تهیه نقشه کاربری اراضی تالاب میقان با استفاده از روش طبقه بندی نظارت شده و فازی 2013

نوع مقاله: مقاله پژوهشی

نویسندگان

1 دانشجوی کارشناسی ارشد رشته ارزیابی و آمایش سرزمین، دانشگاه پیام نور، تهران *(مسئول مکاتبات).

2 استادیار، گروه منابع طبیعی و محیط زیست، دانشگاه پیام نور، تهران.

چکیده

آشکار ساختن تغییرات یکی از نیازهای اساسی در مدیریت و ارزیابی منابع طبیعی است. بنابراین نقشه تغییرات کاربری را که نتیجه فرآیند آشکارسازی تغییرات می باشد، می‏توان براساس تصاویر سنجش از دور تهیه کرد. لازم به ذکر است که روش‏های متفاوت و گوناگونی برای آشکارسازی تغییرات و تحولات کاربری‏ها ارایه شده است. هدف از انجام این تحقیق، مقایسه‏ی دو روش طبقه بندی نظارت شده و فازی جهت استخراج نقشه کاربری اراضی تالاب میقان با استفاده از تصویر ماهواره‏ای سنجنده OLI است.
در این تحقیق تغییرات، تحولات کاربری و پوشش اراضی تالاب میقان با استفاده از تصاویر سنجنده  OLI ماهواره لندست مربوط به سال ٢٠١٣ اخذ شد؛ سپس تصویر یاد شده با استفاده از الگوریتم های مناسب از لحاظ هندسی و رادیومتریک تصحیح شدند؛ آنگاه نمونه‏های آموزشی به صورت طبقه بندی  فازی و نظارت شده در پنج کلاس کاربری ایجاد شدند.
پس از اعمال طبقه بندی نظارت شده و فازی بر روی تصویر ماهواره ای OLI نقشه کاربری اراضی تهیه گردید سپس دقت طبقه بندی‏ها مورد ارزیابی قرار گرفت برای انجام این کار مشخصات آماری دقت تولید کننده و دقت استفاده کننده برای هر کدام از کلاس‏ها تعیین گردید و در نهایت با استفاده از دقت کلی، دقت نقشه‏های حاصل از طبقه بندی نظارت شده و فازی مشخص شد.
نتایج حاصل از ارزیابی دقت این دو روش با استفاده از تعیین دقت کلی،  نشان داده است که طبقه بندی نظارت شده با دقت کلی ٩١/٨٤  و ضریب کاپا ٧٨٦١/٠ نسبت به طبقه بندی فازی با دقت کلی ٤٩/٨٣  و ضریب کاپا ٧٦٦٧/٠ از دقت بیشتری برخوردار است.

کلیدواژه‌ها

موضوعات


 

 

 

 

 

فصلنامه انسان و محیط زیست، شماره 32 ، بهار 94

 

تهیه نقشه کاربری اراضی تالاب میقان با استفاده از روش

طبقه بندی نظارت شده و فازی  2013

 

زهرا علی بخشی[1]*

zahralibakhshi@gmail.com

مرضیه علی خواه اصل[2]

                                                                 محمد رضوانی٢

 

چکیده

آشکار ساختن تغییرات یکی از نیازهای اساسی در مدیریت و ارزیابی منابع طبیعی است. بنابراین نقشه تغییرات کاربری را که نتیجه فرآیند آشکارسازی تغییرات می باشد، می‏توان براساس تصاویر سنجش از دور تهیه کرد. لازم به ذکر است که روش‏های متفاوت و گوناگونی برای آشکارسازی تغییرات و تحولات کاربری‏ها ارایه شده است. هدف از انجام این تحقیق، مقایسه‏ی دو روش طبقه بندی نظارت شده و فازی جهت استخراج نقشه کاربری اراضی تالاب میقان با استفاده از تصویر ماهواره‏ای سنجنده OLI است.

در این تحقیق تغییرات، تحولات کاربری و پوشش اراضی تالاب میقان با استفاده از تصاویر سنجنده  OLI ماهواره لندست مربوط به سال ٢٠١٣ اخذ شد؛ سپس تصویر یاد شده با استفاده از الگوریتم های مناسب از لحاظ هندسی و رادیومتریک تصحیح شدند؛ آنگاه نمونه‏های آموزشی به صورت طبقه بندی  فازی و نظارت شده در پنج کلاس کاربری ایجاد شدند.

پس از اعمال طبقه بندی نظارت شده و فازی بر روی تصویر ماهواره ای OLI نقشه کاربری اراضی تهیه گردید سپس دقت طبقه بندی‏ها مورد ارزیابی قرار گرفت برای انجام این کار مشخصات آماری دقت تولید کننده و دقت استفاده کننده برای هر کدام از کلاس‏ها تعیین گردید و در نهایت با استفاده از دقت کلی، دقت نقشه‏های حاصل از طبقه بندی نظارت شده و فازی مشخص شد.

نتایج حاصل از ارزیابی دقت این دو روش با استفاده از تعیین دقت کلی،  نشان داده است که طبقه بندی نظارت شده با دقت کلی ٩١/٨٤  و ضریب کاپا ٧٨٦١/٠ نسبت به طبقه بندی فازی با دقت کلی ٤٩/٨٣  و ضریب کاپا ٧٦٦٧/٠ از دقت بیشتری برخوردار است.

