پناه محمدی - دانشگاه تبریز – دانشکده کشاورزی – گروه علوم و مهندسی خاک
عباس احمدی - دانشگاه تبریز – دانشکده کشاورزی – گروه علوم و مهندسی خاک
بختیار فیضی زاده - دانشگاه تبریز – دانشکده جغرافیا و برنامه ریزی – گروه سنجش از دور و سیستم اطلاعات جغرافیایی
علی اصغر جعفرزاده - دانشگاه تبریز – دانشکده کشاورزی – گروه علوم و مهندسی خاک

چکیده سابقه و هدف: به دلیل قرارگیری کشور ایران در ناحیه خشک و نیمه خشک، همواره متاثر از ناپایداری دامنه ای و فرسایش شدیدترین نوع فرسایش، فرسایش خندقی می باشد. این شکل فرسایش در نقاط مختلف ایران و بطور مستمر در طی سالیان رخ داده و ضمن فرسایش و انتقال حجم بالای رسوب، سبب تخریب جاده ها، تاسیسات، مراتع، دامنه ها و غیره شده است که این موضوع شناسایی مناطق پرخطر و تهیه نقشه های حساسیت را ضروری می نماید. طی سال های اخیر پردازش تصاویر ماهواره ای بعنوان روشی پیشرفته و با هدف افزایش دقت و صرفه جویی در وقت و هزینه مورد استفاده گسترده محققین قرار گرفته است. روش آنالیز شیءگرای تصاویر یکی از مهمترین روشهای استخراج اطلاعات از تصاویر ماهواره ای می باشد که در آن بر اساس ویژگی های طیفی، شکلی و زمینه ای و با استفاده از دانش کارشناس، نسبت به شناسایی عوارض اقدام می شود. مواد و روش ها: در این تحقیق، حوضه لیقوان به عنوان یکی از زیرحوضه های مهم آجی چای واقع در استان آذربایجان شرقی جهت مطالعه انتخاب و تصاویر ماهواره ای سنتینل-2 ( سال 2016 ) با قدرت تفکیک مکانی 10، 20 و 60 متری جهت پردازش و شناسایی خندق ها مورد استفاده قرار گرفت. تصاویر مذکور با استفاده از نرم افزار eCognition مورد پردازش قرار گرفته و با کاربرد انواع الگوریتم های مختلف نسبت به طراحی مدلی نیمه-اتوماتیک مبتنی بر آنالیز شیءگرا اقدام شد. در نهایت به منظور ارزیابی دقت مدل، خندق های شناسایی شده بصورت نقشه خروجی گرفته و با انتقال به نرم افزار ArcGIS و مطابقت دادن با نقشه واقعیت زمینی و تشکیل ماتریس خطا، دقت تولید کننده، دقت کاربر و ضریب کاپا برای هر کدام از الگوریتم ها محاسبه گردید. یافته ها: نتایج حاصله نشان داد که الگوریتم های تراکم و ضریب فشردگی به ترتیب دارای بیشترین و کمترین دقت تولیدکننده بوده (دقت تولیدکننده به ترتیب برابر با 88 و 78) در حالیکه بر اساس ضریب کاپا الگوریتم عدم تقارن بیشترین دقت و صحت را در مقایسه با سایر روش ها داشته (کاپا برابر 91/0) و بعد از آن الگوریتم های شاخص شکل و تراکم به ترتیب با ضریب کاپا برابر 89/0 و 85/0 دارای دقت قابل قبولی برای طبقه بندی و شناسایی خندق ها ارائه دادند. نتیجه گیری: استفاده از روش های شیءگرا به دلیل افزایش دقت و صحت طبقه بندی و شناسایی عوارض و پدیده های سطحی، می تواند بعنوان راهگشای مناسبی در تحقیقات آتی خاکشناسی و پدیده های طبیعی مورد استفاده قرار گیرد. در تحقیق حاضر با استفاده از خصوصیات طیفی و هندسی تصاویر ماهواره ای سنتینل-2 و پردازش شیءگرا در محیط نرم افزار eCognition مدلی نیمه-اتوماتیک برای شناسایی خندق ارائه شد. واژه های کلیدی: الگوریتم های شیءگرا، پردازش شیءگرا، قطعه بندی، طبقه بندی

واژه های کلیدی: الگوریتم های شیءگرا, پردازش شیءگرا, قطعه بندی, طبقه بندی