسل­های صحیح طبقه­بندی شده تمامی طبقات به مجموع پیکسل­های صحیح طبقه­بندی شده تمامی طبقات به مجموع پیکسل­های تصویر استفاده می­شود و در نتیجه این معیار فقط به­عنوان صحت کلی لایه تولید شده خواهد بود(10). ضریب آماره کاپا نیز از معیارهای ارزیابی صحت نقشه است (9،24). این ضریب نشان دهنده توافق حاصل طبقه­بندی با واقعیت زمینی می­باشد و بین صفر تا 1 متغیّر است. عدد 1 نشان دهنده توافق 100 درصد لایه طبقه­بندی شده با واقعیت زمینی است (9). هدف این مقاله بررسی قابلیت داده­های لندست ETM+ در شناسایی کاربری­های مختلف، تفکیک و تهیه نقشه­ کاربری­ها در حوزه آبخیز کفتاره اردبیل با استفاده از روش­های تفسیر چشمی، رقومی (طبقه­بندی نظارت شده) و تلفیقی از دو روش تفسیر چشمی و رقومی (طبقه­بندی نظارت شده) و در انتها روش شیءگرا بوده است.

مواد و روش­ها

منطقه مورد مطالعه

حوزه آبخیز کفتاره با مساحت 10005 هکتار در استان اردبیل، در موقعیت جغرافیایی بین ²11 ، ¢10 ، °48 تا ²27 ، ¢24 ، °48  طول شرقی و²19، ¢32 ، °38 تا ²30 ، ¢39 ، °38 عرض شمالی واقع است (شکل 1). حداکثر ارتفاع حوزه 2150 متر و حداقل ارتفاع برابر 1308 متر از سطح دریا است. بارندگی متوسط سالیانه 283 (266 تا 307) میلی­متر با توزیع مطلوب ماهیانه، دمای متوسط سالیانه متغیّر بین منهای 5/4 تا 7/24 درجه سانتی­گراد در نوسان است و اقلیم حوزه خشک و سرد می‎باشد. از نظر کاربری، حوزه آبخیز کفتاره در بخش خروجی و میانی عمدتاً به کاربری زراعی اختصاص داشته و ارتفاعات مشرف به مرز کشور آذربایجان به کاربری مرتع اختصاص دارد. در بخش میانی و در مناطق با عمق کم خاک و بیرون­زدگی سنگی گسترش اراضی زراعی محدود شده و به­صورت اراضی مرتعی مورد بهره­برداری قرار می­گیرد. همچنین رخنمون­های سنگی بخش خروجی و ارتفاعات مرز حوزه در بخش­های میانی و خروجی نیز به کاربری مرتع اختصاص دارد (2).

 

 

شکل 1- موقعیت حوزه آبخیز کفتاره در استان اردبیل و کل کشور


انتخاب تصاویر و پردازش آن­ها: در انتخاب تصویر باید به تغییرات فصلی و فنولوژی، توزیع بارندگی، بارش قبل از اخذ تصویر، وضعیت توپوگرافی توجه گردید (7). بدین صورت که تلاش گردید که تصویر مناسب در طول سال به­گونه­ای که بهترین تفکیک کاربری و پوشش زمین را با توجه به کاربری­ها و نحوه ­بهره­برداری از حوزه داشته باشد انتخاب گردد. همچنین به­منظور امکان تفکیک مراتع از کاربری­های روستایی و دیمزار با توجه به تشابه طیفی آن­ها بخصوص در اواخر فصل رویشی تلاش گردید در زمان مناسب و متفاوت از لحاظ فنولوژی انتخاب گردد. به­منظور پرهیز از تأثیر رطوبت در انعکاس طیفی واحدهای مختلف کاربری و پوشش زمین با استفاده از ایستگاه­های هواشناسی همجوار حوزه بارندگی ثبت شده در 15 روز قبل از اخذ تصویر انتخابی مورد توجه قرار گرفت (15 روز قبل از تصویربرداری در حوزه مورد مطالعه بارندگی ثبت نشده است). در نهایت تصویر سنجنده ETM+ فریم 033/167 مربوط به 16 خرداد 1385 (6 ژوئن 2006) با در نظر گرفتن مباحث فوق انتخاب گردید (هر چند که بهتر بود تصویر سال 1389 همزمان با سال مطالعه داده­های زمینی برداشت می­شد، ولی با توجه به محدودیت مالی پایان­نامه دانشجویی امکان تهیه تصویر مزبور نبوده است). در کنار داده فوق نقشه­های توپوگرافی 1:50000، عکس­های هوایی 1:55000 و تصویر لندست TM نیز به­عنوان داده­های جانبی در کمک به شناسایی واحدهای کاربری مختلف مورد توجه قرار گرفت. ابتدا با استفاده از داده­های ذکر شده برنامه­ریزی برای بازدید مقدماتی و قبل از شروع به تفسیر تصویر برای شناخت منطقه صورت گرفت. تصحیح مکانی یا اصلاح ژئومتریکی[15] از اصول اولیه استفاده از تصاویر ماهواره­ای و از مراحل پیش پردازش تصاویر بشمار می­رود. انتخاب روش برای تصحیح مکانی بستگی به پستی و بلندی منطقه، حداقل تعداد نقاط مورد نیاز و دقت مورد نظر دارد (23). تصویر انتخاب شده با استفاده از نقشه­های توپوگرافی 1:50000 سازمان جغرافیایی ارتش با استفاده از سیستم UTM[16] و مبنای مسطحاتی[17] و مدل بیضوی[18] WGS[19]1384 زمین مرجع (اصلاح ژئومتریکی) شد. همچنین حداقل نقاط کنترل زمینی برای تصحیح مکانی بر اساس درجه توابع چند جمله­ا­ی برآورد شد(34).