کلمات کلیدی: کاربری اراضی، روش نظارت شده و فازی، تالاب میقان.

 

 

 

 

مقدمه

 

کاربری اراضی، توصیف نوع بهره برداری انسان از        یک قطعه زمین می باشد که از دیرباز به منظور برنامه‏ریزی و مدیریت منابع مد نظر قرار گرفته است .سنجش از دور و سیستم اطلاعات جغرافیایی از جمله تکنولوژی‏های                  مورد استفاده در این امر می باشند. سنجش از دور١ عبارت است از: اندازه گیری خصوصیات پدیده‏های سطح زمین            با استفاده از داده‏هایی که از راه دور توسط هواپیما و ماهواره کسب می‏شوند (١). یکی از منابع اطلاعات که به طور مؤثر و مفید قابل کاربرد در شناسایی پوشش‏های اراضی می باشد، سنجش از دور می باشد. بنابراین به کار گیری تصاویر ماهواره‏ای و پردازش رقومی آن‏ها با الگوریتم‏های مناسب موجب می‏شود ضمن به حداقل رساندن خطای انسانی جزییات پدیده‏هایی را که چشم انسان قادر به تمایز آن‏ها نیست، شناسایی و تفکیک شوند. به نظر می‏رسد با استفاده از          این تصاویر و تکنیک‏های طبقه بندی آن‏ها، می‏توان اراضی را که دارای شباهت سطحی و بازتاب مشابه هستند در یک طبقه قرار داد و شرط اول که همان گروه بندی اراضی مشابه است را فراهم آورد (٢).

طبقه بندی تصاویر ماهواره ای فرآیند پیچیده ای است که ممکن است توسط بسیاری از فاکتورها تحت تأثیر قرار گیرد محققان در راستای توسعه ی روش‏ها و تکنیک‏های پیشرفته طبقه بندی جهت بهبود دقت طبقه بندی  تلاش‏های وسیع و گسترده‏ای را انجام داده‏اند که از جمله این روش‏ها می‏توان     به شبکه عصبی مصنوعی، منطق فازی و سیستم‏های هوشمند اشاره کرد(٣). از جمله تحقیقاتی که در رابطه با تهیه نقشه کاربری اراضی با استفاده از تکنیک سنجش از دور انجام پذیرفته است، می‏توان به فیضی زاده و همکاران (١٣٨۶)، استخراج کاربری‏های اراضی شهرستان ملکان با استفاده از تصاویر ETM+  لندست ٧ و با استفاده از الگوریتم طبقه‏بندی حداکثر احتمال انجام گرفت اشاره کرد (٤). سفیانیان و همکاران، نقشه کاربری اراضی مناطقی از استان همدان را        با استفاده از روش فازی تهیه نمودند و نتیجه گیری نمودند که این روش قابلیت تهیه نقشه پوشش اراضی و الگوی کشت         با صحت بالا را دارا می باشد (۵). یوسفی و همکاران (١٣٩٠)، نقشه کاربری اراضی شهرستان نور را با استفاده از روش‏های مختلف تهیه نمودند و نتیجه گیری کردند که روش طبقه بندی ماشین بردار پشتیبان نسبت به روش‏های دیگر دقت بالاتری دارد (۶).

 سیتو٢ و همکاران در سال ٢٠٠٢، نقشه                      کاربری‏های اراضی قسمت جنوبی کشور چین را با استفاده از تصاویر لندست TM و با استفاده از تصاویر ماهواره ای              چند زمانه تغییرات کاربری را بررسی نمود (٧). آیانا و کوزیتساکولچای٣  در سال ٢٠١٢ از تکنیک سنجش از دور و مدل مارکو٤ برای بررسی تغییرات کاربری اراضی           استفاده نمودند و نتیجه گیری کردند که ترکیب این دو،        در تشخیص دقیق میزان تغییرکاربری اراضی مفید می باشد (٨). جمع بندی پیشینه تحقیق نشان می‏دهد که تصاویر سنجش از دور از قابلیت بالایی برای استخراج نقشه‏های             کاربری اراضی برخوردار بوده و در سراسر جهان توسط محققین برای ارزیابی کاربری و پوشش اراضی به کار گرفته        می‏شود لذا در این تحقیق، از تکنیک فازی و نظارت شده      در سنجش از دور به منظور تهیه نقشه کاربری اراضی استفاده گردید. هدف از انجام این تحقیق، مقایسه ی دو روش        طبقه‏بندی نظارت شده و فازی جهت استخراج نقشه کاربری اراضی تالاب میقان با استفاده از تصویر ماهواره ای سنجنده OLI5 است.

 

 

روش بررسی

در این تحقیق از تصاویر ماهواره ای سنجنده  OLI در تاریخ ١٨/٦/٢٠١٣، و نرم افزار های 9.2 ERDAS imagin  و 9.3 Arc GIS  استفاده شده است.

