افزايش دقت اطلاعاتتغييرات كاربري اراضي با استفاده از نتايج طبقه‏بندي نرمتصاوير سنجش از دور (مطالعه موردي: حوضه آبريز اهرچاي)

Increasing the Accuracy of Land Cover Change Information Using the Outputs of Soft Classified Satellite Imagery (Case Study: Aharchay Basin)

آشكارسازي تغييرات پوشش اراضي اهميت بسزايي در برنامه‏ريزي‏هاي محيطي توسعه پايدار دارد. در اين زمينه، آناليز تصاوير چندزمانه سنجش از دور روشي كارآمد در استخراج اين تغييرات است. بدين منظور، روش مقايسه پس از طبقه‏بندي، روشي رايج در استخراج تغييرات پوشش اراضي شناخته شده است. باوجود اين، اين روش به‌دليل بهره‏گيري از طبقه‏بندي‌كننده‏هاي سخت، دقت مناسبي در حضور پيكسل‏هاي مخلوط ندارد و عدم ‏قطعيت بسيار زيادي در ماتريس تغييرات حاصل از آن وجود دارد. در تحقيق حاضر، ابتدا روش‏هاي مختلف آشكارسازي تغييرات دسته‏بندي شده و روشي مبتني‌بر استفاده از نقشه‏هاي نسبتي حاصل از طبقه‏بندي نرم، براي استخراج اطلاعات دقيق تغييرات پيشنهاد شده است. اين روش علاوه‌بر استخراج مناطق تغيير يافته/نيافته، ماتريس كامل تغييرات (ميزان تبديل كلاس‏هاي مختلف به يكديگر) را نيز با دقت زيرپيكسل امكان‏پذير ساخته است. با پياده‏سازي اين روش بر تصاوير چندزمانه منطقه مورد مطالعه، نتايج حاصل با نتايج به‌دست‌آمده از روش مقايسه پس از طبقه‏بندي مقايسه و ارزيابي شده است. از دستاوردهاي مهم تحقيق اين است كه روش مقايسه پس از طبقه‏بندي ميزان تغييرات را به‌طور متوسط 2/9 درصد كمتر از روش پيشنهادي برآورد كرده است. همچنين، تفاوت نتايج دو روش درمورد پوشش اراضي غيرهمگن نسبت به پوشش همگن، به‌مراتب بيشتر است. به‌طوركلي، به‌دليل درنظر گرفتن سهم كلاس‏ها در سطح پيكسل، روش پيشنهادي با دقت بالايي ماتريس تغييرات پوشش اراضي را توليد كرده است و مي‏تواند در مديريت منابع طبيعي مورد استفاده قرار گيرد.

Detection of land cover changes plays a major role in environmental planning regarding the sustainable development purposes. Analyzing multi-temporal satellite imagery is now commonly regarded as an efficient method for extraction of these changes. In this way, post classification comparison is known as a popular and well-established method. However, this technique has not an adequate precision in the presence of mixed pixels due to using hard classifiers in its structure. So, a remarkable uncertainty exists in the resultant change matrix. In this paper, different methods of change detection are categorized. Then, a change detection method is proposed based on the fractional maps produced through soft classification process of satellite imagery. This novel approach provides the possibility of producing the change matrix with sub-pixel accuracy. Implementing this method on the multi-temporal images of the study area, the results are compared with those obtained from the traditional post classification comparison method. As a key result of the research, it is demonstrated that the post classification comparison leads to an underestimate of the change area with respect to the proposed method (in average 9.2 percent). Likewise, difference between the results of two methods is so obvious for inhomogeneous land covers. Overlay, the proposed method is produced the change matrix more accurate than traditional ones and could be utilized in environmental planning and management.