      معادله 1                                                    K=(N+1)(N+2)/2                    

 که:

 K – حداقل نقاط مورد نیاز

N – درجه تابع چند جمله­ای

 استفاده از معادله آفاین[20] در تصحیح مکانی بدلیل برآورد چهار مؤلفه اصلی موقعیت و مقیاس نقاط، کشیدکی و چرخش آن­ها از کارایی مطلوب­تری برخوردار است(23). با استفاده از نقاط کنترل زمینی و نیز معادله آفاین که یک تابع خطی است برای تصویر مورد نظر با 20 نقطه (هر چند که بر اساس معادله 1 نقاط مورد نیاز کمتر از آن برآورد شده بود) از عوارض طبیعی و مصنوعی مشابه مانند تقاطع جاده­ها، محل اتصال انشعاب رودخانه­ها، تقاطع چهار­راه­ها که در سطح تصویر و نقشه قابل شناسایی بوده­اند، با استفاده از GPS ثبت و تصویر زمین مرجع شده با استفاده از این نقاط کنترل گردید (خطای RMS[21] کل برای این مرحله کمتر از 25/0 بوده است). پس از اصلاحات فوق، تصویر محدوده حوزه کفتاره برش داده شد.

از آنجایی که اتمسفر بر روی طول موج های کوتاهتر از mµ 5/0 بیشترین و طول موج­های بلندتر، کمترین تأثیر را دارد و همچنین پراکنش اتمسفری سبب پائین آمدن تباین در تصاویر می­شود (1،22)، برای رفع این مشکل از مستطیل­های معادل استفاده شد. چرا که از طریق مستطیل­های معادل به پراکنش دامنه اطلاعاتی هر پدیده، مطالعه تنوع پدیده­ها، افزایش کنتراست و به مشابهت و همپوشانی دامنه اطلاعاتی در باندها می­توان پی برد (23). از آنجائیکه در مستطیل­های معادل کشیدگی از نوع غیر­خطی است، پیکسل­ها با آرایش رقومی جدید (بین 0 – 255) قرار گرفته و از اینرو تباین و کنتراست در بین پیک  و دنباله منحنی­های طیفی تصاویر مورد استفاده افزایش پیدا کرده و لذا با استفاده از این الگوریتم امکان پراکنش پیکسل­ها به­صورت گروه­های مجزا فراهم گردید. بطوریکه تباین در ناحیه پیک نمودار افزایش و در ناحیه دنباله کاهش یافت. طول موج­های تصاویر ماهواره­ای دارای همبستگی مثبت یا منفی هستند. وجود همبستگی بین باندهای تصاویر، بیانگر وجود اطلاعات مشترک است یعنی هر قدر همبستگی بین باندها بیشتر باشد میزان اطلاعات بیشتری به صورت مشترک وجود دارد (23). در حالیکه هدف در این مطالعه یافتن باندهایی بود که کوواریانس بالایی داشته باشند. به عبارت دیگر تفاوت در بازتاب طیفی بین باندها هرچه بیشتر باشد امکان تفکیک عوارض و پدیده­ها با دقت بالایی امکانپذیر خواهد بود (1). در مجموع برای وضوح بهتر تصاویر باندهای مختلف علاوه بر مستطیل­های معادل از سه روش کشش خطی[22]، تبدیل هیستوگرام[23] و کشش خطی اشباع شده[24] نیز استفاده شد. کلیه مراحل فوق با استفاده از نرم افزار ERDAS Imagine 9.2 انجام گرفت.

استفاده از خصوصیات آماری نمونه­­های تعلیمی[25]، متداولترین روش انتخاب بهترین باندها از مجموع باندهای اخذ شده می­باشد (20). برای این منظور از فاکتور شاخص مطلوب (8) استفاده شد (معادله 2). در این روش ترکیب باندی را که بالاترین مقادیر فاکتور شاخص مطلوب را داشت بعنوان بهترین ترکیب انتخاب گردید (1).

  معادله 2

                                                     

که:

= مجموع انحراف معیار­های سه باند

= مجموع قدر مطلق ضرایب همبستگی بین دو باند از سه باند

 

پس از انتخاب بهترین ترکیب باندی نمونه­های تعلیمی تهیه شدند. در انتخاب نمونه­ها سعی شد اغلب از مناطق همگن نمونه برداری گردد تا ارزش­های طیفی پیکسل­های تصویر با نمونه­های آموزشی مقایسه شود و به این ترتیب پیکسل­ها در طبقات قابل تفکیک قرار داده شوند. 

نمونه­برداری صحرایی: از منطقه مورد مطالعه به تعداد 217 (100 نمونه قبل از شروع پردازش برای کمک گرفتن در شناخت منطقه و انتخاب نمونه­های آموزشی[26] و117 نمونه پس از پردازش برای ارزیابی صحت نقشه­های تهیه شده) نمونه به روش سیستماتیک - تصادفی برداشت شد. بگونه­ای که با در نظر گرفتن پوشش جاده­ای و همچنین با در نظر گرفتن محدوده مرزی کشور آذربایجان (به دور از پاسگاه­های مرزی) به­صورت سیستماتیک تلاش گردید نمونه­برداری از کل سطح حوزه و از سطح کاربری­های مختلف به تعداد مناسب انجام گیرد. با رعایت فواصل نمونه­برداری محل نمونه­­ها در سطح هر کاربری به­صورت تصادفی انتخاب شد. قطعات نمونه­برداری به شکل مربع و در ابعاد 100 ×100 متر بود (تا خطای احتمالی GPS Garmin vista و سایر خطاها مد نظر قرار گرفته شده باشد). مرکز هر قطعه نمونه با استفاده GPS ثبت گردید. اطلاعات مربوط به کاربری و پوشش زمین ثبت شد. پس از انتقال داده­ها از GPS به کامپیوتر با استفاده از نرم افزار OziExplorer3.95.4q، در محیط ArcGIS9.3 اطلاعات کاربری به نقاط GPS اضافه شد.

