تهیه‌ نقشه‌ پوشش اراضی حوزه آبخیز کفتاره با تکنیک سنجش از دور

فصلنامه انسان و محیط زیست، شماره 35، زمستان 94

تهیه‌ نقشه‌ پوشش اراضی حوزه آبخیز کفتاره با تکنیک سنجش از دور

مرضیه علی خواه اصل[1]^*

Alikhahasl@pnu.ac.ir

داریوش ناصری [2]

تیمور تنها قزلی[3]

چکیده

از جمله عوامل مهم در برنامه ریزی و مدیریت منابع طبیعی، به‌ویژه در راستای نیل به توسعه‌ی پایدار و استفاده‌ی بهینه از سرزمین، اطلاع به هنگام از وضعیت پوشش اراضی است. تکنیک‌های سنجش از دور، بهترین وسیله برای استخراج نقشه‌ی کاربری اراضی می‌باشد. لذا          در این تحقیق، برای تهیه نقشه‌ی کاربری اراضی از روش طبقه بندی نظارت شده و الگوریتم طبقه بندی حداکثر احتمال استفاده گردید. منطقه‌ی مورد مطالعه، حوزه آبخیز کفتاره استان اردبیل است و در این تحقیق، از تصاویر ماهواره‌ی لندست 8 سال 2014 استفاده گردید. نتایج نشان داد که به ترتیب کشت دیم، مرتع، کشت آبی و اراضی بایر، بیش‏ترین سطح منطقه را تشکیل می دهند. برای ارزیابی صحت و دقت طبقه بندی‌های انجام شده، صحت کلی و ضریب کاپا تعیین گردید که به ترتیب 96.24% و 93.20% به دست آمد که نشان دهنده‏ی قابلیت بالای تصاویر لندست 8 برای تهیه‌ی نقشه‌ی کاربری اراضی می باشد. برای تهیه نقشه‌ی تراکم پوشش گیاهی اراضی مرتعی نیز از شاخص پوشش گیاهی NDVI استفاده شد و نتایج نشان داد که اکثر قسمت‌های منطقه را مراتع با تراکم ضعیف در بر می‌گیرد.

