بخشی از مقاله
-1 مقدمه
در میان انواع فرسایش آبی، فرسایش آبکندی یکی از مهمترین رخدادهای مؤثر در نابودی خاک و پسرفت اراضی میباشد که با تخریب افقهای سطحی و زیرین خاک، موجب تولید رسوب در حجم زیاد و نابودی بستر تولید میشود - Chaplot, 2013 : 3; Zakerinejad and Maerker, . - 2015 هدر رفت خاک در این نوع فرسایش چندین برابر بیشتر از فرسایش سطحی و شیاری است، که پیامد آن پر شدن مخازن سدها، منبعی برای آلوده کردن آبهای سطحی، کاهش ظرفیت انتقال آبراههها، رودخانهها و تخریب اراضی کشاورزی پائین دست آنها میباشد - انتظاری و همکاران، 298 :1394؛ فرجزاده و همکاران،. - 43 :1392 در مقایسه با سایر روشهای اندازهگیری فرسایش خاک، استفاده از تکنیکهای سنجش از راه دور بهمنظور نظارت بر فرسایش آبکندی و تهیهی نقشه ی آبکندهای موجود، ارزانترین روش جمعآوری دادهها محسوب میشود - Pradhan et al., . - 2011; Momm et al., 2015
بنابراین یک روش نیمه اتوماتیک در ترکیب با مشاهدات میدانی و فرآیندهای مبتنی بر دانش میتواند رویکردی مناسب برای تهیه ی نقشهی ویژگی های آبکندها باشد. روش تجزیه و تحلیل جغرافیایی تصاویر با رویکرد شیءگرا - GEOBIA - 1 شناخته شدهتر از روشهای تحلیل تصویر شیءگرا - OOA - 2 یا تحلیل تصویر شیءمبنا - OBIA - 3 هستند و دقت بسیار بالاتری نسبت به روشهای سنتی تحلیل تصویر پیکسل پایه دارند . - Stumpf and Kerle, 2011 - تحلیل تصویر شیءمبنا - OBIA - یک رویکرد مبتنی بر دانش است که در آن طیف وسیعی از ویژگیهای تشخیصی برای یک جسم خاص میتواند بر اساس دانش تخصصی، متصل شود. این رویکرد بهمنظور ارائه محتوای یک صحنه ی پیچیده بهگونهای عمل می کند که با تقلید از ادراک انسان به بهترین شکل واقعیت تصویر را توصیف کند . - Blaschke et al., 2010 -
تاکنون هیچ چارچوب متدولوژیک یا طرحی برای بررسی توزیع مکانی فرسایش آبکندی در مقیاسهای مختلف منطقهای در ایران وجود نداشته است. این بدین دلیل است که روشهای سنتی برای نقشهبرداری فرسایش که شامل دیجیتالسازی دستی آبکندها از طریق عکسهای هوایی و یا تصاویر ماهوارهای است، به دانش تخصصی محدود میباشد و در مقیاس منطقهای بسیار وقتگیر و پر هزینه است. در این پژوهش حوضهی آبخیز سنگانهی کلات بهعنوان یک منطقهی مستعد ابتلا به فرسایش آبکندی انتخاب گردید. هدف از انجام پژوهش حاضر، توسعهی یک روش یکپارچه بهمنظور تهیهی نقشهی فرسایش آبکندی و کشف قابلیت تکنیک تجزیه و تحلیل جغرافیایی تصاویر با رویکرد شیءگرا - GEOBIA - برای تهیهی نقشهی فرسایش آبکندی میباشد.
-2 مواد و روشها
در این مطالعه تهیهی نقشه ی آبکندها بر روی تصاویر پانکروماتیک اسپات - SPOT-5 - 5 که مربوط به سال 2009 و دارای رزولوشن مکانی4 بالا 2/5 - متر - بود، انجام شد. در این پژوهش از الگوریتم قطعهبندی تصاویر چند مقایسهای - MRS - با استفاده از یک رویکرد تکراری - آزمون و خطا - 5 که اغلب توسط دیگر محققان بهکار گرفته شده است، استفاده گردید - Dingle Robertson and King, 2011 - ، همچنین برای تحلیل تصویر شیءگرا از نرم افزار ایکاگنیشن - eCognition - بهمنظور بهینهسازی پارامترهای قطعهبندی بر اساس اطلاعات حقیقی حوضه آبخیز سنگانه کلات استفاده شد. شکل - 1 - مراحل انجام این پژوهش را نشان میدهد.
