بررسی تحلیلی کاربری اراضی (اراضی کشت آبی و پهنههای آبی) در حوضه آبخیز دریاچه ارومیه با استفاده از تصاویر ماهواره لندست
Publish place: Journal of Water and Soil Science، Vol: 20، Issue: 78
Publish Year: 1395
نوع سند: مقاله ژورنالی
زبان: Persian
View: 271
This Paper With 14 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JWSS-20-78_002
تاریخ نمایه سازی: 21 اردیبهشت 1400
Abstract:
مدیریت جامع حوضههای آبخیز در گرو دانش عمیق از اطلاعات پایه حوضه و از جمله آرایش اراضی و نوع کاربرد آن میباشد. موقعیت مکانی و سطح پراکنش کاربری کشاورزی کمک شایانی به تعادل منابع آبی در یک حوضه میکند. در این تحقیق و با کمک تصاویر ماهوارهای لندست ۵ و ۸ و الگوریتم طبقهبندی نظارت شده به روش حداکثر احتمال، کاربریهای پهنههای آبی، شورهزار و کشت آبی حوضه آبخیز ارومیه و در سالهای ۱۳۸۹ و ۱۳۹۲ تهیه گردید. تمام تصاویر انتخابی از ماهواره لندست در ماههای تیر و مرداد قرار گرفتهاند. سپس به مقایسه کاربریهای حاصل از ماهواره مودیس برای سال ۱۳۸۹ و ۱۳۹۱ و در انتها به مقایسه نتایج حاصل از ماهواره مودیس و لندست برای سال ۱۳۸۹ پرداخته شده است. نتایج بررسی ماهوارههای لندست و مودیس نشان میدهد که سطح اراضی کشت آبی افزایش و پهنههای آبی کاهش یافته است. با مقایسه کاربری اراضی کشت آبی و پهنههای آبی سال ۱۳۸۹ میان ماهواره مودیس و لندست نشان میدهد که ماهواره مودیس کشت آبی و پهنههای آبی را بهتر از زمینهای بایر برآورد نموده است. مقدار ضریب کاپا برای کاربریهای حاصل از ماهواره لندست برای سالهای ۲۰۱۰ و ۲۰۱۳ به ترتیب ۷۷/۰ و ۸۷/۰ میباشد.
Keywords:
Irrigated agricultural lands , Land use , Maximum likelihood classification , Urmia watershed basin. , کاربری اراضی , حوضه آبخیز ارومیه , اراضی کشت آبی , طبقهبندی کننده به روش حداکثر احتمال
Authors
سهیلا یونسزاده جلیلی
۱. Remote Sensing Res. Center, Sharif Univ. of Technol., Tehran, Iran.
میثم کمالی
۱. Remote Sensing Res. Center, Sharif Univ. of Technol., Tehran, Iran.
پیمان دانشکار آراسته
۲. Faculty of Eng. and Technol., Imam Khomeini International Univ., Qazvin, Iran.
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :