توسعه دستورالعمل تفسير چشمي تصاوير گوگل ارث به‌منظور تعيين واحدهاي اكولوژيك گياهي مراتع نيمه استپي

سابقه و هدف: تصاوير گوگل ارث با توجه به قدرت مكاني بالايشان، منبع ارزشمندي براي شناخت و مطالعه اكولوژيكي عرصه هاي طبيعي هستند. اين تصاوير ساليان متمادي است در اختيار همگان قرار گرفته اما در كشور ما بهره كافي از اين دادهاي ارزشمند به ويژه در راستاي مطالعه پوشش گياهي و مديريت بهينه عرصه‌هاي طبيعي نشده است. لذا نياز به استاندارد سازي استفاده از اين تصاوير جهت مطالعات واحدهاي اكولوژيكي گياهي به عنوان مبنايي براي مديريت منابع طبيعي ضروري به نظر مي رسد. بنابراين در اين مطالعه، دستورالعملي براي تفسير چشمي تصاوير گوگل ارث جهت استخراج واحدهاي اكولوژيك گياهي با استفاده از شش شاخص كليدي شكل، بافت، رنگ، تن، الگو و سايه توسعه يافته است. مواد و روش ها: در اين مطالعه، از داده هاي تصاوير سامانه گوگل ارث مربوط به سال 1397 استفاده شد. بدين منظور ابتدا با استفاده از نرم‌افزار Offline Map Maker تصاوير مربوط به منطقه مورد مطالعه از گوگل ارث با حداكثر بزرگنمايي مورد نياز (بزرگنمايي-20) مورد استفاده قرار گرفت. براي تهيه دستورالعمل تفكيك واحدهاي اكولوژيك گياهي از شش شاخص كليدي تفسير چشمي تصاوير استفاده شد. به ‌منظور داشتن تكرار كافي در تعريف و به كارگيري اين شاخص ها از نظر سه كارشناس بهره گرفته شد. اين سه كارشناس با در اختيار داشتن تصاوير گوگل ارث منطقه مورد مطالعه و بر اساس اين دستورالعمل اقدام به تفسير چشمي و تفكيك واحدهاي اكولوژيك گياهي در نرم افزار GIS10.5 Arc كردند در نهايت سه نقشه رقومي تهيه شد. به ‌منظور ارزيابي ثبات دستورالعمل توسعه يافته، نقشه كنترل زميني نيز با بازديد ميداني و برداشت تعداد 200 نقطه مشاهده از واحدهاي مذكور تهيه شد. بعد از تهيه نقشه واحدهاي اكولوژيك گياهي توسط هر يك از كارشناسان، جهت تجزيه‌وتحليل دقت و اعتبارسنجي نقشه ها از آناليز ماتريس خطا استفاده شد. به طوري كه با استفاده از نقشه واقعيت زميني حاصل از نقاط كنترل زميني براي هركدام از نقشه ها به صورت جداگانه ميزان دقت توليد كننده، دقت كاربر، ضريب توافق كاپا و دقت كل محاسبه شد. نتايج: با توجه به شاخص هاي كليدي تفسير چشمي تصاوير تعريف شده در اين دستورالعمل نقشه هاي جداگانه اي از واحد هاي اكولوژيكي گياهي توسط هر يك از كارشناسان تهيه شد. نتايج آناليز ماتريس خطا نشان مي دهد كه دقت توليد كننده براي واحدهاي مورد مطالعه بين 69 تا 96 درصد متفاوت بوده است اما در بيشتر موارد داراي دقت توليد كننده بيش از 80 درصد داشته اند. هم چنين اكثر واحدهاي اكولوژيك گياهي با يك گونه غالب دقت توليد كننده بالاتري را در مقايسه با واحدهايي با غالبيت دو گونه داشته است. در مورد دقت كاربر نيز ميزان دقت بين63 تا 96 درصد متغير است. واحدهاي اكولوژيك دوم و سوم داراي دقت كاربر 96 درصدي بودند. شاخص توافق كاپا نيز گوياي توافق از 68 درصدي تا 95 درصدي بين نقشه واقعيت زميني واحدهاي اكولوژيك با نقشه هاي حاصل از طبقه بندي (تفسير چشمي) كارشناسان بوده است. در حالي كه واحد اكولوژيك گياهي هفتم توافق 68 درصدي را نشان داده است ولي واحدهاي اول و چهارم توافقي 95 درصدي را با نقشه واقعيت زميني نشان داده اند. براي واحدهاي اكولوژيك گياهي با دو گونه غالب علاوه بر ميزان دقت توليد كننده، ميزان دقت كاربر و ضريب توافق كاپا نيز كاهش يافته است. ميزان دقت كلي نقشه هاي توليد شده توسط سه كارشناس به ترتيب شامل 93، 80 و 90 درصد است كه از ميزان صحت كلي خوبي برخوردار هستند كه نشان دهنده ميزان دقت و توان تفكيك مكاني بسيار بالاي تصاوير گوگل ارث مي باشد. نتيجه‌ گيري: نتايج نشان داد كه در تفسير چشمي تصاوير گوگل ارث با استفاده از دستورالعمل توسعه يافته، بين كارشناسان توافق معني داري وجود دارد. بنابراين، تفكيك واحدهاي اكولوژيك گياهي و تهيه نقشه با دقت نسبتاً بالايي امكان پذير مي باشد. با توسعه چنين دستورالعملي، با استفاده از عناصر كليدي معرفي شده، كارشناسان مبتدي و كم‌تجربه مي توانند نقشه هاي با دقت قابل قبولي را براي مديريت و ساماندهي بهتر اكوسيستم هاي مختلف تهيه كنند. اما با توجه به يافته هاي اين تحقيق توصيه مي شود اين امر براي واحدهايي كه از لحاظ ساختاري تفاوت هاي متمايزي دارند بيشتر استفاده شود تا نقشه هاي قابل قبول تري را ارائه دهند. همچنين نتايج اين تحقيق نشان داد كه بيشترين اختلاف نظر بين كارشناسان براي واحدهايي با دو گونه گياهي بوده است. لذا توصيه مي شود مناطقي كه تركيب پوشش گياهي در آن بيشتر با غالبيت تك گونه هاي گياهي ظهور مي يابد استفاده از اين دستورالعمل مي تواند منجر به دقت قابل قبول تر تفسير چشمي تصاوير گوگل ارث شود.