بخشی از مقاله
چکیده
سنجش از دور یکی از فناوریهای نوین و کارآمد در استخراج کاربری اراضی، به روز رسانی نقشهها و کشف تغییرات کاربریها میباشد. استفاده از تکنیک پردازش شیگرا، تصاویر ماهواره ای از روشهای جدید در پردازش تصاویر میباشد که علاوه بر استفاده از قدرت تفکیک طیفی تصاویر از ویژگیهای فیزیکی و هندسی - بافت و شکل - تصاویر نیز استفاده میکند. هدف از این تحقیق، تهیه نقشه کاربری اراضی با استفاده ازتصویر ماهواره سنتینل 2 به روش طبقهبندی پیکسل پایه - الگوریتم بیشترین شباهت - در محدودهی حوضه آبریز اهر چای از منطقه اهر تا ورزقان است.
بدین منظور نقشه کاربری اراضی منطقه اهر - ورزقان با استفاده از این روش در نرم افزار ENVI 5,3 طبقهبندی شده است. م نتایج مربوط به صحت کلی و ضریب کاپای طبقه بندیها نشان میدهد که روش طبقهبندیپیکسل پایه با دقت معادل 91/93درصد صحّت کلی و 0/91 درصد ضریب کاپا، در طبقه بندی تصاویر ماهواره ای از دقت بالایی برخوردار است .
- 1 مقدمه
تهیه نقشه های کاربری اراضی نیز از طریق طیقه بندی رقومی داده های سنجش از دور به روش های مورد استفاده در طبقه بندی، وضعیت پوشش زمین و شرایط محیطی منطقه مورد مطالعه بستگی دارد - هاپکینز1 و همکاران : . - 1988 بسیاری از روش های طبقه بندی، عموما اطلاعات طیفی موجوددر باندهای تصویر را استفاده می کنند.
در این روش ها انتظار آن است که پیکسل ها با درجه روشنایی بیشتر یا کمتر در فضای چند طیفی در خوشه هایی متناسب با انواع پوشش زمینی گروه بندی شوند - بورری2 و همکاران : . - 105 : 2005 همچنین - ژائو3 و همکاران : : 2009 221 و چن4 و همکاران : 485 و یان5 و همکاران : - 3 : 2003 به نقل از فیضی زاده : - 74 : 1388 این روش ها توانایی محدودی در جدا نمودن کلاس هایی که اطلاعات طیفی مشابهی داشته و در هم ادغام می شوند، دارد. در نتیجه در سال های اخیر با پیشرفت تکنولوژی پردازش کامپیوتری روش های جدیدی پیشنهاد شده است.
بر اساس ویژگیهای پردازش تصویر، جهت استخراج اطلاعات از تصاویر ماهواره ای در این روش ها ، آنها را می توان در دو گروه عمده تقسیم بندی نمود که عبارتند از روش طبقه بندی مبتنی بر ارزش های عددی عناصر تصویری یا پیکسل - پیکس پایه - و روش طبقه بندی مبتنی بر شی های تصویری - شی گرا - . در این زمینه مطالعات مختلفی در سطح جهان انجام گردیده است بطوریکه پیشینه مربوط به این نوع مطالعات نشان می دهد که طبقه بندی تصاویر با استفاده از دو روش فوق نتایج متفاوتی را ارائه می نماید.
در این رابطه تحقیقات انجام شده توسط برخی محققان شامل: - رینوت 1 و همکاران : - 1994 ، - چن و همکاران : 483 : 2009 - ، - ژائو2 و همکاران : - 220 : 2009 ، - علیمحمدی و همکاران : 1388 - ، - فیضی زاده و همکاران : . - 1388 نتایج این تحقیق در استخراج نقشه های کاربری اراضی استان آذربایجانشرقی و آشکارسازی تغییرات کاربری 30 ساله محدوده بالادست سد ستارخان مورد استفاده قرار گرفت. بنابراین هدف از این تحقیق، طبقهبندی نقشه کاربری اراضی به روش طبقهبندی پیکسل پایه - الگوریتم بیشترین شباهت - با استفاده ازتصویرماهواره سنتینل 23 در محدودهی حوضه آبریز اهر چای از منطقه اهر تا ورزقان است.
- 2× معرفی منطقه مورد مطالعه
محدوده مورد مطالعه بخشی از حوضه آبریز اهر چای با وسعتی معادل 1593کیلومتر مربع می باشد که این حوضه یکی از بزرگترین حوضه های آبریز استان آذربایجان شرقی است. این محدوده مطالعاتی در مختصات جغرافیایی 46 35 تا 47 10 طول شرقی و 38 20 تا 38 45 عرض شمالی گسترش یافته و از لحاظ ارتفاعی ، دامنه های شمالی با ارتفاع بیش از 2730 متر و در منطقه آلپاوت و چالیق با ارتفاع کمتر از1260 متر قرار گرفته است .