کلمات کلیدی: کاربری اراضی، طبقه بندی حداکثر احتمال، کفتاره، .NDVI

مقدمه

اصولاً ماهیت یک سرزمین ثابت نبوده و               در حال تغییر و تحول است و شناسایی بهینه یک سرزمین و بهره‏برداری از مواهب طبیعی آن از دیر باز                   اهمیت داشته است. کاربری اراضی، توصیف نوع بهره برداری انسان از یک قطعه زمین می‌باشد که از دیرباز به‌منظور     برنامه‏ریزی و مدیریت منابع مد نظر قرار گرفته است. آگاهی از انواع پوشش سطح زمین و فعالیت‌های انسانی در قسمت‌های مختلف آن و به بیان دیگر نحوه‌ی استفاده از سرزمین، به‌عنوان اطلاعات پایه برای برنامه ریزی‌های مختلف از اهمیت بسیاری برخوردار است (1). تصاویر ماهواره‌ای ابزاری مناسب برای تهیه‌ی نقشه‌های کاربری اراضی و ارزیابی تغییرات محیط زیستی و اکوسیستمی در مقیاس‌های زمانی و مکانی مختلف می‌باشد (2). تصاویر ماهواره‌ای به دلیل برخورداری از قابلیت‌های بالا در تهیه‌ی نقشه‌های  کاربری اراضی و شناسایی تغییرات رخ داده در زمان‌های مختلف با دقت بالا، اطلاعات ارزشمندی را برای تصمیم گیران به‌منظور برنامه‏ریزی‌های مدیریتی، فهم بهتر مکانیسم تغییرات و الگوی تغییرات کاربری اراضی فراهم می‌کند (3). در حال حاضر داده‌های سنجش از دور به‌واسطه‌ی به هنگام بودن و امکان آشکارسازی           تغییرات سریع محیطی به‌طور گسترده در                  مدیریت منابع‏طبیعی به کار می‌رود (4). به‌طور کلی می‌توان روش‌های طبقه بندی را به دو روش نظارت شده و             نظارت نشده تقسیم بندی کرد ک می‌توان به روش       حداکثر احتمال، شبکه‌ی عصبی و ماشین بردار پشتیبان  (Support vector machine) اشاره نمود. روش     حداکثر احتمال شباهت یکی از کاراترین روش‌های         طبقه‏بندی تصاویر هست (5). در اکثر تحقیقات این روش به‌عنوان دقیق‌ترین روش طبقه‏بندی معرفی شده است (6 و 7). در این روش کاربر باید دقت کند که کلاس بندی           از توزیع نرمال گوسی پیروی نماید و این روش               برای کلاس‌های چند طیفی مناسب‌تر است (8). از جمله تحقیقاتی که درزمینه ی تهیه‌ی نقشه‌ی کاربری اراضی با تکنیک سنجش از دور انجام شده است می‌توان به موارد زیر اشاره کرد. اکبری و همکاران (1392)، نقشه‌ی کاربری اراضی شهرستان سبزوار را با استفاده از الگوریتم حداکثر احتمال و الگوریتم شبکه‌ی عصبی پرسپترون پرداختند و نتیجه گرفتند که الگوریتم شبکه‌ی عصبی پرسپترون نسبت به الگوریتم حداکثر احتمال از دقت بیش‏تری برخوردار است (9). یوسفی و همکاران (1390)، نقشه‌های کاربری اراضی شهرستان نور را با استفاده از روش‌های مختلف تهیه نمودند و نتیجه گرفتند که روش طبقه بندی ماشین بردار نسبت به روش‌های دیگر دقت بیش‏تری دارد (10). شتایی و همکاران (1386)، با استفاده از داده‌های سنجنده ی ETM+ به تهیه‌ی نقشه‌ی کاربری اراضی در مناطق کوهستانی زاگرس و با استفاده از سه روش حداکثر احتمال، متوازی‌السطوح و حداقل فاصله از میانگین پرداختند و نتیجه گرفتند که روش حداکثر احتمال نسبت به دیگر روش‌ها از دقت بیش‏تری برخوردار است (11). آیانا و کوزیتساکولچای در سال 2012  از تکنیک سنجش ازدور و مدل مارکوف  برای بررسی تغییرات کاربری اراضی استفاده نمودند و نتیجه گیری کردند که ترکیب این دو، در تشخیص دقیق میزان تغییر کاربری اراضی مفید می‌باشد (12). دمورث در مطالعه‌ای در هند با استفاده از تصاویر سنجنده ی TM                   به تهیه‌ی نقشه‌ی کاربری اراضی در مناطق               استخراج زغال سنگ پرداخت. نتایج تحقیقات نشان داد که روش طبقه بندی حداکثر احتمال با ضریب صحت 0.80 دارای بیش‏ترین دقت است (13). الیزابت  و همکاران در مطالعه‌ای در قسمتی از ایالت آریزونا در آمریکا به بررسی مقایسه‌ی چند روش تهیه‌ی نقشه‌ی کاربری اراضی با استفاده از تصاویر TM پرداختند. نتایج آن‌ها نشان داد که استفاده از تصاویر ماهواره‌ای جهت تهیه‌ی نقشه‌ی کاربری اراضی دارای دقت بسیار بالاتری می‌باشد (14). همچنین تحقیقات دیگری نیز در این زمینه مورد استفاده قرار گرفته است (17، 16، 15). 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 پژوهش، از روش طبقه بندی حداکثر احتمال در سنجش از دور به‌منظور تهیه نقشه   کاربری اراضی منطقه مورد مطالعه استفاده گردید و هدف از انجام این تحقیق، تهیه ی نقشه ی کاربری اراضی بروز و دقیق منطقه با استفاده از تصاویر ماهواره‏ای می باشد. از میان روش‌های طبقه بندی نظارت شده، روش حداکثر احتمال تاکنون به‌عنوان دقیق‌ترین و پر استفاده ترین روش شناخته شده است (18). در این روش، طبقه بندی بر اساس واریانس و کوواریانس انجام می‌شود. در روش مذکور، فرض بر این است که همه‌ی مناطق آموزشی دارای توزیع نرمال هستند. در حقیقت نمونه‌های  کلاس‌های آموزشی باید معرف آن کلاس باشند، بنابراین تا حد امکان باید از تعداد نمونه‌های بیش‌تری استفاده شود   تا تغییرات بسیاری از ویژگی‌های طیفی در این گستره‌ی پیوسته قرار گیرد. در طبقه بندی حداکثر احتمال، پیکسل مورد نظر به کلاسی نسبت داده می شود که  بیش ترین احتمال تعلق پیکسل به آن کلاس وجود دارد.

