بخشی از مقاله
*** این فایل شامل تعدادی فرمول می باشد و در سایت قابل نمایش نیست ***
تلفیق روش NDVI و روش ماشین بردار پشتیبان در ارزیابی روند تغییر کاربری و پوشش اراضی (مطالعه موردی حوضه سد علویان مراغه)
چکیده
یکی از ابزارهای موثر در زمینه مطالعات محیط زیست و علوم زمین، استفاده از فناوری سنجش از دور و بهره گیری از داده های ماهواره ای است . وجود آمار و اطلاعات دقیق، صحیح و بهنگام، عامل حیاتی برای کلیه برنامه ریزی ها و تصمیم گیریهای کلان اقتصادی، فرهنگی، اجتماعی و ... در کشور می باشد، که در این بین اطلاع از میزان کاربری و پوشش اراضی در سطح یک منطقه و در بازه های زمانی مختلف نقش بسزایی در تصمیم گیریها دارد. بر این اساس در منطقه مورد مطالعه در سه بازه زمانی 1987، 2000 و 2013 به ترتیب با تصاویر ماهواره ای لندست 5، 7 و 8 اقدام به استخراج کاربری و پوشش اراضی با استفاده از روش بردار ماشین پشتیبان شد.سپس در همین بازه ها شاخص گیاهی تفاضلی نرمال شده (NDVI) با استفاده از روابط موجود استخراج شده و در نهایت با معیار قرار دادن نقشه های کاربری و پوشش اراضی، اقدام به دامنه بندی این شاخص در منطقه مورد مطالعه شد. ضریب همبستگی پیرسون به ترتیب در بازه های زمانی ذکر شده 75، 95 و 95 درصد همبستگی را بین شاخصها و نقشه های طبقه بندی شده نشان می دهد، لذا در تصاویر لندست 7 و 8 می توان با هزینه و زمان بسیار کم تغییرات ایجاد شده بر اثر عوامل طبیعی و انسانی را پایش کرد.
واژههای کلیدی: شاخص پوشش گیاهی، ماشین بردار پشتیبان، سد علویان، همبستگی پیرسون
-1 مقدمه
یکی از ابزارهای مؤثر در زمینه مطالعات محیطزیست و علوم زمین، استفاده از فناوری سنجش از دور و بهرهگیری از دادههای ماهوارهای است(.(1 سنجش از دور به جهت ارائه اطلاعات بهروز، پوششهای تکراری، سنجش در محدودههای طیفی متفاوت، ارزان بودن، تنوع اشکال داده، سنجش کمی و رقومی پدیدههای سطح زمین؛ در ارزیابی منابع طبیعی از اهمیت بالایی برخوردار بوده و بهترین وسیله در تهیه نقشههای کاربری اراضی محسوب میشود(.(2 وجود اطلاعات و آمار دقیق از کاربری اراضی و تغییرات آن در گذشته تا آینده موجب میگردد تا مدیریت منطقه، برنامهریزی دقیقی برای استفاده از تأسیسات و منابع آب اتخاذ نماید. وجود آمار و اطلاعات دقیق ، صحیح و بهنگام ، عامل حیاتی برای کلیه برنامه ریزی ها و تصمیم گیری های کلان اقتصادی ،فرهنگی ،اجتماعی و ... در کشور می باشد. آگاهی از انواع پوشش سطح زمین و فعالیتهای انسانی در قسمت های مختلف آن و به عبارت دیگر نحوه استفاده از زمین، به عنوان اطلاعات پایه برای برنامه ریزی های مختلف از اهمیت ویژه ای برخوردار است. روشهای مختلفی برای تهیه نقشه پوشش و کاربری اراضی وجود دارد که هر کدام دارای مزایا و محدودیت هایی هستند. در تحقیق حاضر از روش ماشین بردار پشتیبان به عنوان یکی از روشهای ناپارامتریک نظارت شده برای استخراج کاربری و پوشش اراضی می باشد. این روش از ویژگیهای آماری داده ها استفاده نمی کند و اخیرا جزو تکنیکهای طبقه بندی قرار گرفته اند. تئوری SVM1 توسط "واپتیک و همکاران" پیشنهاد شد و در سال 2000جزئیات آن مورد بررسی قرار گرفت سپس در سال 2004 برای استفاده در سنجش از دور مورد استفاده قرار گرفت(SVM .