ريز طبقه بندي اراضي باغي و زراعي با استفاده از تكنيكهاي پردازش شي پايه والگوريتم هاي فازي با هدف تخمين سطح زير كشت

Micro-classification of orchards and agricultural croplands by applying object based image analysis and fuzzy algorithms for estimating the area under cultivation

تكنولوژي سنجش از دور يكي از فناوري­هاي كارآمد و نوين در استخراج كاربري هاي اراضي ، به روز رساني نقشه ها و كشف تغييرات كاربرها مي­باشد. سنجش از دور با ارائه تصاوير ماهواره اي با قدرت زماني و مكاني متفاوت امكان مديريت بهنگام كاربري ها را فراهم ­آورده كه باعث صرفه جويي در وقت و هزينه شده و اين امر قدرت تصميم گيري، بهره برداري بهينه و برنامه ريزي دقيق تر براي منابع طبيعي را افزايش مي­دهد. استفاده از تكنيك هاي پردازش شي گرا (دانش پايه) تصاوير ماهواره اي از روشهاي جديد در پردازش تصاوير مي­باشد، كه علاوه بر استفاده از قدرت تفكيك طيفي تصاوير از ويژگي هاي فيزيكي و هندسي(بافت ،شكل)تصاوير نيز استفاده مي­كند. تحقيق حاضر با هدف استخراج نقشه كاربري هاي باغي و زراعي در دشت مياندوآب با استفاده از الگوريتم­ها و شاخص­هاي مناسب در پردازش شي گراي تصاوير ماهواره اي در محيط نرم افزار eCognition انجام شده است. در اين تحقيق نقشه پراكنش محصولات كشاورزي در 9 طبقه تهيه شد و سپس براي پردازش شيء پايه تصاوير ماهواره اي، تصوير با مقياس10 ،ضريب شكل0.7 و فشردگي0.3سگمنت سازي شد و بر اساس الگوريتم فازي اشتراك(AND)،كاربري هاي مورد نظر با استفاده ازشاخصهاي بافت(Texture)، هندسي(Geometry)، پوشش گياهي(NDVI)، تركيب سطوح خاكستري پيكسل(GLCM) ، درجات روشنايي، طبقه بندي شده­اند كه از الگوريتم طبقه بندي Assign Class استفاده شده است،كه در نهايت دقت كلي 93.6/0 و ضريب كاپا 92.5/0 براي كاربري هاي استخراج شده به دست آمد. مساحت سطح زير كشت براي كاربري هاي گندم و جو، آلو و آلوچه، سيب، تاكستان و يونجه به ترتيب شامل 42/2622، 4505 ، 55/4354 ، 85/4457، 58/14110 هكتار مي باشد.

Remote sensing technology is one of the most efficient and innovative technologies for agricultural land use/cover mapping. In this regard, the object-based Image Analysis (OBIA) is known as a new method of satellite image processing which integrates spatial and spectral information for satellite image process. This approach make use of spectral, environmental, physical and geometrical characteristics (e.g. texture, shape) together images contexts for modeling of land use/cover classes. The main objective of this study is to classify micro land use/cover of Meyandoab County by applying appropriate and effective algorithms and parameters in the object based approach. For this goal, Quick Bird and Aster satellite images were used within the integrated approach for processing and land use modeling. Accordingly, the land use map was classified in 9 class based on spectral and spatial characteristics. In order to perform OBIA, the segmentation was applied in the scale of 10, shape parameter of 0.7 as well as the compactness of 0.3. In terms of the classification task, fuzzy based algorithm and operators (AND, OR) was applied to detriment the membership functionality of segments for each class as well as classifying the related objects. We also applied textures, geometric, NDVI, GLCM, brightness algorithms based on fuzzy operators and assign class algorithm. In order to applying the validation of results, the accuracy assessment step was performed and the finally overall accuracy of 93.6 was obtained for the derived map. The Kappa coefficient was also detriment to be 0.92. The area under cultivation included respectively for lands of wheat and barley, prunes and plums, apples, vineyards and alfalfa hay2622.42, 4505, 4354.55, 4457.85, 14110.58 hectares.