بخشی از مقاله
چکیده
کاربری اراضی، از دیرباز به منظور برنامهریزی و مدیریت منابع مد نظر قرار گرفته است. تکنیکهای سنجش از دور، بهترین وسیله برای استخراج نقشهی کاربری اراضی میباشد. روشهای مختلفی برای تهیه نقشه کاربری اراضی وجود دارد و در این تحقیق، از روش طبقه-بندی تحلیل مولفههای مستقل استفاده گردید. منطقه مورد مطالعه، سامان عرفی آبی بیگلو در استان اردبیل که نقش مهمی در تعادل اکوسیستمی جنگلهای بکر منطقه دارد. بدین منظور از تصاویر ماهوارهی لندست 8 مربوط به خرداد ماه سال 1395 استفاده گردید. نتایج نشان داد که به ترتیب کشت دیم، مرتع، جنگل و اراضی مسکونی، 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 و 0/92 به دست آمد که نشان دهنده ی قابلیت بالای این روش برای تهیهی نقشهی کاربری اراضی می باشد.
واژه های کلیدی
سامان عرفی آبیبیگلو، نقشه کاربری اراضی، روش طبقه بندی ICA، .GIS
مقدمه
پوشش اراضی، پویایی و تغییرات آن متغیرهای مهمی هستند که تأثیراتی جدی بر روی محیط و فرایندهای محیطی میگذارند. اطلاعات روزآمد و دقیق در مورد پوشش و کاربری اراضی همواره موردنیازِ تصمیم گیران و پژوهشگران در تمامی سطوح است. [ 1] 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.[2] با تحقیق و مشاهدات صحرایی و تفسیر عکسهای هوایی بزرگ مقیاس، میتوان نقشه پوشش و کاربری اراضی را تولید کرد، ولی هر دو روش مذکور وقت گیر و هزینهبر است. یکی از منابع اطلاعات که به طور مؤثر و مفید قابل کاربرد در شناسایی پوشش های اراضی می باشد، سنجش از دور میباشد. بنابراین به کارگیری تصاویر ماهوارهای و پردازش رقومی آنها با الگوریتمهای مناسب موجب میشود ضمن به حداقل رساندن خطای انسانی جزئیات پدیدههایی را که چشم انسان قادر به تمایز آنها نیست، شناسایی و تفکیک شوند .[3]
به نظر میرسد با استفاده از این تصاویر و تکنیکهای طبقهبندی آنها، میتوان اراضی را که دارای شباهت سطحی و بازتاب مشابه هستند در یک طبقه قرار داد و شرط اول که همان گروهبندی اراضی مشابه است را فراهم آورد .[4] بهطور کلی میتوان روشهای طبقه بندی را بهصورت کلی به دو روش نظارت شده و نظارت نشده تقسیم بندی کرد که میتوان به روش حداکثر احتمال، شبکهی عصبی و ماشین بردار پشتیبان - Support - vector machine اشاره نمود .[5] از جمله تحقیقاتی که در زمینه-ی تهیه نقشهی کاربری اراضی با تکنیک سنجش از دور انجام شده است میتوان به موارد زیر اشاره کرد. علیبخشی و همکاران - 1394 - ، نقشه کاربری اراضی تالاب میقان را با استفاده از روشهای طبقه-بندی نظارت شده و فازی تهیه کردند و نتیجه گرفتند که روش طبقهبندی نظارت شده نسبت به روش فازی از دقت بیشتری برخوردار است.
علیخواه اصل و فروتن - 1392 - ، از روش طبقهبندی فازی برای تهیه نقشه کاربری اراضی زیرحوزه آبخیز حبله رود استفاده نمودند و به این نتیجه رسیدند که با استفاده از این روش تفکیک اراضی دیم و مراتع با وضعیت خوب و متوسط، با دقت خوبی صورت پذیرفته است و بیشترین خطای این روش، در مشخص نمودن مرز اراضی زراعی آبی و مراتع فقیر میباشد. 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. الیزابت1 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. هدف از انجام این تحقیق، تهیه نقشه کاربری اراضی منطقه آبی بیگلو در استان اردبیل و بررسی دقت روش طبقه بندی تحلیل مولفه های مستقل2 در تهیه نقشه کاربری اراضی با استفاده از تصویر ماهوارهای سنجنده OLI است.