انتخاب نوع کاربری و تعداد کلاس­ها: با توجه به مطالعات صحرایی و کنترل 100 نقطه­ در حین بازدید میدانی از کاربری­های مختلف در مجموع 5 طبقه کاربری شامل: کاربری مرتع (اراضی مرتعی با بیش از 95 درصد کاربری مرتع)؛ زراعت دیم (با کاربری بیش از 95 درصد کاربری دیم، برای این کاربری در نظر گرفته شد)؛ اراضی دیم و مرتع یا اراضی زراعی - مرتعی (با توجه به کوچک بودن عرصه­های زراعی و پراکنده بودن این اراضی در داخل اکوسیستم مراتع و با احتمال اینکه این اراضی قابل تفکیک با سنجنده مورد استفاده نباشند، واحدی بنام کاربری زراعی- مرتعی در نظر گرفته شد. باغ و مجتمع­های درختی (مثمره و غیرمثمره) که در حاشیه دره­های با تظاهر آبی به­صورت نوار باریکی در حاشیه دره­ها توده­های درختی طبیعی و دست کاشت گسترش داشته که به­عنوان کاربری چهارم در نظر گرفته شد. مناطق مسکونی و روستاهای داخل حوزه به­عنوان کاربری مسکونی در نظر گرفته شد. بخش کوچکی از سطح حوزه در بخش­های میانی و خروجی در داخل دره­ها که شیب حوزه کم شده، رسوبات ناشی از سیلاب­های فصلی رسوب گذاری و تشکیل یک پوشش اراضی مشخصی را داده که همانند هیچیک از کاربر­های فوق نبوده، کمتر از 1 درصد پوشش تاجی داشته و عمدتاً از رسوبات درشت و ریز­دانه تشکیل که به­عنوان مسیله و کاربری ششم انتخاب و در تفسیر چشمی و رقومی مد نظر قرار گرفت.

بررسی تفاوت طیفی پیکسل­های مربوط به کاربری­های انتخاب شده: با استفاده از شناخت حاصله از عملیات صحرایی نسبت به کاربری­های مختلف و نقاط ثبت شده با GPS، پیکسل­های مربوط به هر کاربری به­صورت دستی و اتوماتیک استخراج و باند­ها به صورت دو بدو باهم به صورت گرافیکی و آزمون همبستگی مقایسه شدند.

پس از پیش­پردازش و آماده­سازی داده­های اولیه، نقشه کاربری اراضی در 3 مرحله: الف) تهیه نقشه کاربری اراضی با تفسیر چشمی تصویر لندست، و ب) تهیه نقشه کاربری اراضی حوزه به­­صورت تفسیر رقومی و با استفاده از روش طبقه­بندی نظارت شده در 2 بخش به شرح ذیل با استفاده از نرم افزار ERDAS Imagine 9.2؛ و ج) طبقه­بندی شیءگرا با استفاده از نرم افزار ECognition Developer 64 صورت گرفت.

الف. مرحله اول: تفسیر چشمی تصویر: تهیه نقشه کاربری فعلی اراضی حوزه با استفاده از تصویر لندست با توجه به اصول تفسیر و تفکیک مناطق مختلف از لحاظ نوع کاربری انجام و با استفاده از بازدیدهای صحرایی (به­خصوص در محل­هایی که امکان تفکیک دقیق انواع کاربری­ها از روی تصویر ماهواره­ای وجود نداشت مانند تفکیک اراضی دیم از مرتع) تصحیحات لازم اعمال و نقشه کاربری اراضی در5 کاربری اصلی سطح حوزه شامل: زراعی- مرتعی، مرتع، باغ و مجتمع­های درختی، مسیله و مناطق مسکونی (روستا) نهایی شد. با توجه به موانع شیب و ‌عمق خاک، گسترش اراضی زراعی در سطوح کوچک، بعضاً حتی کمتر از 500 مترمربع انتشار دارند، که امکان تفکیک آن­ها با تصویر ETM+ نبوده و لذا به صورت اراضی کمپلکس (مخلوط) تفکیک و نهایی گردید.

ب. مرحله دوم: تفسیر رقومی تصویر ETM+: تفسیر رقومی تصویر به­­صورت طبقه­بندی نظارت شده و با استفاده از الگوریتم حداکثر احتمال[27] صورت گرفت. لازم به ذکر است سایر الگوریتم­ها نیز قبل از نهایی کردن الگوریتم حداکثر احتمال مورد آزمون قرار گرفت و در مرحله کنترل میدانی، بررسی لازم انجام و چون الگوریتم حداکثر احتمال از قابلیت بهتری در تفکیک واحد­ها برخوردار بود، لذا مورد استفاده قرار گرفت.

ب-1. بخش اول: ابتدا نمونه­های تعلیمی شامل 5 کلاس (زراعت دیم، مرتع، باغ و مجتمع­های درختی، مسیله و مناطق مسکونی (روستا)) از تصویر ماهواره­ای با پراکنش، اندازه مناسب و تعداد قابل توجّه با در نظر گرفتن داده­های ثبت شده توسط GPS انتخاب و طبقه­­بندی تصویر صورت گرفت.

ب-2. بخش دوم: بعد از ارزیابی صحت­ کلی و ضریب کاپای تصویر بخش اول (ب-1) و با توجه به پائین بودن آن­ها و با توجه به اینکه کاربری مسکونی و مسیله بیشترین خطا را در بر می­گرفتند، به­جهت بهبود طبقه­بندی ابتدا انتخاب نمونه­های تعلیمی برای زراعت دیم، مرتع، باغ و مجتمع­های درختی (بدون انتخاب نمونه برای کاربری مسکونی و مسیله) از سطح تصویر با در نظر گرفتن نقاط کنترلی GPS انجام و نقشه مورد نظر پس از فیلتر­گذاری از نوع Majority سه مرحله­ای 3 در 3 به لایه برداری تبدیل گردید. سپس سطوح مسکونی و مسیله با استفاده از تفسیر چشمی در محیط ArcGIS9.3 تفکیک و با کنترل میدانی به­عنوان نقشه نهایی گردید. در ادامه لایه مناطق مسکونی و مسیله به روی لایه نقشه طبقه­بندی شده برداری اضافه و در محیط GIS محل مناطق مسکونی و مسیله برش داده شده و کاربری­های مسکونی و مسیله به آن اضافه به­عنوان نقشه نهایی مورد استفاده قرار گرفت و بررسی صحت کلی و آماره کاپا صورت گرفت.