مواد و روش‌ها

1.2 معرفی منطقه مورد مطالعه

حوزه آبخیز کفتاره با مساحت 10000 هکتار         در استان اردبیل و شهرستان اردبیل و شمال این شهر قرارگرفته و از نظر موقعیت جغرافیایی بین ²11 ، ¢10 و °48 تا ²27، ¢24 و °48 طول شرقی و ²19، ¢32 و °38 تا ²30، ¢39 و °38 عرض شمالی واقع شده است. حداکثر ارتفاع حوزه 2150 متر و حداقل ارتفاع در خروجی حوزه برابر 1308 متر از سطح دریا می‌باشد (شکل1).

شکل 1- موقعیت حوزه آبخیز مورد مطالعه در استان و کشور

روش‌ بررسی

ابتدا تصویر ماهواره‌ی لندست 8 مربوط به منطقه       به تاریخ 29/ 02/1393 از سایت مرکز تحقیقات زمین شناسی آمریکا^[4] دریافت شد. سپس پیش‏پردازش تصاویر            شامل تصحیحات هندسی و رادیومتریک انجام شد.              با توجه به این که تصویر مذکور به ‌صورت ژئورفرنس شده       در اختیار کاربران قرار می‌گیرد اما به‌منظور حصول اطمینان از موقعیت مکانی عوارض، عملیات زمین مرجع سازی مجدداً انجام شد.  به این منظور، ابتدا یک ترکیب رنگی کاذب     جهت وضوح بیش‏تر عوارض ساخته شد. سپس با اعمال     روش نزدیک‌ترین همسایه و مدل هندسی چندجمله‌ای     درجه یک، به نقشه‌ی توپوگرافی 1:25000 منطقه            ثبت داده شد. برای انجام این کار از 30 نقطه‌ی کنترل زمینی با مختصات UTM که مربوط به تقاطع خیابان و جاده‌ها      با پراکندگی مناسب در سراسر منطقه بود استفاده گردید و خطای حاصل از تصحیح هندسی، 0.3 پیکسل برآورد شد. برای انجام تصحیحات رادیومتریک نیز ابتدا به کمک روابط و ضرایب کالیبراسیون مربوط به هر کدام از سنجنده ها،     مقادیر DN به مقادیر بازتاب تبدیل شدند. در ادامه برای       از بین بردن اثرات ناخواسته‌ی اتمسفری نیز به دلیل          عدم دسترسی به اطلاعات کافی از جو منطقه مورد مطالعه،    از روش نسبی کاهش ارزش عددی پیکسل‌های تیره        استفاده گردید. این تکنیک بر این فرض استوار است که کم‏ترین مقدار DN درهرباند باید صفر باشد و این ارزش رادیومتریکی مازاد بر صفر درنتیجه‌ی خطاهای اتمسفری   ایجاد شده است (19). در ادامه، جهت طبقه بندی تصاویر       از روش طبقه‏بندی نظارت نشده و نظارت شده استفاده گردید. بدین‏ترتیب‏که ابتدا جهت شناخت کلی از منطقه و کاربری/پوشش‌های موجود در منطقه از روش طبقه‏بندی نظارت نشده و با الگوریتم Cluster در محیط نرم افزار

