تهيه نقشه كاربري اراضي حوزه آبخيز كفتاره اردبيل با استفاده از تفسير چشمي و رقومي تصوير +ETM

Land use mapping of Kaftareh Watershed of Ardabil using visual and digital processing of ETM+ image

قابليت استفاده از اطلاعات كاربري اراضي در مديريت حوزه­ هاي آبخيز به تصميم ­گيران كمك مي­كند تا طرح و برنامه­ هاي كوتاه و بلند مدتي براي حفاظت، توسعه و استفاده پايدار از منابع طبيعي و آبخيزها داشته باشند. در اين مطالعه از داده ­هاي سنجنده[1]ETM+(1385)، GPS[2] و GIS[3] براي پردازش تصاوير، برداشت داده­ هاي زميني و تهيه نقشه استفاده شد. تصحيحات لازم و پيش­پردازش ­هاي اوليه صورت گرفت. پس از بازديد ميداني و كنترل زميني، كلاس­ هاي مختلف كاربري تعريف، ابتدا تفسير چشمي انجام و سپس نمونه­ هاي تعليمي انتخاب و با استفاده از الگوريتم حداكثر احتمال طبقه­ بندي نظارت شده صورت گرفت. با توجه به عدم قابليت در تفكيك كاربري­ هاي مسيله و مسكوني در تفسير رقومي، تلفيقي از تفسير چشمي و رقومي (نظارت شده) و همچنين طبقه ­بندي شيءگرا استفاده شد. نتايج نشان داد در تفسير چشمي تقريباً امكان تفكيك كاربري­ هاي مرتع از زراعت ديم وجود ندارد، ولي كاربري‌هاي باغ، مسكوني و مسيله قابل تفكيك است. نتايج همچنين نشان داد تفكيك كاربري­ها به ­صورت طبقه­ بندي نظارت شده نيز با مشكلاتي روبرو است، ولي با تلفيق دو روش تفسير چشمي و رقومي مي­توان از تصوير لندست در تفكيك كاربري­ هاي مختلف در مناطقي مانند حوزه آبخيز كفتاره و منطقه ارشق استان اردبيل استفاده كرد. نتايج حاصل از ارزيابي صحت طبقه­بندي شيءگرا بالاترين صحت كلي را نشان داد، چون در اين روش از پارامترهايي نظير مقياس، شكل، تن و بافت نيز علاوه بر مقدار پيكسل در طبقه ­بندي استفاده شد و از اين رو با سگمنت سازي مناسب قادر به تفكيك دقيق­تر كاربري ­ها نظير ديم زارهاي و اراضي مسكوني مي­باشد. توصيه مي­گردد، با توجه به اهميت اين نقشه در مطالعات منابع طبيعي، آبخيزداري و كشاورزي از تصاوير ماهواره ­اي با قدرت تفكيك بالا و روش­ هايي نظير شيء گرا در اين ارتباط استفاده گردد.

The availability of land use information permits decision-makers to develop plans in short to long-term period for the conservation, sustainable use and development of natural resources and watersheds. In this study, ETM+ image (2006), GPS and GIS were used for image interpretation, field data collection and land use mapping. Preprocessing and required correction have conducted. Initially, field visit have been conducted and different land uses have been defined. In the second step, image was visually interpreted and then training area has selected and using the maximum likelihood algorithm image was classified. According to the lack of the capability for detecting river beds and residential areas in digital image processing, integration of visual and digital interpretation (supervised classification) and object-based image analysis were used. Results show that, in visual interpretation, there is almost no capability to discriminate rangeland from dry farming land uses; however garden, residential areas and riverbeds are discriminated. Results of supervised classification show that there are problems to detect and discriminate different land uses; however, by integration of digital and visual interpretation, it is possible to use Landsat data to discriminate different land uses in the areas such as Kaftareh watersheds and Arshagh region of Ardabil province. The results of the evaluation of object-based classification accuracy showed the highest overall accuracy, because the method parameters such as scale, shape, tone and texture, in addition to using pixel values ​​were used in classification, hence with appropriate segment creation, there is the possibility of precise discrimination of land uses such as residential areas from dryland farming. In the future studies, according to the importance of land use map in the studies such as natural resources, watershed managements and agriculture, it is better to use high spatial imagery and object-based methods.