مواد و روش منطقه مورد مطالعه
سامان عرفی آبی بیگلو با مساحتی بالغ بر 2199 هکتار در شرق شهرستان نمین در استان اردبیل و در مسیر بین جاده اردبیل به دامنه جنگلهای فندقلو شهرستان نمین قرار گرفته است. این سامان به عنوان منطقه ای مهم در تامین تعادل اکوسیستم منطقه دارد و از پوششهای مهمی چون جنگل و مرتع برخوردار است. در شکل - 1 - موقعیت منطقه در استان و کشور نشان داده شده است. داده های مورد استفاده برای انجام این پژوهش، یک فریم تصویر ماهوارهای بدون ابر مربوط به گذرهای 167 و ردیفهای 33 سنجنده OLI ماهوارهی لندست مربوط به خرداد ماه - که در آن پوشش گیاهی منطقه در حداکثر حالت خود می باشد - سال 1395 انتخاب و از تارنمای سازمان زمینشناسی امریکا 3دریافت شد. برای انجام تجزیه و تحلیلها بر روی نقشهها، از نرمافزارهای ARCGIS 9,3 و Erdas imagine استفاده گردید.
بررسی کیفیت تصاویر ماهوارهای
علیرغم انجام سطح اول تصحیحات تصاویر انتخابشده توسط سازمان زمینشناسی آمریکا، به منظور اطمینان از کیفیت دادهها، باندها و ترکیبهای رنگی ایجادشده از تصاویر مقاطع زمانی مختلف در محیط نرمافزار Erdas imagine نمایش و قسمتهای مختلف آنها بزرگنمایی شدند. سپس ازلحاظ خطاهای رادیومتری همانند راهراه شدگی مورد بررسی قرار گرفتند تا در صورت ضرورت تصحیح شوند. همچنین به لحاظ اتمسفری قسمتهای مختلف تصویر بزرگنمایی و پوشش ابر در قسمتهای مختلف بررسی شد. در نهایت، تصاویر از نظر هندسی بررسی و صحت آن کنترل گردید.
طبقه بندی تصویر
پس از برش محدوده مرود مطالعه از روی فریم تصویر تصویر رنگی کاذب و حقیقی از منطقه ساخته شد تا کاربری های مختلف در آن مشاهده شوند. علاوه بر آن با پیمایش میدانی و بررسی تصویر 4 کلاس کاربری جنگل، مرتع، زراعت دیم و مسکونی در منطقه وجود دارد. در ادامه با استفاده از سامانه موقعیت یاب جهانی GPS و استفاده از قابلیتهای GooGle Erath برای هر کاربری نقاط تعلیمی و شاهد تهیه شد. در ادامه با استفاده از روش تحلیل مولفههای مستقل اقدام به تهیه نقشه کاربری شد. پس از تهیه نقشه کاربری اراضی به منظور بررسی دقت طبقه بندی صورت گرفته از شاخص کاپا و صحت کلی استفاده گردید و دقت طبقه بندی ارزیابی شد. الگوریتم ICA روش اصلی از برنامه knowledge engineer است و بر اساس یک دید کلی با تشکیل درخت تصمیمگیری سلسله مراتبی بر مبنای فرضیهها، قوانین و لیست متغیرها صورت می گیرد .[9]
در این روش، طبق مراحل زیر، طبقهبندی صورت می گیرد:
ایجاد تصویر ICA ابتدا برای هر یک از کلاس کاربریهای مدنظر، یک مدل به شکل درخت سلسله مراتبی و با استفاده از IC های استخراج شده از باندهای طیفی، تعریف گردید. هر IC شامل اطلاعات متناسب با یک ویژگی خاص در تصویر اصلی است و به این ترتیب، برای هر یک از تصاویر ماهوارهای، یک تصویر ICA ساخته شد و به کمک آن، بهترین باند طیفی که نشان دهنده ی کاربری مد نظر است انتخاب گردید.