ENVI استفاده شد و در ادامه، با وجود آشنایی اولیه از منطقه، تفسیر چشمی تصویر، تجربه‌ی قبلی و                انجام عملیات میدانی مشخص شد که کاربری‌های زیر         در منطقه وجود داشته و به‌صورت چشمی قابل تفکیک هستند: (الف) اراضی مرتعی، (ب) اراضی کشت دیم،          (پ) اراضی کشت آبی و باغ، (ت) اراضی بایر (زمین لخت). پس از بررسی نتایج طبقه بندی نظارت نشده، با انجام       نمونه برداری میدانی و کاربرد GPS و همچنین کاربرد    تصاویر ماهواره‌ای بزرگ مقیاس قابل دسترس توسط           نرم افزار تحت وب Google Earth، اقدام به تهیه‌ی نمونه‌های تعلیمی برای هر 4 طبقه‌ی مورد انتظار گردید. نمونه‌های تعلیمی به گونه‌ای انتخاب شدند که از تعداد مناسب و پراکنش خوبی در سرتاسر حوزه برخوردار باشند.            پس از انتخاب نمونه‌های تعلیمی مناسب جهت طبقه بندی، این نمونه‌های تعلیمی وارد محیط نرم افزار ENVI 4.2 شدند. سپس به اجرای طبقه بندی نظارت شده با الگوریتم      حداکثر احتمال به‌طور جداگانه برای هر تصویر گردید و نقشه‌ی کاربری/ پوشش اراضی تهیه گردید. برای            ارزیابی صحت تصاویر طبقه بندی شده نیز از صحت کلی و ضریب کاپا استفاده گردید.

تهیه­ی نقشه­ی تراکم پوشش

نقشه­ی تراکم پوشش گیاهی منطقه با به‌کارگیری (تصاویر چند طیفی سال 2014 سنجنده ی OLI لندست 8) از طریق شاخص تفاضل نرمال شده پوشش گیاهی (NDVI) در محیط نرم افزار ENVI4.2 با دستور NDVI                به دست آمد. این شاخص (NDVI) برحسب دو باند       مادون قرمز و مادون قرمز نزدیک به‌صورت زیر توصیف می‌شود:

(رابطه­ی 1):                                                           NDVI= (NIR-RED)/ (NIR+RED)

این شاخص دارای مقادیر نرمال در بازه‌ی 1- تا 1+ است که بررسی و نمایش مقادیر را به‌راحتی میسر می‌سازد. مقادیر مختلف NDVI نمایش‏گر وضعیت متفاوت پوشش گیاهی هست به‌گونه‌ای که NDVI برای گیاهان همیشه مثبت خواهد بود. بعد از تهیه‌ی لایه‌ی NDVI، اراضی مرتعی به 3 کلاس پوشش ضعیف، پوشش متوسط و پوشش خوب طبقه‏بندی شد.

یافته‌ها

در شکل (2) نقشه‌ی کاربری و پوشش اراضی      حوزه آبخیز کفتاره در سال 1393 آورده شده است. بیش‏ترین قسمت از منطقه را اراضی کشت دیم با 69.24% شامل می‌شود. سپس اراضی مرتعی با 21.36%، اراضی کشت آبی و باغ با 6.43% و اراضی بایر با 2.96% به ترتیب بیش‏ترین قسمت از منطقه را تشکیل می‌دهد (شکل 3).