(3 ریشه در تئوری یادگیری آماری2 دارد و به شناختن متن و اعداد موجود و طبقه بندی تصاویر ماهواره ای دیدگاه ماشینی دارد(.(4 ماشین بردار پشتیبان طبقه بندی را با ایجاد یک سطح جدا کننده چند بعدی3 بصورت بهینه از هم جدا می کند. محققان منبع (5) روشهای طبقه بندی ماشین بردار پشتیبان ، شبکه عصبی و حداکثر احتمال را در طبقه بندی نواحی ساحلی Koh Tao در تایلند با استفاده از تصاویر ASTER مورد مقایسه قرار دادند و به این نتیجه رسیدند که دو روش شبکه عصبی و ماشین بردار پشتیبان چندان تفاوتی از لحاظ دقت کلی ندارند. نویسندگان منبع (6) نوع محصولات زراعی را در دشتهای کانادا مورد طبقه بندی قرار دادند و برای این منظور روشهای SVM ، ANN ، RF و MLC را مورد مقایسه قرار دادند و به این نتیجه رسیدند که روش SVM از دقت بالاتری نسبت به روشهای دیگر برخوردار است.
شاخص NDVI4 بهطور گسترده در بازیابی خصوصیات زیستی - فیزیکی پوشش گیاهی مورد استفاده قرار گرفته و بهعنوان یک برآورد کننده لایه پوشش گیاهی شناخته شده است . (7 ) این شاخص برای اولین بار توسط نویسندگان منبع (8) از مرکز سنجش از دور دانشگاه تگزاس در سال 1973 بکار گرفته شد. از تبدیلات حسابی که روی عدد رقومی باندهای قرمز و مادون قرمز استفاده میشود میتوان تراکم پوشش گیاهی، وجود یا عدم وجود مخزن آب ، خاک لخت، وجود ابر، برف و نمک را تخمین زد. هدف از این مطالعه استخراج دامنه عددی برای شاخص NDVI با استفاده از نقشه کاربری و پوشش اراضی می باشد تا بتوان با هزینه و زمان کم تغییرات موجود در کاربریهای این حوضه که یکی از زیر حوضه های اصلی تامین کننده آب دریاچه ارومیه می باشد را بررسی کرد.
-2 منطقه مورد مطالعه
حوضه صوفی چای بهعنوان زیر حوضهای از حوضه آبریز دریاچه ارومیه دارای مساحتی حدود 1000کیلومتر مربع در موقعیت جغرافیایی 37 درجه ،13 دقیقه و 10 ثانیه تا 37 درجه ، 45 دقیقه و 17 ثانیه عرض شمالی و 45 درجه ،57 دقیقه و 33 ثانیه و 46 درجه ، 27 دقیقه و 26 ثانیه طول شرقی قرار دارد. از حوضه ذکر شده مساحتی حدود 313 کیلومتر مربع که مناطق بالادست سد علویان را شامل میشود در این تحقیق در نظر گرفته شده است. شکل 1 موقعیت ، ارتفاع حداکثر و حداقل منطقه مورد مطالعه را نشان میدهد.
شکل :1 موقعیت ، ارتفاع و روستاهای موجود در منطقه مورد مطالعه
-3 مواد و روش
-1-3 داده های مورد استفاده
از تصاویر ماهوارهای لندست 5 و 7 (به ترتیب TM1 و (ETM+2 و لندست (OLI & TIRS)3 به ترتیب مربوط به 16 جولای سال 1987، 14 جولای سال2000 ،10 جولای سال 2013 برای استخراج کاربری و پوشش اراضی استفاده شده است. نرمافزار ENVI4.8 برای تصحیح هندسی و تثبیت هندسی4 هر سه تصویر لندست نسبت به هم، همچنین طبقه بندی تصاویر لندست مورد استفاده قرار گرفت. از مدل رقومی ارتفاعی (ASTER DEM5) با عرض جغرافیایی 37درجه و طول جغرافیایی 46 درجه و قدرت تفکیک مکانی30 متر برای تصحیح توپوگرافی تصاویر استفاده شده است. همچنین از نرمافزارهایArc GIS برای مدلسازی و تشکیل پایگاه داده و دستگاه GPS برای برداشت مکانی نقاط تعلیمی استفاده شد.
