كليدواژه :
بيابان زايي , شاخص طيفي رطوبت خاك , آشكارسازي تغييرات , روش شئ مبنا , دشت قزوين , تصاوير لندست
چكيده فارسي :
در اين تحقيق از سري زماني تصاوير ماهواره اي لندست در دو بازه زماني با فاصله 15 سال، بين سال هاي 1381 تا 1396 به منظور پايش بيابان زايي استفاده شده است. براي هر بازه زماني تعداد چهار تصوير با فاصله يك ماه از يكديگر براي ماه‌هاي ارديبهشت، خرداد، تير و مرداد از منطقه دشت قزوين اخذ گرديد. پس از اعمال پردازش هاي اوليه بر روي تصاوير و انجام قطعه بندي، چهار كلاس عارضه بيابان، پوشش گياهي، خاك مرطوب و ساير عوارض به روش شيء مبنا و مبتني بر تعريف شاخص هاي طيفي رطوبت خاك تشخيص داده شدند. سپس، نتايج طبقه بندي شيء مبناي تصاوير اخذ شده در هر سال به روش رأي گيري در سطح تصميمات با يكديگر ادغام شدند تا يك نقشه طبقه بندي نهايي براي هر يك از سال هاي 1381 و 1396 بدست آيد. مقايسه بين دو نقشه طبقه بندي نهايي حاصل از ادغام تصميمات، تغييرات صورت گرفته در كلاس عوارض را در اين بازه زماني 15 ساله آشكار نمود. نتايج بدست آمده از اين تحقيق بيانگر تغييرات منفي و از بين رفتن ميزان قابل توجهي از پوشش گياهي و خاك مرطوب در اين بازه زماني و همچنين تغييرات مثبت و رشد مناطق بياباني طي اين سال ها در دشت قزوين است.
چكيده لاتين :
In the development of a country, natural resources and the environment are of great importance. Given the fact that Iran is one of the developing countries, and in terms of semi-desert vegetation, for sustainable development, we must pay special attention to the issue of the environment, including desert and desertification. Wilderness monitoring and desertification require extensive and continuous studies. Remote sensing technology can play a significant role in our studies due to the high regional use of satellite imagery along with temporal resolution and less cost, and time consuming than field study. In this thesis, satellite images of Landsat-7, ETM + and Landsat-8, OLI with time series were used in two time intervals of 15 years between 2002 and 2017. For each series, four images were taken with one month interval from each other, Of the months May, Jun, Julay and August from Qazvin plain area. After performing preprocessing on images, images were classified into four classes desert, vegetation, wet soil and otherobjedcts based on the spectral features and performing object based image analysis. After determining the classes for each of the four images per one year, classifier fusion was done based on the voting method. A final image was obtained from all four images in each year. Finally, detection of the changes between the two final classification results of 2002 and 2017 was performed, and the change map generated for desertification in the study area during these 15 years. Which reflects the desertification and rising deserts and the destruction of vegetation and soil moisture significant during these years in this plain.