شکل 2- نقشه‌ی کاربری اراضی منطقه مورد مطالعه

شکل 3- نمودار مساحت کاربری‌ها

لازمه استفاده از هر نوع اطلاعات موضوعی، آگاهی از میزان صحت و درستی آن است. صحت اطلاعات، در واقع         میزان احتمال درستی اطلاعات است (20). در این تحقیق نیز برای ارزیابی صحت طبقه بندی‌های انجام شده، صحت کلی و ضریب کاپا محاسبه شد که صحت کلی 96.24% و ضریب کاپا 93.20% به دست آمد. در شکل (4) نقشه‌ی تراکم         پوشش گیاهی (NDVI) آورده شده است. در این سال،    تراکم پوشش گیاهی از 0.0049- تا 0.54+ متغیر بود.    پوشش گیاهی ضعیف در دامنه‌های شیب دار منطقه،      بیش‏تر قسمت‌های منطقه را شامل می‌شود، در حالی که پوشش‌های متراکم در مناطق تحت کشت آبی و باغ      مشاهده می‌شود. اراضی مرتعی منطقه از نظر تراکم        پوشش‏گیاهی دارای 3 کلاس ضعیف، متوسط و خوب می‌باشند که به ترتیب، بیش‏ترین قسمت از اراضی مرتعی منطقه را تشکیل می‌دهند (جدول 1).

شکل 4- نقشه‌ی تراکم پوشش گیاهی

جدول 1- مساحت طبقات تراکم پوشش گیاهی اراضی مرتعی

بحث و نتیجه گیری

استفاده از تصاویر ماهواره‌ای، به‌عنوان یکی از منابع مهم برای مدیریت عرصه‌های منابع طبیعی مطرح می‌باشد. استفاده و کاربرد این تصاویر در زمینه‌های مختلف می‌تواند قابلیت‌ها و محدودیت‌های این داده‌ها را مشخص نماید. سهل‌الوصول بودن، دسترسی به نقاط دور افتاده و کوهستانی، دقت نسبتاً بالا و هزینه‌ی پایین، استخراج اطلاعات            در زمان نسبتاً کم، پوشش وسیع و قابل تکرار بودن از مزایای استفاده از داده‌های دورسنجی می‌باشد (21). هدف اصلی     این تحقیق، تهیه‌ی نقشه‌ی کاربری اراضی حوزه آبخیز کفتاره با استفاده از تصاویر ماهواره‌ی لندست 8 بوده است. به‌منظور تفکیک بهتر کاربری‌های منطقه از یکدیگر، تصویر مربوط به 29 اردیبهشت ماه سال 1393 که در آن، پوشش گیاهی منطقه در اوج سبزینگی می‌باشد، انتخاب شد. برای طبقه‎‏بندی تصویر نیز از روش نظارت شده و الگوریتم طبقه بندی    حداکثر احتمال که دارای دقت بالایی می‌باشد (22، 10، 8)، بهره گرفته شد. نتایج ارزیابی دقت طبقه بندی‌های انجام شده با صحت کلی و ضریب کاپا نیز که به ترتیب 96.24% و 93.20% به دست آمد که نشان از قابلیت بالای تصاویر ماهواره‏ی لندست 8 در تهیه‌ی نقشه‌ی کاربری اراضی دارد. علی خواه اصل و فروتن (1392) نیز در پژوهشی که برای   تهیه‏ی نقشه‏ی کاربری اراضی یکی از زیر حوزه های آبخیز

حبله رود انجام دادند، نقشه ی کاربری اراضی بروز منطقه را   با استفاده از تکنیک سنجش از دور، با دقت بالا تهیه نمودند. لذا پیشنهاد می‌گردد نقشه‌‏های کاربری حوزه‌های آبخیز استان، با استفاده از تصاویر ماهواره‏ی لندست 8 تهیه گردد.

منابع

1- Knorn, J.A., Radeloff, C.V., Kuemmerle, T., Kozak, J., Hoster, P., 2009. Land cover mapping of large areas using chain classification of neighboring landsat satellite images. Remote Sens. Environ, 113:957-964.

2- Xiao, T.Y., Huiping Liua, b.c., Xiaofeng, G., 2015.  Land cover changed object detection in remote sensing data with medium spatial resolution, International Journal of Applied Earth Observation and Geo information, 38 (2015) 129–137.

3- Coppin, P.R., Bauer, M.E., 1996.  Digital change detection in forest ecosystems with remote sensing imagery, Remote Sens, Rev, 13, 207–234.

4- Barrett, E. C., Curtis, L.F., 1992. Introduction to Environmental Remote Sensing. Chapman and Hall, New York.

5- Jensen, J., 2005. Introductory digital image processing: A remote sensing perspective (3rd ed). Upper Saddle River, NJ: Prentice Hall. 526 pp.