-1-2 تجزیه و تحلیل جغرافیایی تصاویر با رویکرد شیءگرا - GEOBIA -
قطعهبندی تصویر فرآیند تقسیم تصاویر سنجش از راه دور به مناطق مختلف یا اشیائی است که با توجه به ویژگیهای طیفی، فضایی و بافت همگن هستند . - Blaschke, 2010 - تجزیه و تحلیل جغرافیایی تصاویر با رویکرد شیءگرا - GEOBIA - اغلب از سگمنتهای چند مقایسهای که یک تکنیک ادغام منطقهای است، استفاده می کند. این تکنیک خوشههای شبکه ی سلولهای فردی را به شیءهای تصویر تا زمانی که ناهمگنی داخلی از شیءها در محدوده پارامتر مقیاس باقی بماند ادامه میدهد . - U JX HW DO.' 2006 - به عبارت دیگر الگوریتم قطعهبندی تصاویر حداقل ناهمگنی متوسط شیءها را با استفاده از روش متداول بهترین روش، به حداقل میرساند. در حالی که اندازه تصویر شیءها توسط یک پارامتر مقیاس کنترل میشود . - U JX DQG - LVDQN' 2012 - در واقع شیءهای ایجاد شده توسط الگوریتم قطعهبندی تصاویر - MRS - ، بعدها میتواند به عنوان نمونه اولیه تصویر برای طبقهبندی توسط تجزیه و تحلیل جغرافیایی تصاویر با رویکرد شیءگرا - GEOBIA - استفاده شود.
با این حال ارزشهای آستانهی قطعهبندی شامل: مقیاس - S - 1، شکل - Sh - 2 و فشردگی - C - 3 می باشد که این پارامترها باید برای آزمایش دستی و بهینهسازی خطا و هر نوع ویژگی ژئومورفولوژیکی ماننده فرسایش آبکندی به منطقه نسبت داده شود . - Blaschke, 2010 - مقدار مقیاس - S - یک پارامتر مهم در فرآیند قطعهبندی تصاویر است و اندازه نسبی شیءهای تصویر را کنترل میکند که به نوبه خود تاثیر قابل توجهی بر دقت کلی نقشهی فرسایش آبکندی موجود دارد . - Myint et al., 2011 - بهطور کلی یک مقدار پایین مقیاس - S - برای شناسایی ویژگیهای کوچک مورد نیاز است در حالی که مقدار - S - بالا برای استخراج ویژگیهای بزرگ لازم است . - Anders et al., 2011 - علاوه بر این پارامترهای شکل - Sh - و فشردگی - C - بر پوشش فضایی آبکندهای استخراج شده تاثیر میگذارد. علاوه بر این، دقت شیءهای تصویر میتواند بهصورت خودکار ارزیابی شود. که منجر به بهینهسازی پارامترهای قطعهبندی میشود. این روشها قطعاً آزمون و خطای دستی را افزایش میدهد و قابلیت سازگاری عینی و دقت طبقهبندی را افزایش میدهد.
بهدنبال فرآیند قطعهبندی تصاویر چند مقایسهای - MRS - متغیرهایی به عنوان “ویژگیهای شیء4” - یک اصطلاح است که هنگام ارجاع به متغییرهای مورد استفاده توسط تکنیک تجزیه و تحلیل جغرافیایی تصاویر با رویکرد شیءگرا - GEOBIA - مورد استفاده قرار میگیرد - در تجزیه و تحلیل مبتنی بر شیء از تعریف نواحی آبکندی از غیر آبکندی استفاده شد. در این پژوهش از چندین نوع از ویژگی های شیء از قبیل ماتریس هم اتفاقی5 - GLCM - ، میانگین، انحراف استاندارد، طول و عرض و .... استفاده گردید. ماتریس هم اتفاقی - GLCM - یک محاسبه فرکانس در ترکیب پیکسل های خاکستری مختلف است که در یک تصویر رخ میهد . - Cleve et al., 2008 - این ویژگی میتواند اجزای مختلف مسیریابی پارامترهای بافتی6 را محاسبه کند.
