تهيه نقشه كاربري اراضي كشاورزي با استفاده از داده‌هاي سنجش از دور و طبقه‌بندي پيكسل‌پايه (مطالعه موردي : حوضه آبخيز قره سو استان اردبيل)

Preparation of agricultural land use map using remote sensing data and pixel classification (Case study: Ghareh Souw basin, Ardebil province)

يكي از مهم‌ترين روش‌هاي استخراج اطلاعات از تصاوير سنجش‌ از دور، طبقه‌بندي است كه به كاربران امكان توليد انواع اطلاعات مختلف از قبيل نقشه‌هاي پوششي، نقشه‌هاي كاربري و نقشه تغييرات را مي‌دهد. هدف از اين مطالعه مقايسه دقت روش‌هاي طبقه‌بندي پيكسل‌پايه حداكثر احتمال و حداقل فاصله در استخراج نقشه‌هاي كاربري اراضي با تاكيد بر كاربري كشاورزي حوضه آبخيز قره‌سو در استان اردبيل مي‌باشد، به اين منظور از تصاوير ماهواره‌اي لندست 8 سنجنده OLIو نرم‌افزارهايENVI5.3 ، ArcGIS استفاده شده است. در اين راستا، پردازش تصاوير ماهواره‌اي در سه مرحله كلي پيش‌پردازش (تصيحات هندسي – اتمسفري – موزائيك تصاوير و ...)، مرحله پردازش شامل پياده‌سازي نمونه‌هاي تعليمي بر روي تصوير و طبقه‌بندي تصاوير با استفاده از الگوريتم‌هاي مذكور به منظور استخراج نقشه‌هاي موضوعي كاربري اراضي كشاورزي و در مرحله پس‌پردازش فرآينده‌هاي اعتبارسنجي نقشه‌ها و همچنين عمليات‌هاي كارتوگرافي بر رو نقشه‌هاي تهيه شده اعمال گرديد. نتايج تحقيق نشان ‌مي‌دهد كه روش طبقه‌بندي حداكثر احتمال با در نظر گرفتن قوانين احتمال، توزيع نرمال و همچنين ماتريس واريانس – كواريانس دقت طبقه‌بندي بالايي نسبت به روش طبقه‌بندي حداقل فاصله در استخراج نقشه كاربري اراضي كشاورزي دارد. براساس ماتريس خطاي حاصل از طبقه‌بندي، ضريب كاپا و صحت كلي روش‌ حداكثر احتمال به ترتيب 85/0. درصد، 55/87 درصد و روش حداقل فاصله به ترتيب 81/0 درصد و 55/87 درصد برآورد گرديد.

One of the most important methods for extracting information from remote sensing images is a classification that allows users to produce various types of information such as land cover, land use, and map changes. The purpose of this study was to compare the accuracy of the maximum likelihood and minimum distance methods for extracting land use maps with an emphasis on the use of agricultural land use in Gharesou watershed in Ardebil province. For this purpose, Landsat 8 OLI satellite imagery and ArcGIS software ENVI5.3 have been used. In this regard, the processing of satellite images in three stages of its preprocessing (geometric, atmospheric, mosaic, etc.), the processing stage involves the implementation of teaching examples on the image and the classification of images using the above algorithms to extract thematic maps of land use At the post-processing stage, the validation processes of maps as well as cartographic operations were applied to the prepared maps. The results of the study show that the maximum probability classification method with considering probability rules, normal distribution as well as variance-covariance matrix has high classification accuracy in relation to the minimum distance classification method in extracting the land use map of agriculture. Based on the classification error matrix, the Kappa coefficient and the general accuracy of the maximum likelihood method are 0.85. Percent, 87.55% and the minimum distance was 0.81% and 87.55%, respectively.