-2-3 روش های مورد استفاده
-1-2-3 مراحل پیش پردازش
برای انجام تصحیح رادیومتریک تصاویر لندست 5 و 7 از روش موجود در نرم افزار ENVI در قسمت Preprocessing استفاده شده است ولی برای لندست 8 از روش پیشنهادی USGS EROS1 که جزئیات بیشتر در مجموعه LDCM Cal/Val Algorithm Description توضیح داده شده است و در محیط برنامه نویسی Band math نرم افزار ENVI فرمول نویسی شده است. در تصحیح آتمسفری به دلیل وجود منابع آبی از روش کاهش عددی پیکسلها((9 استفاده شد. برای تصحیح هندسی در تحقیق حاضر از تصاویر اسپات 2005 و از روش تثبت هندسی تصویر به تصویر استفاده شد . در این تصحیح تقاطع جاده ها به عنوان نقاط آموزشی برای تصحیح انتخاب و برای نمونه گیری مجدد از روش نزدیکترین همسایگی2 استفاده شد و تصویر لندست 8 با خطای جذر میانگین مربعات0/45 3 پیکسل تصحیح شد. سپس تصاویر لندست 5 و 7 نسبت به تصویر لندست 8 تثبیت هندسی شد. برای از بین بردن عوامل توپوگرافی در نتیجه تفاوت در زاویه انرژی رسیده به سطح کوهستان از روش (10) Lambertian Reflectance Modeاستفاده شد. در این مطالعه از روش بسط خطی برای بسط دامنه مقادیر درجه روشنایی پیکسلها استفاده شد و ارزش آنها در 8 بیت ذخیره شد.
-2-2-3 شاخص گیاهی تفاضلی نرمال شده
بعد از اعمال پیش پردازشهای لازم (تصحیحات هندسی، کالیبراسیون، تصحیحات اتمسفری و نرمال سازی توپوگرافی) روی هر سه تصویر یاد شده مورد استفاده، ابتدا برای هر تصویر شاخص گیاهی NDVI، با استفاده از محیط برنامه نویسی نرم افزار ENVI محاسبه گردید. با بررسی روی باندهای تصاویر ماهوارهای مشاهده میشود (برای این بررسی نیاز به شناخت از منطقه وجود دارد) پوشش گیاهی سالم در طیفهای الکترومغناطیسی مادون قرمز نزدیک انعکاس بیشتری نسبت به باندهای مرئی دارند این در حالی است که آب انعکاس بیشتری در باندهای مرئی دارد. همچنین انعکاس خاک بایر تفاوت بسیار کمی در بین این دو باند دارند هر چند در باند مادون قرمز نزدیک این انعکاس اندکی مقدار بیشتری دارد.
این شاخص از رابطه (1) محاسبه میشود .(8)
)NIRعدد رقومی باند مادون قرمز نزدیک)در لندست 8 برابر باند 5 و )REDعدد رقومی باند قرمز) برابر باند 4
)NIRعدد رقومی باند مادون قرمز نزدیک)در لندست 5 و 7 برابر باند 4 و )REDعدد رقومی باند قرمز) برابر باند 3 میباشد.
با توجه به اینکه دامنه تغییرات این شاخص بین 1 و -1 میباشد کاهش و یا افزایش عددی در بین این دامنه مفهوم متفاوتی از پوشش را بیان میکند.
-3-2-3 روش ماشین بردار پشتیبان
در روش طبقهبندی ماشین بردار پشتیبان، بر اساس اصل تفکیک بهینه در جداسازی کلاسها که از بین بینهایت خط رسم شده ، آن خطی برگزیده میشود که کمترین خطا را در طبقهبندی داشته باشد. این خط همان فرا صفحهای1 است که حداکثر فاصله را از نزدیکترین نقطه از دو کلاس دارد .(11) به عبارت دیگر موقعی که دو کلاس از هم تفکیک نمیشوند الگوریتم ماشین بردار پشتیبان با طراحی یک فرا صفحه که بیشترین حاشیه2 را از دو کلاس مذبور دارد اقدام به جداسازی کلاسها میکند. با طرز قرارگیری فرا صفحه جداکننده بهینه، تعداد پیکسلهای درست طبقهبندی نشده به حداقل میرسد (شکل .(12)(2
شکل :2 جداسازی فراصفحه با بیشترین حاشیه (الف) و کمترین حاشیه(ب)
در این روش در جداسازی خطی برای تعیین بهترین مکان قرارگیری فراصفحه از دو کمیت ثابت استفاده میشود. دادههای آموزشی با N تعداد که بهصورت {xi , yi}, i = 1, …,N بهطوری که x عضو اعداد حقیقی((x ∈ R و فضای N بعدی همچنین y ∈{-1, +1} بهعنوان برچسب کلاسها میباشد .(13) در این الگوی آموزش که جداسازی خطی گفته میشود یک بردار وجود دارد که جهت قرارگیری را تعیین میکند و یک مقدار بایاس که مقدار فاصلهگیری صفحه از مبدأ را مشخص میکند.
برای تعریف نحوه قرارگیری فرا صفحه از کرنل چندجملهای1 استفاده شده است.
xi,xj مجموعهای از دادههای آموزشی ، g گاما - یک پارامتر تعریف شده توسط کاربر بهعنوان عرض کرنل ، d درجه چند جملهای ، r اریب یا تمایل و T ماتریس واحد.
-4-2-3 ارزیابی دقت
به منظور بیان دقت یک نقشه طبقه بندی شده به صورت کمی می توان آن را به صورت پیکسل به پیکسل با واقعیت زمینی مقایسه و نتایج را در جدولی به نام جدول خطا درج نمود . بر پایه ، این جدول می توان معیارهای کمی نظیر دقت کاربر2، صحت تولید3 صحت کلی4 و ضریب کاپا5 را برای بیان صحت محاسبه نمود. با توجه به اینکه برای نهایی نمودن نقشه کاربری اراضی ، باید همه شاخص های دقت طبقه بندی با یک و یا چند شاخص آماری معتبر برازش داده شود. شاخص کاپا از جمله روشهای آماری می باشد که با رابطه (5) قابل بیان می باشد(.(14
در این رابطه : K شاخص کاپا ، :r تعدادردیف ماتریس طبقه بندی، : Xii تعداد مشاهدات در ردیف و ستون (محور اصلی ماتریس)، :مجموع مشاهدات در ردیف(مجموع ردیف برای هر کاربری)، :مجموع مشاهدات در ستون (مجموع ستون برای هر کاربری)، :مجموع کل مشاهدات ماتریس طبقه بندی
عملیات پس پردازش نیز شامل ادغام کلاسها می باشد. همچنین از فیلتر اکثریت با کرنل 3×3 استفاده شد. مرحله بعد تبدیل تصویر طبقه بندی شده به پلیگون و انتقال به محیط Arc GIS برای مدیریت کلاسها می باشد.
-4 بحث و نتیجه
-1-4 نتایج حاصل از استخراج شاخص گیاهی NDVI
بعد از اعمال پیش پردازشهای لازم (تصحیحات هندسی، کالیبراسیون، تصحیحات اتمسفری و نرمال سازی توپوگرافی) روی هر سه تصویر یاد شده مورد استفاده، شاخص پوشش گیاهی طبق شکل 3 به دست آمد. لازم به ذکر است که دامنه عددی داده شده با روش آزمون و خطا با استفاده از نقشه های کاربری و پوشش اراضی به دست آمده است.
شکل : 3 شاخص پوشش گیاهی NDVI به ترتیب از چپ به راست، برای سال1987، 2000 و 2013
همچنین در جدول 1 و شکل 4 به ترتیب مساحت و درصد مساحت هر کدام از کلاسهای تراکم پوشش گیاهی محاسبه شده است. پیکسلهایی با انعکاس کمتر از صفر برای کاربری آب در نظر گرفته شد و در محاسبه مساحت تراکم پوششهای