 

 

 

 

 


جدول ١- مشخصات باندهای تصویر ماهواره ای OLI لندست ٨

باند طیفی

طول موج (میکرومتر)

قدرت تفکیک (متر)

باند١- Coastal/Aerosol

٠/٤٣٣-٠/٤۵٣

٣٠

باند٢- آبی

٠/٤۵٠-٠/۵١۵

٣٠

باند٣- سبز

۶٠٠/٠- ۵٢۵/٠

٣٠

باند٤- قرمز

۶٨٠/٠- ۶٣٠/٠

٣٠

باند۵- مادون قرمز نزدیک

٨٨۵/٠- ٨٤۵/٠

٣٠

باند٦- مادون قرمز طول موج کوتاه

۶۶٠/١- ۵۶٠/١

٣٠

باند٧- مادون قرمز طول موج کوتاه

٢/١٠٠-٢/٣٠٠

٣٠

باند٨- Panchromatic

۶٨٠/٠- ۵٠٠/٠

١۵

باند٩- Cirrus

١/٣۶٠-١/٣٩٠

٣٠

 

 

 

معرفیمنطقهموردمطالعه


حوزه آبخیز تالاب میقان با وسعت ٧٥/٤٩٦٦١ هکتار در شمال شرقی استان مرکزی در مختصات جغرافیایی"٥٦ /٤٠  º٤٩  تا  "٣٦  / ٤  º٥٠ طول شرقی و  "١٧ / ٦ º ٣٤  تا"٥  /١٩ º٣٤ عرض شمالی قرار گرفته است. در این تحقیق یکی از زیرحوزه‏ها که دارای مساحت٢٤/٣٨٦٥٠  هکتار بوده و در موقعیت "۰۰ /١٠ º٣٨  تا "۰۰  /٥۰ º٤۰  طول جغرافیایی و "۰۰ / ٧٦ º٣٧ تا "٥٠ /٩٧ º٣٧ عرض جغرافیایی قرار گرفته است بررسی شد (شکل١).

 

 

 

 

 

 

 


 


شکل ١- موقعیتزیرحوزهموردمطالعهدرحوزهآبخیزتالاب میقان

 

 


مرحله پیش پردازش تصاویر ماهواره‏ای : پس از           آماده کردن تصاویر ماهواره‏ای منطقه، در مرحله پیش پردازش روی تصاویر ماهواره‏ای اصلاحات رادیومتریک، اعمال شد.           هدف اصلی این مرحله رفع خطاهای سیستماتیک و غیرسیستماتیک موجود در تصاویر خام و افزایش صحت و قابلیت دسته بندی اطلاعات رقومی مختلف است. در فرآیند پیش پردازش تصاویر ماهواره‏ای، قبل از شناخت و استخراج اطلاعات، حذف هرگونه آثار جوی از ضروریات برای آماده‏سازی دو یا چند تصویر ماهواره‏ای به منظور مقایسه آشکارسازی تغییرات، تصحیح هندسی تصاویر ضروری است(٩). اثرات خطای تطبیق‏سازی تصحیح هندسی به صورت                       پیکسل به پیکسل به کارگرفته می‏شود. اگر خطای تطبیق‏سازی بزرگتر ازیک پیکسل باشد ، ممکن است اشتباهات فاحشی حاصل آید (١٠). رایج ترین روش غیر پارامتری انجام تطابق هندسی استفاده از نقاط کنترل زمینی می باشد (١١). برای انجام عملیات زمین مرجع، ٢٥ نقطه کنترل در منطقه مورد مطالعه مشخص گردید و در تصاویر متناظر            علامت زده شد، سپس با نمونه برداری مجدد و روش نزدیکترین همسایه با ٧/٠RMSE=  این عملیات انجام گرفت. پس از اعمال تصحیح هندسی بر روی تصاویر، ترکیب        باندی در باندهای ٢ تا ٧ به جز باند ١، ٨ و ٩ تصویر OLI لندست ٨ انجام شد.

طبقه بندی تصاویر ماهواره‏ای: طبقه بندی تصاویر ماهواره‏ای به منظور نسبت دادن ارزش‏های رقومی موجود در تصویر           به گروه‏هایی با مشخصه‏های همگن، با هدف متمایز کردن اشیا یا پدیده های مختلف از یکدیگر به کار می رود (١٢).            به جداسازی مجموعه‏های طیفی مشابه و تقسیم بندی طبقاتی آن ها که دارای رفتار طیفی یکسانی باشد، طبقه بندی اطلاعات ماهواره‏ای گفته می‏شود به عبارتی طبقه بندی پیکسل‏های تشکیل دهنده تصاویر، اختصاص دادن یا معرفی کردن هر یک از پیکسل‏ها به کلاس یا پدیده خاصی را، طبقه بندی اطلاعات ماهواره‏ای گویند (١٣). طبقه بندی تصاویر ماهواره‏ای به شکل نظارت شده و نظارت نشده انجام می‏گیرد. در مطالعه حاضر        با بررسی میدانی و برداشت نقاط با GPS  و با توجه               به پراکنش،  نمونه های تعلیمی با کاربری ها از لحاظ پوشش و کاربری اراضی در محدوه تالاب میقان پنج کلاس کاربری           به این شرح انتخاب شد : زراعت آبی، زراعت دیم، مرتع، تالاب، شوره زار با همپوشانی نقاط تعلیمی و ایجاد تصاویر کاذب رنگی مختلف سعی گردید در انتخاب نمونه‏های آموزشی پراکندگی مناطق برداشت نمونه در همه تصویر رعایت شود        تا توزیع نمونه‏ها نرمال باشد. بعد از طبقه بندی تصویر سال ٢٠١٣، نقشه‏های رستری استخراج شده برای تولید نقشه نهایی تغییرات، برداری شدند.