علاوه بر این، صحت کلی1 این روش برای ارزیابی صحت نقشههای موضوعی که از تصاویر طبقهبندی شده بهدست آمده کارایی دارد صحت کلی به عنوان ارزیابی اعتبار و قابلیت تصمیمگیری تعریف می شود و مزیت آن این است که بهطور مستقیم نسبت پیکسلها در صحتسنجی درست طبقهبندی شود . - Stehman, 1997 - صحت کلی نسبت نمونههای اعتبارسنجی - به عنوان مثال ویژگیهای آبکندها - میباشد که به درستی دستهبندی میشود که میتواند با استفاده از رابطهی زیر تعریف شود:
که در این فرمول؛ :TP - درست مثبت - و :TN - درست منفی - ، تعداد نمونهها در مجموعه دادههای اعتبارسنجی که به درستی طبقهبندی شدهاند میباشد. در حالی که :FP - اشتباه درست - و :FW - اشتباه منفی - تعداد نمونههایی که به صورت اشتباه طبقهبندی شده است میباشد. برای بررسی تاثیر تغییر پارامترهای شکل و فشردگی در قطعهبندی و شناسایی آبکندها از الگوریتم قطعهبندی چند مقایسهای - MRS - در 9 سطح مختلف 0/1 - ، 0/2، 0/3، 0/4، 0/5، 0/6، 0/7، 0/8 و - 0/9 شامل پارامترهای شکل - Sh - و فشردگی - C - استفاده گردید.
-3 بحث و نتایج و یافتهها
شکل - 2 - نتایج روش نیمه اتوماتیک مبتنی بر تعیین ویژگیهای فرسایش آبکندی را بر اساس سه سطح طبقهبندی 10، 25 و 50 در منطقه مورد مطالعه را نشان میدهد. این شکل نشان میدهد که مقیاسهای سگمنتهای تصویر بزرگتر، شیءهای تصویر بزرگتر را تولید میکند. در حالی که پارامترهای کوچکتر میتواند نتیجه سگمنتهای بیشتر باشد. شکل - 3 - ویژگیهای فرسایش آبکندی را با استفاده از تکنیک تجزیه و تحلیل جغرافیایی تصاویر با رویکرد شیءگرا - GEOBIA - را نشان میدهد. با توجه به روش دقت کلی شیءهای تصویر تولید شده با استفاده از پارامترهای مقیاس - S - با سطح 50 مناسب برای تشخیص ویژگیهای فرسایش آبکندی بوده است زیرا بیشترین دقت - OA=90/38% - را در مقایسه با سایر پارامترهای مقیاس OAS=10=49/52% - - S - و - OAS=25=70/21% دارا بود. بنابراین یک توافق تصویری خوب بین دادههای واقعی زمینی و ویژگیهای فرسایش آبکندی شناسایی شده توسط تجزیه و تحلیل جغرافیایی تصاویر با رویکرد شیءگرا زمانی که پارامتر مقیاس - S - منطقه 50 باشد، وجود دارد.
نتایج این مطالعه نشان داد که امکان استفاده از تکنیکهای غیراتوماتیک مبتنی با تصاویر اسپات با دقت مکانی بالا میتواند برای استخراج ویژگیهای فرسایش آبکندی مورد استفاده قرار گیرد. تجزیه و تحلیل جغرافیایی تصاویر با رویکرد شیءگرا امکان شناسایی خودکار ویژگیهای فرسایش آبکندی و تعیین زمان تغییرات آن را فراهم میکند. در حالی که مطالعات میدانی برای نظارت بر فرسایش آبکندی گران، خستهکننده و وقتگیر هستند . - Shruthi et al., 2011, 2015 - نتایج نشان داد که بالاترین مقدار صحت کلی تولید شده برای پارامتر شکل، - OA=93/21% - 0/1 و پارامتر فشردگی، - OA=91/50 - 0/6 است. با این حال هنگامی که پارامتر شکل به مقادیر بالا - ماننده: 0/6، 0/7، 0/8 و - 0/9 تنظیم شد و پارامتر فشردگی به مقادیر کوچک 0/1 - ، 0/2، 0/3، 0/4 و - 0/5 تنظیم گردید، ناهمگنی زیاد سگمنت ها مشاهده گردید. نتایج، ضرورت بهینه سازی پارامترهای شکل و فشردگی را نشان میدهد. زیرا مقادیر بالا یا پایینتر از این پارامترها دقت پایین طبقهبندی را نشان میدهد. در این پژوهش مقیاسهای مختلف قطعهبندی چندگانه در الگوریتم قطعهبندی تصاویر چند مقایسهای - MRS - برای شناسایی شیء بر روی ویژگیهای فرسایش آبکندی استفاده گردید. نتایج نشان داد که پارامتر مقیاس 50 - S - مناسب برای شناسایی فرسایش آبکندی بود.