ج. مرحله سوم: طبقه­بندی شیءگرای تصویر ETM+: طبقه­بندی شیء­گرا فرآیندی است که در آن کلاس­های پوشش اراضی را به اشیاء و پدیده­های سطح تصویری ارتباط می­دهد (11،14). پس از فرآیند طبقه­بندی، هر یک از اشیا یا پدیده­های تصویری به یک یا هیچکدام از کلاس­ها اختصاص می­یابند. این نوع از طبقه­بندی برپایه­ی منطق فازی استوار است و ارزش عوارض را به ارزش فازی (بین صفر تا یک) با درجه عضویت معین برای هر کلاس تبدیل می­کند (28). در این فرآیند پیکسل­ها با درجه عضویت متفاوت در بیش از یک کلاس طبقه­بندی می­شوند و براساس درجه عضویت نسبت به هر کلاس، طبقه­بندی براساس الگوریتم نزدیکترین همسایه انجام می­شود. برای طبقه­بندی ابتدا باید سگمنت­سازی کرد. سگمنت گروهی از پیکسل­های همسایه در داخل یک ناحیه است که شباهت (از نظر ارزش عددی و بافت) مهمترین معیار مشترک آن­هاست (11،28). سگمنت­سازی مبنای طبقه­بندی محسوب می­شود و هر چقدر سگمنت­سازی با دقت بالاتری انجام گیرد در کیفیت طبقه­بندی تأثیر خواهد گذاشت. در فرآیند سگمنت­سازی باید پارامترهای شکل، بافت، ضریب فشردگی و معیار نرمی شکل درنظر گرفته شود و براساس نسبت اهمیت هر یک از این عوامل در خصوصیات کلاس­های مورد نظر برای استخراج از تصاویر ماهواره­ای، نسبت اهمیت آن­ها را در فرآیند سگمنت­سازی اعمال نماید (14). علاوه بر این مقیاس مناسب یکی دیگر از عوامل مهم در سگمنت­سازی است. عدد مقیاس هر چقدر بزرگتر باشد سگمنت­ها اجازه­ی ایجاد اشیای تصویری بزرگ را داده و برعکس با انتخاب عدد کوچک شیء تصویری کوچکی ایجاد خواهد شد. بنابراین، تعریف مقیاس در فرآیند سگمنت­سازی از اهمیت زیادی برخوردار است (28). در این تحقیق، برای طبقه­بندی شیءگرای تصویر، در ابتدا مقادیر مختلفی برای پارامترهای مقیاس، فشردگی و شکل برای هر یک از تصاویر انتخاب و پس از رؤیت و مقایسه­ی نتایج سگمنت­سازی و طبقه­بندی حاصل در نهایت مقادیر 3، 5/0 و 4/0 انتخاب گردید و طبقه­بندی نهایی با استفاده از این پارامترها و الگوریتم نزدیکترین همسایه انجام گرفت.

در نهایت داده­های میدانی با نقشه­های تهیه شده در قالب داده­های نقشه تولید شده و داده­های زمینی با استفاده از ماتریس درهمی واریانس-کوواریانس در جدول ماتریس خطا، تحت عنوان صحت کلی با استفاده از معادله 3 و ضریب کاپا با استفاده از معادله 4 محاسبه شد گردید (9).

معادله 3                   (SPii)N/1=OA

که در آن: OA، صحت کلی؛ N. تعداد کل پیکسل­های آزمایشی؛ SPii. مجموع پیکسل­های درست طبقه­بندی شده.

معادله 4             (q/1-1)/(q/1-OA)=Ǩ

که در آن: Ǩ= ضریب کاپا؛ OA = صحت کلی؛ q= پیکسل­های درست طبقه بندی نشده.

نتایج

شکل 2 نمای تصویر مورد استفاده با ترکیب باندی 4، 3 و 2 را نشان می­دهد. همانگونه که در بخش معرفی منطقه اشاره شد، تصویر انتخاب شده متعلق به اواسط خرداد­ماه بوده و در این موقع از سال در منطقه ارشق که حوزه مورد مطالعه نیز بخشی از آن می­باشد، شروع مرحله شیری­شدن پوشش گیاهی می­باشد. همچنین هرچند که اختلاف ارتفاع زیادی در سطح حوزه وجود ندارد (اختلاف ارتفاع 842 متر) ولی همین مقدار نیز باعث اختلاف فنولوژی و در مقایسه گیاهان زودتر شیری شده و لذا انعکاس از این سطح در مقایسه با سطوح بالاتر تغییر پیدا کرده است که این امر تشخیص و تفکیک کاربری­ها را با مشکل مواجهه کرده است. از جانب دیگر وضعیت توپوگرافی، خاک و کاربری­های گسترش یافته بخصوص دیم عمدتاً در سطوح کوچک امکان تشخیص و تفکیک را با محدودیت مواجهه کرده است. شکل 3 نیز در این ارتباط تهیه و به­صورت مقایسه گرافیکی که نمایش مکانی ارزش پیکسل­های کاربری­های مختلف در سطح تصویر ETM+ با استفاده از دو باند 4 و 3 که در بخش­های مختلف مانند تفسیر چشمی و انتخاب نمونه­های آموزشی در طبقه­بندی نظارت شده مورد توجه قرار گرفته بر این مشکل و همسانی انعکاس طیفی تأکید دارد. در مجموع بر اساس این مقایسه با توجه به مراحل فنولوژیکی گیاهان، تراکم کم پوشش تاجی گیاهان طبیعی و زراعی تداخل ارزشی طیفی پیکسل­های کاربری­های مختلف در سطح حوزه وجود دارد، که این امر در تعیین پیکسل­های اختصاصی برای کاربری­های مختلف، بخصوص برای دیم و مرتع، مسیله و مسکونی ایجاد اشکال می­نماید.