- 3 مواد و روشها
در این تحقیق از تصویر ماهواره سنتینل 2 مربوط به تاریخ پنجم آگوست 2016 میلادی با سیزده باند طیفی استفاده گردید. از میان باندهای این تصویر ماهواره ای 4 باند 2 ، 3 ، 4، 8 با قدرت تفکیک 10 متر و باند 11 و 12 با قدرت تفکیک 20 متر در این پژوهش استفاده شد. از نقشه توپوگرافی در مقیاس 1 / 50000 و نقشه های زمین شناسی 1/100000، داده های کنترل زمینی برداشت شده توسط سیستم موقعیت یاب جهانی4 مدل گارمین5 و نرم افزارهای ENVI 5,3 و ArcGIS 10,4,1 استفاده شده است.
هدف از این مطالعه استفاده از الگوریتم بیشترین شباهت در پردازش پیکسل پایه برای ارزیابی عملکرد آن در طبقه بندی تصاویر ماهوارای سنتینل2 6 برای تهیه نقشه کاربری اراضی است. برای انجام طبقهبندی فوق بر روی تصویر پیش پردازشهای لازم شامل تصحیحات رادیومتریک و تصحیحات اتمسفری و ... انجام گرفته است.
- 4 بحث و نتایج
1 - 4 نمونه های تعلیمی
جهت جمعآوری نمونههای تعلیمی با توجه به مساحت هر کدام از کاربریها، نمونه های تعلیمی به تعداد کافی از هر کاربری جمعآوری گردید. به منظور جمعآوری نمونههای تعلمی از بازدید میدانی، تصاویر گوگل ارس7 و ایجاد ترکیبهای رنگی کاذب استفاده شد.
2 - 4 طبقه بندی پیکسل پایه
در طبقه بندی بیشترین شباهت، کلاسی به پیکسل مورد نظر انتساب داده می شود که بیشترین احتمال تعلق پیکسل به آن کلاس وجود دارد. استفاده از حد استانه در مورد این روش طبقه بندی نیز متداول است. بعضی از اوقات به علت همپوشانی طیفی، احتمال محاسبه شده برای چند کلاس نزدیک به هم می شود و یا مقدار بزرگترین احتمال بسیار کوچک است. در چنین حالتی نمی توان با اطمینان کامل کلاس مذکور را به پیکسل نسبت داد و از یک حد آستانه به عنوان کنترل استفاده می شود. در صورت استفاده از حد آستانه مقداری از پیکسل ها بدون برچسب رها خواهند شد.
تعیین مقدار حد آستانه بسیار مهم است و بر اساس نوع کلاس ها و مقدار همپوشانی طیفی آنها، معمولا به صورت سعی و خطا انجام می گیرد. گرچه روش های مشخص تری نیز برای تعیین مقادیر حد آستانهها وجود دارند - ریچارد : . - 154 : 1995 طبقه بندی بیشترین شباهت با استفاده از فرمول توزیع نرمال چند بعدی، سطح تصمیم گیری را به شکل کوادارتیک1 تشکیل می دهد که در نتیجه این سطوح، شکل سهمی، بیضوی و دایره خواهند داشت.
این شکل از سطوح تصمیم گیری، انعطاف بیشتری را در تقسیم بندی فضای چند طیفی به دست می دهد که باعث تمایز دقیق تری نسبت به تقریب خطی - صفحه ای در طبقه بندی کوتاهترین فاصله می شود. ماتریس واریانس - کواریانس داده ها که علاوه بر بردار میانگین در این طبقه کننده مورد استفاده قرار می گیرد، باعث می شود تا خصوصیات بیشتری از داده ها مورد بهره برداری قرار گیرد و همین دقت طبقه بندی را بالا خواهد برد. روش بیشترین شباهت یکی از روش های انعطاف پذیر و قابل مدیریت در طبقه بندی است .
در روش طبقه بندی پیکسل پایه - الگوریتم بیشترین شباهت - پس از آماده سازی و انجام پیش پردازش های لازمه بر روی تصویر ماهواره ای سنتینل 2 اقدام به معرفی کلاس های کاربری اراضی و تعداد نمونه های برداشت شده با GPS برای هر کلاس گردید که نهایتا نقشه کاربری اراضی با الگوریتم بیشترین شباهت استخراج شد. جدول - - 1 کلاس های کاربری اراضی و تعداد نمونه های برداشت شده با GPS برای هر کلاس را نشان می دهد. و شکل - - 1 نقشه کاربری اراضی استخراج شده از روش پیکسل پایه - الگوریتم بیشترین شباهت - را نشان می دهد.