 


 

جدول ٢- تعداد نقاط شاهد و تعلیمی برای هر کاربری

تعداد نقاط  شاهد

تعداد نقاط تعلیمی

کاربری

٧٨

٧٨

زراعت آبی

٦٤

٦٤

زراعت دیم

٢٨

٢٨

مرتع

١٨

١٨

تالاب

١٤

١٤

اراضی بایر

 

 

 

 

 

 

 

 

 

 

 

 

 


 


طبقه بندی نظارت شده: در طبقه بندی نظارت شده مفسران در به کارگیری این روش، ابتدا نواحی کوچکی را در تصویر ماهواره‏ای که از حیث مقادیر بازتابی ارقام آن‏ها حالت یکنواختی داشته باشند، انتخاب می­کنند. نواحی مزبور به نام نواحی آموزشی یا تعلیمی نامیده می­شوند. تعداد نواحی تعلیمی، معمولاً با انواع گونه­های موجود در هر تصویر ماهواره ­ای برابر خواهد بود. هریک از این گونه‏ها، کلاس یا طبقه   نامیده می­شود. در عمل، مقادیر عددی هر طبقه استخراج و       به نام آن طبقه ثبت می­شود. بعد از آن‏که موجودیت هر یک از  طبقات مزبور از طریق بررسی و بازدید از محل به ثبت رسید، مفسران با بهره برداری از برنامه­‏های کامپیوتری ویژه، پیکسل ­های باقیمانده از تصویر را بر اساس مطابقت آن‏ها با ارقام پیکسل­های طبقات نظارت شده، طبقه بندی می­کنند (١٤).

طبقه بندی فازی: منطق فازی یا  فازی لوجیک برای اولین بار در سال١٩٦٠ توسط دکتر لطفی زاده، استاد علوم کامپیوتری دانشگاه  برکلی کالیفرنیا مطرح شد. منطق فازی درستی        هر چیزی را با یک عدد که مقدار آن بین صفر و یک است نشان می‏دهد. این تکنیک در سنجش از دور، به منظور کمک به طبقه بنــدی داده هــایی که دقیقاً به یک طبقه           تعلق نــدارند به کار برده می شود. این طبقه بندی با استفاده از یک تابع عضویت عمل می نماید و مقدار یک پیکسل با توجه به این که به یک کلاس نزدیک تر از کلاس دیگر است       تعیین می‏شود (١۵). در این طبقه بندی، همانند طبقه بندی نظارت شده نمونه‏های تعلیمی مورد استفاده قرار می گیرد اما بزرگترین تفاوت آن با روش نظارت شده آن است که قادر است اطلاعات را از کلاس‏های مختلفی که در پیکسل های مخلــوط یافت می‏شوند به دست آورد و علاوه بر آن، در طبقه بندی فـازی مکان‏های تعلیمی نبایستی پیکسل‏های کاملا مشابه داشته باشند (١۶).  در نرم افزار ERDAS این طبقه بندی      با محــاسبه میانگین وزنــی عکس فاصله همه کلاس‏های پیکسل‏های موجود، در پنجره محاسباتی یک لایه طبقه بندی منفرد ایجاد می‏کند (١٧).

ارزیابی صحت طبقه بندی:  پس از اعمال طبقه بندی نظارت شده و فازی اقدام به ارزیابی دقت طبقه بندی شد. برای انجام این کار نمونه های آموزشی برای هر کدام از کلاس‏ها به‏صورت تصادفی از سطح منطقه مورد مطالعه جمع آوری گردید، که تعداد این نقاط درمجموع ٤٠٢ نقطه می باشد که ٢٠٢ نقطه از به عنوان نمونه های تعلیمی و ما بقی آن نمونه های شاهد می باشد که در ارزیابی صحت مورد استفاده قرار می‏گیرد. برای ارزیابی صحت از روش Assessment Accuracy استفاده شد. در مرحله بعدی مشخصات آماری دقت تولید کننده، دقت استفاده کننده برای هر کدام از کلاس‎ها به شرح جدول (٢و١) استخراج شد. سپس اقدام به محاسبه دقت کلی طبقه بندی شد (جدول٣).

عملیات پس از طبقه بندی: به کلیه عملیات بعد از        طبقه بندی اصطلاحاً پس پردازش١ گفته می شود در      تحقیق حاضر  اقدامات انجام شده در مرحله پس پردازش شامل تطبیق با مدل رقومی ارتفاع، انتقال به محیط  GISو تشکیل پایگاه اطلاعات زمینی٢، کارتوگرافی و ارایه نتایج می باشد.