 

شکل 2- تصویر لندست 7 رنگی کاذب با باند­های 4، 3 و 2 برای سطح حوزه را نشان می­دهد

 

باند 3

 

باند 4

 

شکل 3- برای نمونه، نمایش مکانی ارزش پیکسل­های کاربری­های مختلف در تصویر لندست 7 با استفاده از دو باند 4 و 3


الف. نتایج مرحله اول: نقشه تهیه شده به­ طریقه تفسیر چشمی: نقشه کاربری اراضی حوزه که به طریقه تفسیر چشمی تهیه شده در شکل 4 نشان داده شده است. همانگونه که از شکل پیداست، واحد کاربری کمپلکس کشاورزی- مرتع با مساحت 7416 هکتار (74 درصد حوزه)، بیشترین سطح حوزه را شامل می­شود (جدول 1). در این نقشه اراضی مرتعی خالص، مناطق روستایی، باغ و مجتمع­های درختی و مسیله قابل تفکیک بوده، ولی همانگونه که اشاره شد واحد کمپلکس با استفاده از تصویر لندست قابل تفکیک نبوده است. شکل 3 رفتار طیفی کاربری­های مختلف را برای باند­های 3 و 4 تصویر مورد استفاده نشان می­دهد. همانگونه که در شکل مشخص است، کاربری­های مختلف خصوصیات طیفی همپوشانی داشته که باعث ایجاد اشکال در تفکیک کاربری­ها در تفسیر چشمی و رقومی ایجاد می­کند. صحت کلی این نقشه 85 درصد و ضریب کاپا 81/0 بدست آمد (جدول 2).

 

 

شکل 4- نقشه کاربری فعلی حوزه آبخیز کفتاره تهیه شده به طریقه تفسیر چشمی با استفاده از تصویر لندست 7 و داده­های کمکی و میدانی

جدول 1- مساحت طبقات مختلف کاربری فعلی حوزه آبخیز کفتاره به طریقه تفسیر چشمی، رقومی (نظارت شده) و ترکیبی (تفسیر رقومی و چشمی) و طبقه­بندی شیءگرای لندست 7 سال 1385 (2006)

 

مرحله اول:

تفسیر چشمی

نام کاربری

کشاورزی-مرتع

مرتع

باغ و مجتمع­های درختی

مسیله

روستا

مساحت (هکتار)

04/7416

46/1968

9/512

7/53

9/53

درصد

74

8/19

14/5

53/0

53/0

 

مرحله دوم: تفسیر رقومی و

ترکیبی (رقومی و چشمی)

بخش اول:

تفسیر رقومی (نظارت شده)

نام کاربری

زراعت دیم

مرتع

باغ و مجتمع­های درختی

مسیله

روستا

مساحت (هکتار)

65/657

5/2070

15/487

8/5050

9/1738

درصد

6/6

7/20

85/4

45/50

4/17

بخش دوم:

ترکیبی (رقومی و چشمی)

 

 

مساحت (هکتار)

3511

5877

4/509

7/53

9/53

درصد

1/35

76/58

08/5

53/0

53/0

 

مرحله سوم: طبقه­بندی شیءگرا

مساحت (هکتار)

6/5212

1/4110

1/538

8/95

3/49

درصد

10/52

08/41

38/5

96/0

49/0

 

جدول 2- ماتریس خطای مربوط به تفسیر چشمی، تفسیر رقومی (نظارت شده و ترکیبی) و طبقه­بندی شیءگرای لندست 7 سال 1385 (2006)

 

 

کلاس­های طبقه­بندی

GPS یا واقعیت زمینی

(تعداد نقاط برداشت شده)

 

مرحله اول:

تفسیر چشمی

مرحله دوم:

تفسیر رقومی (نظارت شده) و ترکیبی تصویر لندست 7

مرحله سوم:

طبقه­بندی شیءگرا

بخش اول:

تفسیر رقومی (نظارت شده)

بخش دوم:

ترکیبی (رقومی و چشمی)

صحت­ تولیدکننده (درصد)

صحت کاربر (درصد)

صحت تولیدکننده (درصد)

صحت کاربر (درصد)

صحت تولیدکننده (درصد)

صحت کاربر (درصد)

صحت تولیدکننده (درصد)

صحت کاربر (درصد)

کشاورزی-مرتعداری

-

94

85

-

-

-

-

-

-

زراعت دیم

75

-

-

23

85

71

78

88

88

مرتع

79

96

91

76

86

86

67

85

93

باغ و مجتمع­های درختی

18

72

76

72

72

72

72

100

88

مسیله

39

46

82

87

40

46

82

80

67

روستا

6

100

85

100

24

100

85

100

100

صحت کلی (درصد)

-

85

60

73

89

ضریب کاپا

-

81/0

50/0

66/0

84/0


ب. نتایج مرحله دوم: نتایج تفسیر رقومی (نظارت شده)

ب-1. بخش اول: نتایج تفسیر رقومی نظارت شده تصویر +ETM: شکل 5 نقشه تهیه شده از این بخش را نشان می­دهد. در این نقشه کاربری مسیله با مساحت 8/5050 هکتار بیشترین و باغ و مجتمع­های درختی با 15/487 هکتار کمترین مساحت کاربری حوزه را به خود اختصاص داده­اند (جدول 1). با توجه به کنترل­های صورت گرفته و محاسبه صحت کلی و آماره کاپا که به ترتیب 60 درصد و 50/0 بوده است (جدول 2)، این نتایج با واقعیت زمینی همخوانی نداشته و دو کاربری مسکونی (با خطای 85 درصد) و مسیله (با خطای 73 درصد) بیشتر از میزان واقعی نقشه­سازی شده است و به عبارتی با توجه به شرایط کاربری­های حوزه، تصویر ETM+ با توجه به قدرت تفکیک مکانی و همچنین بر اساس تحلیل­های هیستوگرام­ها و نمودار­های طیفی قابلیت کمتری را در این حالت طبقه­بندی، بخصوص در تفکیک واحدهای کاربری مانند مسیله و روستاها با توجه به همپوشانی خصوصیات طیفی نشان داده است (جدول 2).

