بررسي قابليت داده هاي ماهواره اي IRS-LissIII در تفكيك اراضي مرتعي از كاربري‌ها ديگر (مطالعه موردي: حوزه آبخيز سرخ آباد- مازندران)

Investigation on capability of IRS LissIII data for separating rangelands from other land uses mapping (Case study: Sorkh Abad Basin, Mazandaran)

به منظور بررسي قابليت داده هاي سنجنده LISS III ماهواره IRS در تفكيك اراضي مرتعي و تهيه نقشه كاربري اراضي، داده هاي رقومي اين سنجنده مربوط به 3 مي 2007 ميلادي از حوزه آبخيز سرخ آباد در استان مازندران مورد بررسي قرار گرفت. با بررسي كيفي داده ها هيچگونه خطاي راديومتري در داده ها مشاهده نشد. تطابق هندسي با استفاده از تصوير تصحيح شده PAN و به روش تصوير به تصوير با استفاده از 15 نقطه و دقت 5/0 پيكسل انجام شد. پردازش هاي مختلف مانند ايجاد تصاوير رنگي كاذب، نسبت گيري طيفي، تجزيه مولفه هاي اصلي و شاخص گياهي بر روي باندهاي اوليه با هدف بارزسازي تصوير انجام شد. طبقه بندي تصوير به منظور جداسازي پديده ها به روش پيكسل پايه از نوع نظارت شده با دو الگوريتم حداكثر احتمال و حداقل فاصله از ميانگين انجام شد. به منظور ارزيابي صحت نتايج طبقه بندي، از اطلاعات جمع‌آوري شده از كاربري‌هاي موجود در منطقه به روش ماتريس خطا استفاده شد. نتايج نشان داد كه تفكيك و طبقه بندي پديده ها با دقت 53/88 درصد انجام شده است. همچنين مقايسه دقت دو الگوريتم طبقه بندي نشان داد كه الگوريتم حداكثر احتمال با دقت كل 05/87 درصد در مقايسه با الگوريتم حداقل ‌ فاصله از ميانگين با دقت كل 56/82 درصد نتيجه بهتري را در پي داشت. در نهايت با توجه به نتايج به دست آمده مي توان گفت داده هاي سنجنده LISS-III در منطقه مورد مطالعه قابليت لازم را براي تهيه نقشه كاربري اراضي دارد.

To investigate capability of IRS LISS III data for rangelands separation and land use mapping, images of Sorkh Abad area, Mazandaran province related to May 3rd 2007 were analyzed. There was not any radiometric noise in the images. Multispectral images were geo-referenced to panchromatic band using fifteen control points (accuracy: 0.5 pixel). For image enhancement different image processing techniques such as false color composite (FCC), image ratio, principal component analysis (PCA) and vegetation index were carried out. Pixel base supervised classification was done by maximum likelihood and minimum distance algorithms. Accuracy assessment of maps was done based on ground truth map and error matrix. According to the results accuracy of land use map was 88.53%. Also accuracy of maximum likelihood algorithm (87.05%) was higher than minimum distance algorithm (82.56%). Finally it can be revealed that Liss III images have good potential for land use mapping in the study area.