بررسی هیستوگرام ارزش های طیفی
آگاهی از نحوه پراکنش ارزشهای طیفی پدیدههای مختلف زمینی در هر یک از باندها یا طول موجهای مورد استفاده در سنجش از دور، از اهمیت ویژهای برخوردار است و استفاده از هیستوگرام پراکنش ارزشهای طیفی در باندهای مختلف، یکی از راههای دستیابی به این آگاهی است. برای این کار، با پیمایش بر روی پیکسلهای کاربری مورد نظر در تصویر ICA ، بازه ی ارزشهای طیفی یا دامنه اطلاعاتی مربوط به هر کاربری، بر روی هیستوگرام آن باند مشخص میگردد. این بازه ی اطلاعاتی، برای مدلسازی در مراحل بعدی کار مورد استفاده قرار میگیرد. تشکیل درخت سلسله مراتبی، تعیین فرضیهها، قوانین و لیست متغیرها قوانین مربوط به مدلسازی با توجه به متغیرهای شیب، شاخص NDVI و ICA برای هر یک از فرضیهها تعیین گردید - جدول . - 1
نتایج
بررسی تصویرر مورد نظر نشان داد که در قسمتهای مختلف تصویر هیچ یک از خطاهای اتمسفری، رادیومتریک و هندسی وجود ندارد. در ادامه تصویر مورد نظر با روش ICA در محیط Erdas imagine طبقه بندی شد. شکل - 2 - نقشه کاربری منطقه را نشان میدهد. همانطور که از شکل مشخص است چهار کلاس پوشش در تصویر مشخص است. اراضی زراعت دیم با رنگ زرد در قسمتهای مختلف منطقه بجز شرق منطقه وجود دارد. اراضی مسکونی منطقه شامل شهر آبیبیگلو میشود که در غرب منطقه قرار گرفته است. در قسمت شرقی منطقه نیز اراضی جنگلی و مرتعی وجود دارد که با رنگ سبز مشخص شد اند که در ارتفاعات منطقه قرار گرفته اند. بر اساس نتایج اراضی زراعت دیم بیشترین بخش منطقه را تشکیل داده است در حالیکه اراضی مرتعی، جنگلی و مسکونی در رتبه های بعدی قرار دارند شکل . - 3 - برای ارزیابی صحت و دقت طبقه بندیهای انجام شده، صحت کلی و ضریب کاپا تعیین گردید که به ترتیب %96 و 0/92 به دست آمد که نشان دهنده قابلیت بالای روش طبقه بندی ICA در تهیه نقشه کاربری اراضی میباشد.
بحث و نتیجه گیری
استفاده از تصاویر ماهوارهای، امروزه به عنوان راهکاری مناسب برای تهیهی نقشههای پوشش گیاهی مطرح است. استفاده و کاربرد این تصاویر در زمینههای مختلف، میتواند قابلیت و محدودیت های این دادهها را مشخص کند. با توسعه تکنیکهای متعدد در زمینه ی طبقهبندی تصاویر ماهوارهای و تهیه نقشههای با دقت، به ویژه در دهه اخیر، توجه به مقایسه ی روشها و انتخاب بهترین و صحیحترین روش برای تهیه ی نقشه های کاربری و پوشش اراضی در مناطق مختلف، رشد روز افزونی داشته است .[10] . یکی از برتریهای روش ICA ، آزاد بودن کاربر در استفاده از لایه-های مختلف در کنار استفاده از باندهای تصویر ماهوارهای است
همچنان که در این تحقیق، علاوه بر استفاده از تصاویر ماهوارهای، از لایههای شیب و شاخص نرمال شده پوشش گیاهی - NDVI - استفاده شد. 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، دقتنسبتاً بالا و هزینهی پایین، استخراج اطلاعات در زماننسبتاً کم، پوشش وسیع و قابل تکرار بودن از مزایای استفاده از دادههای دورسنجی میباشد .[11]