 

 

 

شکل 5- نقشه طبقه­بندی نظارت شده سنجنده ETM+ در مرحله دوم، بخش اول


ب-1-2. بخش دوم: نتایج تفسیر رقومی و چشمی(ترکیبی) تصویر ETM+: جهت بهبود صحت نقشه کاربری نهایی در گام اول با حذف کاربری­های مسکونی و مسیله در انتخاب نمونه­های آموزشی، نقشه نهایی تهیه شده در شکل 6 ارائه شده است. در این نقشه ترکیبی میزان صحت کلی و ضریب کاپا به­ترتیب برابر 73 درصد و 66/0 محاسبه شده و همچنین تک تک کاربری­ها از درصد خطای نسبتاً کمتری در مقایسه با مرحله قبل (طبقه­بندی نظارت شده) برخوردار است. مساحت هر یک از کاربری­ها در جدول 1 ارائه شده که بر اساس این جدول مراتع با 76/58 درصد، کاربری اصلی حوزه را تشکیل می­دهد.

 

 

             شکل 6- نقشه طبقه­بندی رقومی (نظارت شده) و چشمی (ترکیبی) سنجنده ETM+ در مرحله دوم، بخش دوم


ج. نتایج مرحله سوم: طبقه­بندی شیءگرا: همانطور که در جدول 2 نیز دیده می­شود دقت تفکیک تمام کاربری­ها در این روش نسبت به مراحل اول و دوم بهبود یافته است و صحت کلی نقشه به 89 درصد رسیده است که در اینگونه نقشه­ها صحتی قابل قبول و مطلوب می­باشد. مساحت هر یک از کاربرهای این نقشه در جدول 1 آورده شده است. کاربری دیم حدود 52 درصد از حوزه را در برگرفته است.

 

 

 

شکل7- نقشه طبقه­بندی شیءگرا سنجنده ETM+


بحث و نتیجه گیری

در حوزه آبخیز کفتاره بر اساس بررسی­های میدانی نوع و توزیع کاربری­ها تابع توپوگرافی، وضعیت ژئومرفولوژی و وضعیت دامنه­ها از نظر منظم و نامنظم بودن، عمق خاک، مقدار بارندگی، وضعیت تظاهر آبی در داخل و اطراف دره­ها و آثار بر جای مانده از سیلاب­های فصلی در داخل دره­های خروجی حوزه به صورت مسیله می­باشد. از جانب دیگر در روند تهیه نقشه کاربری اراضی مشکلات زیادی وجود دارد که توسط محقّیقین مختلف مورد اشاره قرار گرفته است(6،32،19،13) که از مهمترین آن­ها می‌توان به عدم توانایی ابزارهای مورد استفاده نظیر تصاویر ماهواره­ای لندست با ابعاد پیکسلی 30 متری در تفکیک زراعت‌های دیم از مراتع، مسیله­ها و روستاها از همدیگر و از سایر کاربری­ها به علت سطح کوچک و تشابه خصوصیات طیفی آن­ها، بخصوص در مناطق ناهمگن نظیر منطقه ارشق اردبیل اشاره کرد. در این مطالعه نیز مسائل فوق مشاهده و بیشتر مورد تأکید قرار گرفت. مسائلی که در مطالعه Baban, Wan Yusof (2001) نیز مورد تأکید قرار گرفته است(6). هر چند که در مطالعات با استفاده از سنجنده (4) TM و طبقه­بندی نظارت شده با استفاده از تصاویر ETM+ (15) و با استفاده از سنجنده ETM+ (5) در مناطق مختلف کشور با استفاده از تفسیر رقومی نظارت شده نتیجه مطلوبی از تهیه نقشه کاربری اراضی گزارش نموده­اند. در این حوزه هر چند تغییرات ارتفاعی کم می‌باشد (حدود 842 متر)، ولی همین مقدار تغییرات ارتفاعی و پستی و بلندی و تشکیل واحدهای ژئومورفولوژیکی با رخنمون­های سنگی ظاهر شده در سطح زمین و به تبع آن عمق کم خاک سبب شده است که امکان کشت و کار دیم به­صورت پیوسته گسترش پیدا نکند و اراضی زراعی دیم به­صورت لکه­ای گسترش داشته باشد. همچنین با توجه به مقدار کم بارندگی، چرای شدید دام و تراکم کم پوشش گیاهی در سطح مراتع مشکل اصلی عدم توانایی کامل تصویر ماهواره­ای در تفکیک این واحدها چه به­صورت تفسیر چشمی یا رقومی (نظارت شده، ترکیب تفسیر چشمی و نظارت شده و حتی در تفسیر شیءگرا هنوز 11 درصد خطا وجود دارد) را سبب شده است. در این مطالعه هر چند نقشه­های کاربری اراضی حوزه، با تلفیق روش تفسیر چشمی و رقومی و استفاده از GPS و GIS مورد توجه قرار گرفت ولی نتایج قابل قبول حاصل نشد. نتایج تفسیر چشمی با 85 درصد صحت هر چند از نظر اصول سنجش­از دوری قابل قبول است (9،21)، ولی این روش امروزه به­عنوان یک روش سنتی و با محدودیت زمان و هزینه روبروست. این در حالی است که روش شیءگرا با صحت 89 درصد در مقایسه هم به­عنوان روش نوین و همچنین بدون محدودیت­های روش تفسیر چشمی در ارتباط با تهیه نقشه کاربری اراضی قابل توجه می­باشد. Walter (2004) نیز با استفاده از روش شیءگرا نتایج قابل قبول از تهیه نقشه کاربری اراضی ارائه نمودند (33). همچنین Myint etal., (2012) نیز در مقایسه روش­های پیکسل پایه و شیءگرا نتایج مطلوب و مشابه تحقیق ما برای روش شیءگرا گزارش کرده است(25). نتایج بررسی تفکیک­پذیری طبقات و انتخاب مجموعه باندی مناسب برای طبقه­بندی سنجنده ETM+ حوزه نشان داد که میزان تفکیک­پذیری طبقات مختلف مانند کاربری مرتع، دیمزار، مسکونی و مسیله با توجه به هم­پوشانی طیفی کاملاً مطلوب نمی­باشد. علت این امر عمدتاً ناشی از کوچک بودن اراضی زراعی دیم در سطح کاربری مرتعی و همچنین کوچک بودن مناطق مسکونی و خانه­های کاهگلی و کوچه­های خاکی، و مسیله­های عاری از پوشش و خاک­دار که از نظر خصوصیات انعکاس طیفی یکسانی برخوردار و تفاوت معنی­داری را از نظر طیفی با کاربری­های دیگر ایجاد نمی­کنند، می­باشد. این امر منجر به کاهش توانایی سنجنده­هایی مانند لندست در تفکیک این واحد­­های کاربری که ناشی از تداخل طیفی پدیده­ها می­باشند، دانست. در این تحقیق کاربرد دستگاه GPS در تهیه نقشه واقعیت زمینی بر سرعت و دقت تولید این نقشه افزوده و امکان برداشت تعداد نقاط بیشتری را در مناطقی که وسعت زیادی دارند، فراهم کرده ­است. امکان برداشت نمونه­ها به­صورت نقطه­ای واقعیت زمینی با استفاده از GPS و تبدیل آن به­صورت رستری (تک پیکسل) در مقایسه با روش­های معمول تهیه نقشه­ واقعیت زمینی از داده­های جانبی نظیرعکس­های هوایی سیاه و سفید نیز با سرعت بیشتر و حتی از صحت مکانی و موضوعی بالاتری برخوردار می­شود. چرا که در استفاده از این ابزار، نقشه واقعیت زمینی بر اساس مشاهده و ثبت اطلاعات دقیق میدانی همرا می­باشد. همچنین در این تحقیق همانند تحقیق Shatai, Abdi (2008) بر ضرورت استفاده از GIS در تهیه نقشه نهایی کاربری اراضی (حاصل از طبقه­بندی نظارت شده) تأکید می­گردد(29) . با توجه به صحت کلی نقشه­ها و با استناد و مقایسه با منابعی نظیر (10،21،9) که ضرایب صحت کلی بزرگتر از 85 درصد را قابل قبول عنوان کرده­اند، نتایج حاصله از طبقه­بندی کاربری­ها چه از نظر تک تک کاربری­ها و چه از نظر مجموع صحت و آماره کاپا از صحت نسبتاً بالاتری در ارتباط با اطلاعات تولید شده پس از اعمال شیوه تلفیقی تفسیر چشمی و رقومی برخوردار شده است، اما کماکان نتایج غیرقابل استناد است. در مقابل روش شیء­پایه با رفع محدودیت­های تفسیر چشمی و صحت بالاتر (89 درصد) نتایج مستندتری برای برنامه­ریزی در مطالعات آبخیزداری تولید می­کند. در مجموع با توجه به اینکه در مطالعات آبخیزداری و منابع طبیعی هنوز از تفسیر چشمی استفاده می­شود، توصیه می­شود با توجه به محدودیت­های این روش از روش شیءگرا با صحت قابل قبول، بخصوص با استفاده از تصاویر با قدرت تفکیک مکانی بالاتر در این مطالعات استفاده گردد. همچنین با توجه به صحت نقشه­های تولیدی طبقه بندی نظارت شده و روش تلفیقی برای منطقه مورد مطالعه نمی­توان به نتایج آن­ها استناد کرد.   

 

 

 

 

 

 

سپاسگزاری: بدین ­وسیله از سازمان فضایی کشور به جهت تامین تصویر ماهواره­ای لندست تشکر می­گردد.

 

 

 

 


 

 