 

یافته ها

پس از اعمال طبقه بندی نظارت شده و فازی بر روی تصویر ماهواره ای OLI نقشه کاربری اراضی تهیه گردید (شکل٣،٢). سپس دقت طبقه بندی ها مورد ارزیابی قرار گرفت نمونه های آموزشی برای هر کدام از کلاس‏ها به صورت طبقه بندی تصادفی از سطح منطقه مورد مطالعه جمع آوری گردید.        پس از پیاده سازی نمونه های آموزشی بر سطح تصویر مشخصات آماری دقت تولید کننده و دقت استفاده کننده برای هر کدام از کلاس‏ها تعیین گردید و در نهایت با استفاده از   دقت کلی، دقت نقشه‏های حاصل از طبقه بندی نظارت شده و فازی مشخص شد که نتایج حاصل از آن ها در جدول (٣)     ارایه شده است. براساس نتایج بدست آمده می توان بیان کرد نقشه کاربری اراضی حاصل از طبقه بندی نظارت شده           با دقت کلی ٩١/٨٤ نسبت به طبقه بندی فازی با دقت کلی ٤٩/٨٣ از دقت بالاتری برخوردار بوده است. دقت تولید کننده احتمال یک پیکسل در تصویر طبقه بندی در همان کلاس در روی زمین است و دقت کاربر احتمال یک کلاس مشخص در روی زمین در همان کلاس بر روی تصویر طبقه بندی شده     می‏باشد و برای پنج کلاس تعیین شده در این مطالعه، بیش‏ترین دقت را برای نقشه کاربری اراضی به دست آمده از روش نظارت شده داشته‏اند.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

شکل٢- نقشه کاربری اراضی سال ٢٠١٣ تهیه شده به روش نظارت شده، محدوده مورد مطالعه

 


 

شکل٣- نقشه کاربری اراضی سال ٢٠١٣ تهیه شده به روش فازی، محدوده مورد مطالعه

 

جدول ٣- صحت نقشه کاربری اراضی طبقه بندی نظارت شده تصویر سال ٢٠١٣

دقت کاربر

دقت نرم فزار

نوع کاربری

٩۰/۰۰

١۰۰/۰۰

تالاب

٦٥/۰۰

٩٢/٨٦

اراضی بایر

١۰۰/۰۰

٢٨/٥٧

مرتع

٧٣/٤٢

٩۰/٦٣

زراعت دیم

٩٧/٦٢

٩٤/٢٥

زراعت آبی

صحت کلی٩١/٨٤

ضریب کاپا ٧٨/٠

 

جدول ٤- صحت نقشه کاربری اراضی طبقه بندی فازی تصویر سال ٢٠١٣

دقت کاربر

دقت نرم افزار

نوع کاربری

٧۰/۰۰

١۰۰/۰۰

تالاب

٩۰/۰۰

١۰۰/۰۰

اراضی بایر

٧۰/۰۰

٢٥/۰۰

مرتع

٧٣/۰٨

٨٩/۰٦

زراعت دیم

٩۶/٣٩

٩١/٩٥

زراعت آبی

صحت کلی ٤٩/٨٣

ضریب کاپا ٧۶/٠

 

 

مساحت هر یک از کلاس‏های نقشه کاربری اراضی بدست آمده از دو طبقه بندی نظارت شده و فازی در نمودار ١ نشان         داده شده است. همان‏طور که در نمودار ١ مشخص است         با توجه به دقت های بدست آمده برای دو کلاس تالاب و مرتع در نقشه های حاصل از طبقه بندی نظارت شده و فازی مساحت این دو کلاس در هر دو نقشه کاربری اراضی              به هم نزدیک است در حالی که مساحت کلاس زراعت دیم در نقشه حاصل از طبقه بندی نظارت شده از نقشه حاصل از فازی کمتر و در مورد مساحت دو کلاس اراضی بایر و زراعت آبی فراوانی بالعکس می‏باشد که ناشی از تفاوت دقت دو طبقه بندی برای این پنج کلاس می‏باشد.

 

 

 

نمودار١- مساحت کلاس های نقشه کاربری اراضی بدست آمده از دو روش طبقه بندی نظارت شده و فازی

 

