ارزیابی تغییرات پوشش بخش جنوبی دریاچه ارومیه با استفاده از تصاویر ماهواره ای
Publish Year: 1402
نوع سند: مقاله ژورنالی
زبان: Persian
View: 133
This Paper With 15 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JGSKH-23-68_001
تاریخ نمایه سازی: 17 خرداد 1401
Abstract:
مطالعه تغییرات پوشش و کاربری اراضی کاربرد گسترده ای در برنامهریزیهای محیطی دارد. در طول یک دهه اخیر رشد روز افزون خشکی در حوضه دریاچه ارومیه به یک معضل مهم منطقه ای و حتی ملی تبدیل شده است. هدف پژوهش حاضر آشکارسازی تغییرات پوشش/کاربری اراضی در بخش جنوبی و جنوبشرقی این حوضه با استفاده از دو تصویر تیر ماه در سالهای ۲۰۰۰ و ۲۰۱۷ است. برای انجام پژوهش از تصاویر سنجنده های TM و OLI ماهواره لندست و شاخص NDVIاستفاده شد. نقشه های کاربری منطقه در دو سال مورد بررسی، با استفاده از دو سری داده شامل باندهای طیفی (سری داده اول) و همچنین باندهای طیفی و لایه فیلتر بافت (سری داده دوم) به روش الگوریتم حداکثر احتمال تهیه. و شش طبقه کاربری شامل اراضی کشاورزی آبی، دیم، باغ، مراتع، بایر و آب تفکیک گردید. ارزیابی و مقایسه صحت نقشه های کاربری بدست آمده از هر سری داده، با استفاده از نمونههای تعلیمی برداشت شده از تصاویر گوگل ارث انجام شد و شاخص های ضریب کاپا، دقت کلی، دقت تولید کننده و دقت کاربر محاسبه گردید. طبق نتایج، سری داده های دوم از صحت طبقه بندی بالاتری برخوردار بوده و دقت کلی نقشه های سال ۲۰۰۰ و ۲۰۱۷ حاصل از سری داده های دوم به ترتیب ۹۳/۹۸ و ۲۹/۹۸ و سری داده های اول ۲۸/۹۹ و ۴۵/۹۱ بدست آمد. همچنین فیلتر بافت باعث کاهش اختلاط بین کلاسههای مرتع، اراضی کشاورزی آبی و باغ شد. نتایج ارزیابی تغییرات، گویای افزایش قابل توجه در مساحت اراضی کشاورزی آبی (۴۴/۱۳ درصد) و باغ (۵۸/۱) بوده، همچنین در بازه زمانی مورد مطالعه از مساحت پهنه های آبی و مرتع به میزان ۵۸/۱ و ۹۴/۲۲ درصد کاسته شده است.
Keywords:
Maximum Likelihood Classification , texture filtering , density slicing , Landsat Sensor , NDVI , طبقه بندی بیشترین احتمال , فیلتر بافت , برش تراکمی , سنجنده لندست , NDVI
Authors
خدیجه میکائیلی حاجی کندی
University of Mohaghegh Ardabili
بهروز سبحانی
University of Mohaghegh Ardabili
سعید ورامش
University of Mohaghegh Ardabili
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 :