  1. Ahani, H., A.Ghorbani., Rastgar Moghadam,M.,Falah Shamsi,S., and M, Baghernejad.2009. Land use change detection using satellite imagery Tangeh-Sorkh watershed of Shiraz. Natural Resources and Agricultural Journal,16:242-252.
  2. Ahmad Abadi,S. 2011. Spatial modeling of planting activities on range area using GIS & RS in Kaftareh Watershed of Ardabil. Msc Thesis of Watershed Management. University of Mohaghegh Ardabily.
  3. Al-Ahmadi, F. S. and A. S. Hames. (2009) Comparison of four classification methods to extract land use and land cover from raw satellite images for some remote arid areas, Kingdom of Saudi Arabia, Journal of King Abdul Aziz Earth Science, 20(1): 167-191.
  4. Alavipanah, K, M ,Masoudi.2001. Land use Mapping Preparation Using TM satellite imaging Data and GIS (A case Study: Mork region of Fars province Natural Resources and Agricultural Journal.
  5. Arzani H, K.h , Mirakhorlou, S.Z ,Hosseini. 2009. Land use mapping using Landsat7 ETM data (Case study in middle catchment’s of Taleghan).Range and desert journal of Iran:16(2):150-160.
  6. Baban, S. J. and M. Wan Yusof.  (2001) Mapping land use/ cover distribution on a mountainous tropical island using remote sensing and GIS, International Journal Remote Sensing, 22:10, 1909–1918.
  7. Bastin, G.N., Pickup, G., Chewings, V.H., and G., Pearce. (1993) Land degradation assessment in central Australia using a grazing gradient method. Australian Rangeland Journal, 15: 190-216.
  8. Chavez, P. S., Berlin, G. L. and L. B. Sowers. (1982) Statistical methods for selecting Landsat MSS ratio. Journal of Applied Photogrammetric Engineering, 8(1):
  9. 23-30.
  10. Congalton, R.G., and K. Green. (2009) Assessing the accuracy of remotely sensed data: principles and practices. 2nd Ed, CRC Press Taylor & Francis Group, Boca Raton Florida. 179P.
  11. Dellepiane, S.G. and P.C. Smith. (1999) Quality assessment of image classification algorithms for land cover mapping: A review and a proposal for a cost based approach. International Journal Remote Sensing, 20: 1461-1486.
  12. Feysizadeh,b and H, Halali.2010. Comparision pixel basic methods and effective factors classification of vegetation and land use in West Azarbaijan province, Natural Geographic Research journal:71:73-84..
  13. Foody, G.M. (1992) On the compensation for chance agreement in image classification accuracy assessment. Photogrammeteric Engineering and Remote Sensing, 58: 1459-1460.
  14. Ghorbani, A. and M. Pakravan. (2013) Land use mapping using visual vs. digital image interpretation of TM and Google earth derived imagery in Shrivan-Darasi watershed (Northwest of Iran), European Journal of Experimental Biology, 3(1): 576-582.
  15. Ghorbani, A., Bruce, D., and F. Tiver. (2006) Stratification: a problem in rangeland monitoring. In Proceeding of the 1st International Conference on Object-based Image Analysis (OBIA), July 4-5, Salzburg, Austria.
  16. Hossieni,S. 2002. Investigation on ability of ETM+ satellite image Data For land use mapping preparation (A case Study: Mazandaran province, Chamestan region).Msc Thesis,Tehran University.
  17. Igué A.M., Houndagba C. J., Gaiser T. and K. Stahr. (2012) Accuracy of the Land Use/Cover classification in the Oueme Basin of Benin (West Africa), International Journal of AgriScience, 2(2): 174-184.
  18. Iranmanesh, F., A, Charkhabi., and N, Jalali.2006. Measuring of morphometric characteristics gullies in south eastern of Iran Using ETM+ Image processing. Natural Resources and Agricultural Sciences Journal: 10(1):233-245.
  19. Jaafari, Sh. and A.A., Nazarisamani. (2013) Comparison between land use/land cover mapping through Landsat and Google Earth imagery, American-Eurasian Journal of Agriculture & Environment Science, 13(6): 763-768.
  20. Jansen L. J.M. and A. Di Gregorio. (2004) Obtaining land-use information from a remotely sensed land cover map: results from a case study in Lebanon, International Journal of Applied Earth Observation and Geoinformation, 5: 141–157.
  21. Lefsky, M. A. and W. B. Cohen. (2003) Selection of  remotely sensed data. P13–46, in: M. A. Wulder and S. E. Franklin (eds.), Remote sensing of forest environments: concepts and case studies, Kluwer Academic Publishers, Boston, USA.
  22. Lillesand, ‎T. M., Kiefer, ‎ R.W. and J. W., Chipman. (2008) Remote Sensing and Image Interpretation, John Wiley & Sons, Inc., 6th Ed., 812p.
  23. Lu. D. and Q. Weng. (2007) A survey of image classification methods and techniques for improving classification performance. International Journal of Remote Sensing. 28(5): 823–870.
  24. Mather, P. M., (2005) Computer processing of remotely–sensed images, 3rd Ed, John Wiley & Sons, Ltd. pp319.
  25. Montserud, R. A. and R. Leamans. (1992) Comparing global vegetation maps statistic, Ecological Modeling, 62: 275-293.
  26. Myint, S. W., Gober P., Brazel A., Grossman-Clarke, S., Q., Weng. (2012) Per-pixel vs. object-based classification of urban land covers extraction using high spatial resolution imagery. Remote Sensing of Environment, 115: 1145–1161.
  27. Rasouli, E and H,Mohammadzadeh.2010. Remot sensing basic of Knowledg. Elmiran publition.190p.
  28. Shataee, Sh and A, Abdi, 2007. Land use mapping preparation in Zagros mountain region using ETM+ satellite images Data (A case study: Sarkan Watershed of Lorestan).Natural Resources and Agricultural Sciences Journal: 1(4):129-138.
  29. Singh, V. and A. Dubey. (2012) Land use mapping using remote sensing and GIS techniques in Naina - Gorma basin, part of Rewa district, M.P., India, International Tapiador, F.J. and J. L. Journal of Emerging Technology and Advanced Engineering, 2(11): 151-156.
  30. Casanova. (2003) Land use mapping methodology using remote sensing for the regional planning directives in Segovia, Spain Landscape and Urban Planning Journal, 62: 2, 103-115.
  31. Stehman, S. V. (2004) A critical evaluation of the normalized error matrix in map accuracy assessment, Photogrammetric Engineering and Remote Sensing. 70: 743–751.
  32. Walter, V. (2004) Object-based classification of remote sensing data for change detection, ISPRS Journal of Photogrammetry and Remote Sensing, 58: 225– 238.
  33. Wolberg. G. (1990) Digital image warping. Los Alamitos, CA: IEEE Computer Society Press, p 318.

 

 

 

27.  Najarloo, S.2005. Investigation on Fars expansion area using areal photographic, Topo graphic maps, Satellite image ETM+ and IRS-ID, Msc Thesis Agricultural and Natural Resources Faculty.

28.  Rafieyan, A., A. Darvishsefat and M. Namiranian.2006. Evaluation of Landsat7 Data in Forest Mapping (Case study: Forest of Babol).Iranian Natural Resources Journal: 59(4): 843-852.