جدول ۵- مساحت هر کاربری با استفاده از طبقه بندی فازی و نظارت شده

مساحت (هکتار) حاصل ازطبقه بندی فازی

مساحت (هکتار) حاصل از طبقه بندی نظارت شده

نوع کاربری

٧٧٤٢/٣٣

٧٨٨٧/٣٥

تالاب

٧٢٠٣/٧٨

٧٧۶٢/٣٤

اراضی بایر

٢٤٠٣

٢٤٠٨/٢٧

مرتع

١٩١۶٩/٣٩

١٨٢۵۶/٠٨

زراعت دیم

٢١٢٧/٤١

٢٣٣١/٤۵

زراعت آبی

٣٨۶۵٠/٢٤

٣٨۶۵٠/٢٤

مساحت کل



بحث و نتیجه‌گیری


در این مطالعه از دو روش طبقه بندی نظارت شده و فازی جهت استخراج نقشه کاربری اراضی از تصویر ماهواره‏ای OLIلندست ٨ استفاده شده است. در رده بندی نظارت شدة مرسوم در سنجش از دور، نقاط تعلیمی و نتایج رده بندی       بر مبنای روش یک پیکسل یک رده هستنــد، در حقیقت      یک پیکسل فقط بـــه یک رده می تواند تعلق داشته باشد،    رده مخلوط نمی‏تواند به عنوان نقاط تعلیمی یا یک طبقه فرض شود و میزان عضویت ٢ در پیکسل ها مشخص نیست.           در حقیقت در روش‏هــای کلاسیک رده بندی مرزهای مناطق آموزشی به صورت ناگهانی تغییر می‏کند و به صورت تدریجی نیست.  این محدودیت‏های آشکار باعث کاهش ارزش رده بندی سطوح و استخراج اطلاعات ضعیفی می شود و ممکن است اطلاعات با ارزشی از بین برود این مشکل، بیشتر به خاطــر مفهـوم عضویت در نظریه مجموعه های کلاسیک است که       بر اساس آن یک مجموعه مرزهایی دارد و هر عضو می تواند    به طور کامل عضو این مجموعه باشد یا نباشد (۵). طبقه بندی فازی مرزهای معینی ندارد و هر پیکسل می‏تواند متعلق به   چند کلاس باشد (١۵). نظریـه مجموعـه‏هـای فازی که         به منظور از بین بردن ابهام در داده‏ها به کار می‏رود، یک مفهوم جدیدی اسـت کـه بر اساس آن عضویت جزیی اجازه می‏دهد که اطلاعات در موقعیت‏های پیچیده تـر مـثلا" پوشش‏های مخلوط یا شرایط حد واسط بهتر نمایش داده شده و             به کار روند، اگر چه تحلیل تصاویر سنجش از دور با استفاده از مجموعه‏های فازی دشوار و مشکل است (۵). نتایج تحقیق نشان می‏دهد که تصاویر ماهواره ای  OLI لندست ٨ از قابلیت خوبی برای استخراج کاربری‏های اراضی برخوردارند.              پس از ارزیابی صحت طبقات مختلف کاربری در این تحقیق، نتایج نشان داد که الگوریتم طبقه بندی حداکثر احتمال نسبت به دیگر الگوریتم‏های طبقه‏بندی دارای بهترین نتیجه بود (٢٣، ٢٢، ٢١، ٢٠، ١٩، ١٨). همچنین، بر اساس نتایج حاصله،    طبقه بندی نظارت شده نسبت به طبقه بندی فازی،              از دقت بیشتری برای طبقه بندی و تهیه ی نقشه ی کاربری اراضی برخوردار است. بر این اساس استفاده از آن به منظور تهیه نقشه کاربری اراضی پیشنهاد می‏گردد.