6- Huang, C., Davis, L.S., Townshend, J.R., 2002. An assessment of support vector machines for land cover classification, International Journal of Remote Sensing, 23 (4): 725–749.

7- Rajesh, B.T., Yuji, M., 2009. Urban mapping, accuracy, & image classification: A comparison of multiple approaches in Tsukuba City, Japan.  Applied Geography 29, 135-144.

8- Lu, D., Weng, Q., 2007. A survey of image classification methods and techniques for improving classification performance, International Journal of Remote Sensing, 28 (5): 823-870.

9- اکبری، الهه، مجیدی، ابراهیم، امیر احمدی، ابوالقاسم. تهیه نقشه کاربری اراضی شهر سبزوار با استفاده از رو ش های حداکثر احتمال و شبکه عصبی مصنوعی پرسپترون چند لایه، فصلنامه ی آمایش محیط، شماره 23، صص 148-128.

10-  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، شماره2، 25-15.

11-  شتایی، شعبان، عبدی، امید. تهیه ی نقشه ی کاربری اراضی در مناطق کوهستانی زاگرس با استفاده از داده های سنجنده ی ETM+ (منطقه ی مورد مطالعه: حوزه سرخاب خرم آباد لرستان)، مجله ی علوم کشاورزی و منابع طبیعی، جلد چهاردهم، شماره اول، فروردین- اردیبهشت 1386.

12- 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.

13- De Moraes, J. F. L., Teyler, T., Cerri, C.C., Volkoff, B., 1998, Land cover mapping and carbon pools stimates in Rondonia, Brazil, International Journal of Remote Sensing, 19 (5): 921-934.

14- Elizabeth, A. W., William, L., Stefanov, C.G., Diane, H., 2006. Land use and land cover mapping from diverse data sources for an arid urban environment. Computers, Environment and Urban Systems 30 (3): 320–346.

15- Al-Ahmadi, F. S., Hames, A.S., 2009. Comparison of four classification methods to extract land use and land cover fromraw satellite images for some remote arid areas, Kingdom of Saudi Arabia. JKAU, Earth Science, 20 (1): 167-191.

16- Nagamani, K., Ramachandran, S., 2003. Landuse/Land Cover in Pondicherry Using Remote Sensing

17- And Gis” in Martin J. Bunch, V. Madha Suresh and T. VASANTHA Kumaran, eds, proceedings of The

18- Third International Conference on Environment and Health. Chennai, India, 15-17 December. Chennai: Department of Geography, University of Madras and Faculty of Environmental studies. York University.pages 300-305.

19- Billah, M., Rahman, G.A., 2004. Land cover Mapping of Khulna city Applying Remote sensing Technique, proc.12.conf.on. Geoinformation Research, Bridging the Pacific and Atlantic, University of Gavel, Swen,7-9 june 2004.

20- Lu, D., Mausel, P., Brondizio, E., Moran, E, 2004. Change Detection Techniques. International Journal of Remote Sensing, 25(12): 2365-2401.

21- سفیانیان، علیرضا، خداکرمی، لقمان. تهیه نقشه کاربری اراضی با استفاده از روش طبقه بندی فازی، آمایش سرزمین، دوره 3 ، 1390، شماره 4 ، 95-114.

22- صالحی، یوسف، تازه، مهدی، میرزایی، سمیه، مرادی، حمیدرضا، توانگر، شهلا. مقایسة الگوریتم های مختلف طبقه بندی تصاویر ماهواره ای در تهیة نقش ة کاربری اراضی (مورد مطالعه: شهرستان نور)،  مجله ی کاربرید سنجش از دور و GIS در علوم منابع طبیعی  (سال دوم، شماره 2)،  تابستان 1390.

23- علی خواه اصل، مرضیه، فروتن، الهام. استفاده از روش طبقه بندی فازی برای تهیه نقشه کاربری اراضی (مطالعه موردی: زیرحوزه آبخیز حبله رود)، فصلنامه انسان و محیط زیست، شماره 24، بهار 1392.

.