منابع

  1. Schowengerdt, R.A., 2006. Remote Sensing: Models and Methods for Image Processing. Academic Press; USA.
  2. علوی پناه، ک.متین فر، ح .ر: سرمدیان، ف،  ارزیابی کاربری داده های ماهواره ای از نظر صرفه جویی وقت کنفرانس ملی بهره وری.فرهنگستان علوم ایران، 1383
    1. Lu, D, and Weng, Q, (2007), A survey of image classification methods and techniques for improving classification performance. International Journal of Remote Sensing Vol. 28, No. 5, 10 March 2007, 823–870.
    2. فیضی زاده، بختیار، عزیزی، حسن، ولیزاده کامران، خلیل. استخراج کاربری های اراضی شهرستان ملکان، لندست 7  ETM+ با استفاده از تصاویر ماهواره ای ، مجله آمایش، 1386 ، شماره 3
    3. سفیانیان، علیرضا، خداکرمی، لقمان. تهیه نقشه کاربری اراضی با استفاده از روش طبقه بندی فازی، آمایش سرزمین، 1390، دوره 3، شماره 4، 114-95
    4. یوسفی، صالح، تازه، مهدی، میرزایی، سمیه، مرادی،حمیدرضا، توانگر، شهلا.  مقایسه الگوریتم های مختلف طبقه بندی تصاویر ماهواره ای در تهیه نقشه کاربری اراضی (مطالعه موردی: شهرستان نور)، کاربرد سنجش از دور و GIS در علوم منابع طبیعی، 1390، شماره دوم، 25- 15
      1. Seto, K. c., Woodcock C.E., Song, C., Huang, X., Lu, J., kaufmann R. K., 2002. Monitoring land-use change in the pearl River Delta using Landsat TM. International 1 Journal of Remote Sensing, ISSN 0143-1161 print/ISSN 1366-590 1 online ©2002 Taylor& Francis Ltd.
      2. Ayana, A.B., Kositsakulchai, E., 2012. Land Use Change Analysis Using Remote Sensing and Markov Modeling in Fincha Watershed, Ethiopia, Kasetsart J. (Nat.Sci.)46:135-149.
      3. Macleod, R.S; Congalton R.G (1998); A Quantitative Comparison of Change Detection Algorithms for Monitoring Eelegrass from Remotely. Melendez -Pastor, I; Navarro-Pedreno
      4. Yuan, D. and C.Elvidge.(1998).NALC Land Cover Change Detection Pilot Study:Washington D.C Area  Experiments.Remote Sensing of  Environment,66:166-178.
      5. Eastman, R. J (1995). Idrisi for windows (version 2) users Guide, Clark University, NewYork
      6. کریستوفر، ا.لگ ، ترجمه فرهت جاه بهروز،  دورسنجی و سیستم ها ی اطلاعات جغرافیایی، انتشارات سازمان جغرافیایی نیروهای مسلح،1381،  278  
      7. علوی پناه، سید کاظم، کاربرد سنجش از دور در علوم زمین، انتشارات دانشگاه تهران، 1384
      8. علیزاده ربیعی، حسن، سنجش از دور(اصول و کاربرد)، انتشارات سمت، 1389
        1. Jensen, J.R. 1996. Introductory Digital Image Processing: A Remote Sensin    Perspective. 2d ed. Englewood Cliffs, New Jersey: Prentice-Hall
        2. ERDAS, (2008), Erdas Field. Guide, Volume Tow, pp.144-145
        3. علی خواه اصل، مرضیه، فروتن، الهام، استفاده از روش طبقه بندی فازی برای تهیه نقشه کاربری اراضی (مطالعه موردی: زیر حوزه آبخیز حبله رود)، فصلنامه انسان و محیط زیست، بهار1392، شماره بیست و چهارم
        4. میر آخورلو، خ،  تهیه نقشه کاربری پوشش اراضی در محدوده جنگل های شمال کشور با استفاده ازماهواره های داده +  Landsat7 ETM ، فصلنامه پژوهشی تحقیقات جنگل و صنوبر ایران، 1376، 3:11، 358- 326
        5. شتایی، ش. و عبدی، ا، تهیه نقشه کاربری اراضی در مناطق کوهستانی زاگرس با استفاده از داده های سنجنده TM(منطقه مورد مطالعه: حوزه سرخاب خرم آباد لرستان). مجله علوم کشاورزی و منابع  طبیعی.1386، 1:14، 138- 129
        6. ساروئی، س.، بررسی امکان طبقه بندی تراکمی جنگل در جنگل های  زاگرس به کمک داده های ماهواره ای، درویش صفت، ع. ا. ، دانشگاه تهران، گروه جنگلداری، 1378
        7. ساعی جمال آباد، م.، آشکار سازی تغییرات مساحت و تراکم جنگل با استفاده از فن آوری سنجش ازدور، درویش صفت، ع. ا. ، دانشگاه خواجه نصیرالدین طوسی، گروه سنجش از دور، 1382
          1. Scott, G. B. and Mark, R. G. 2001. Classification of Land Cover Types for the Fort Bening Ecoregion Using Enhanced Thematic Mapper Data. Strategic Envirenmental Research and Development program (SERDP). ERDC/ET TNECMI-  01- 01.9 pp
          2. Shalaby, A. and Tateishi, R. 2007. Remote Sensing and GIS for mapping and monitoring land cover and land use changes in the Northwestern coastalzone of Egypt. Applied Geography 27 (2007), 28-41

 

 

 

 

 

 

 

 

 

Preparing MighanwetlandLand-use mapping in 2013: Usingsupervised and fuzzy classificationmethods

 

Zahra Alibakhshi1*

zahralibakhshi@gmail.com

Marziyeh Alikhah Asl2

Mohammad Rezavani2

Abstract:

Introduction: Revealing changes is one the most fundamental needs in the management and assessment of natural resources. With regard to remote sensing images, it is then possible to prepare land-use change maps, which are the result of the change detection processes. It should be noted that different methods have been presented to detect changes and developments of land-uses. The purpose of this study is prepared Mighan wetland –land use mapping in 2013 and Comparison of supervised and fuzzy classification methods.

Material and Methods: In this study, Mighan Wetland changes as well as its land-use and land-cover improvements were obtained through using OLI Landsat satellite images in 2013. Then, the images were geometrically and radiometrically corrected using appropriate algorithms. Subsequently, training samples were classified in five land-use classes based on fuzzy and supervised classification methods.

Results and Discussion: After applying fuzzy classification and land use map was prepared on the

Satellite image OLI. The classification accuracy was evaluated were to do a statistical profile accuracy

and precision manufacturer for each of the classes was determined using Finally, the overall accuracy, the accuracy of the maps fuzzy and supervised classification was determined.Evaluating the accuracy of these two methods through determining the overall accuracy the results revealed that supervised method with an overall accuracy of 84.91 and kappa value of 0.7861 is more accurate than the fuzzy method with an overall accuracy of 83.49 and kappa value of 0.7667.

 

Key words: Land-use, fuzzy and supervised methods, Mighan Wetland.

 



1- دانشجوی کارشناسی ارشد رشته ارزیابی و آمایش سرزمین، دانشگاه پیام نور، تهران *(مسئول مکاتبات).

2- استادیار، گروه منابع طبیعی و محیط زیست، دانشگاه پیام نور، تهران.

1- Remote sensing

2 - Seto

3 - Ayana& Kositsakulchai

4 - Markove

5- Operational Land Imager

1- Post -Processing

2- Geo database

1-  M.S. Student of Evaluation and Feasibility Study of Land, Payame Noor University, Tehran, Iran. )Corresponding Author)

 

  1. Schowengerdt, R.A., 2006. Remote Sensing: Models and Methods for Image Processing. Academic Press; USA.
  2. علوی پناه، ک.متین فر، ح .ر: سرمدیان، ف،  ارزیابی کاربری داده های ماهواره ای از نظر صرفه جویی وقت کنفرانس ملی بهره وری.فرهنگستان علوم ایران، 1383
    1. Lu, D, and Weng, Q, (2007), A survey of image classification methods and techniques for improving classification performance. International Journal of Remote Sensing Vol. 28, No. 5, 10 March 2007, 823–870.
    2. فیضی زاده، بختیار، عزیزی، حسن، ولیزاده کامران، خلیل. استخراج کاربری های اراضی شهرستان ملکان، لندست 7  ETM+ با استفاده از تصاویر ماهواره ای ، مجله آمایش، 1386 ، شماره 3
    3. سفیانیان، علیرضا، خداکرمی، لقمان. تهیه نقشه کاربری اراضی با استفاده از روش طبقه بندی فازی، آمایش سرزمین، 1390، دوره 3، شماره 4، 114-95
    4. یوسفی، صالح، تازه، مهدی، میرزایی، سمیه، مرادی،حمیدرضا، توانگر، شهلا.  مقایسه الگوریتم های مختلف طبقه بندی تصاویر ماهواره ای در تهیه نقشه کاربری اراضی (مطالعه موردی: شهرستان نور)، کاربرد سنجش از دور و GIS در علوم منابع طبیعی، 1390، شماره دوم، 25- 15
      1. Seto, K. c., Woodcock C.E., Song, C., Huang, X., Lu, J., kaufmann R. K., 2002. Monitoring land-use change in the pearl River Delta using Landsat TM. International 1 Journal of Remote Sensing, ISSN 0143-1161 print/ISSN 1366-590 1 online ©2002 Taylor& Francis Ltd.
      2. Ayana, A.B., Kositsakulchai, E., 2012. Land Use Change Analysis Using Remote Sensing and Markov Modeling in Fincha Watershed, Ethiopia, Kasetsart J. (Nat.Sci.)46:135-149.
      3. Macleod, R.S; Congalton R.G (1998); A Quantitative Comparison of Change Detection Algorithms for Monitoring Eelegrass from Remotely. Melendez -Pastor, I; Navarro-Pedreno
      4. Yuan, D. and C.Elvidge.(1998).NALC Land Cover Change Detection Pilot Study:Washington D.C Area  Experiments.Remote Sensing of  Environment,66:166-178.
      5. Eastman, R. J (1995). Idrisi for windows (version 2) users Guide, Clark University, NewYork
      6. کریستوفر، ا.لگ ، ترجمه فرهت جاه بهروز،  دورسنجی و سیستم ها ی اطلاعات جغرافیایی، انتشارات سازمان جغرافیایی نیروهای مسلح،1381،  278  
      7. علوی پناه، سید کاظم، کاربرد سنجش از دور در علوم زمین، انتشارات دانشگاه تهران، 1384
      8. علیزاده ربیعی، حسن، سنجش از دور(اصول و کاربرد)، انتشارات سمت، 1389
        1. Jensen, J.R. 1996. Introductory Digital Image Processing: A Remote Sensin    Perspective. 2d ed. Englewood Cliffs, New Jersey: Prentice-Hall
        2. ERDAS, (2008), Erdas Field. Guide, Volume Tow, pp.144-145
        3. علی خواه اصل، مرضیه، فروتن، الهام، استفاده از روش طبقه بندی فازی برای تهیه نقشه کاربری اراضی (مطالعه موردی: زیر حوزه آبخیز حبله رود)، فصلنامه انسان و محیط زیست، بهار1392، شماره بیست و چهارم
        4. میر آخورلو، خ،  تهیه نقشه کاربری پوشش اراضی در محدوده جنگل های شمال کشور با استفاده ازماهواره های داده +  Landsat7 ETM ، فصلنامه پژوهشی تحقیقات جنگل و صنوبر ایران، 1376، 3:11، 358- 326
        5. شتایی، ش. و عبدی، ا، تهیه نقشه کاربری اراضی در مناطق کوهستانی زاگرس با استفاده از داده های سنجنده TM(منطقه مورد مطالعه: حوزه سرخاب خرم آباد لرستان). مجله علوم کشاورزی و منابع  طبیعی.1386، 1:14، 138- 129
        6. ساروئی، س.، بررسی امکان طبقه بندی تراکمی جنگل در جنگل های  زاگرس به کمک داده های ماهواره ای، درویش صفت، ع. ا. ، دانشگاه تهران، گروه جنگلداری، 1378
        7. ساعی جمال آباد، م.، آشکار سازی تغییرات مساحت و تراکم جنگل با استفاده از فن آوری سنجش ازدور، درویش صفت، ع. ا. ، دانشگاه خواجه نصیرالدین طوسی، گروه سنجش از دور، 1382
          1. Scott, G. B. and Mark, R. G. 2001. Classification of Land Cover Types for the Fort Bening Ecoregion Using Enhanced Thematic Mapper Data. Strategic Envirenmental Research and Development program (SERDP). ERDC/ET TNECMI-  01- 01.9 pp
          2. Shalaby, A. and Tateishi, R. 2007. Remote Sensing and GIS for mapping and monitoring land cover and land use changes in the Northwestern coastalzone of Egypt. Applied Geography 27 (2007), 28-41