مقايسه روش هاي مختلف آشكارسازي تغييرات كاربري اراضي در منطقه بياباني دهلران استان ايلام

Comparing different land use change detection techniques at Dehloran desert area of Ilam province

پايش زماني و دقيق تغيير عوارض سطح زمين براي درك روابط و كنش هاي متقابل بين انسان و پديده هاي طبيعي به منظور تصميم گيري بهتر خيلي مهم است. داده هاي سنجش از دور منابع اوليه اي هستند كه به طور گسترده براي پايش تغيير در دهه هاي اخير مورد استفاده واقع شده اند. در اين مطالعه، تصاوير لندست 4(TM) سال 1364 و لندست 7(ETM+) سال 1386 با استفاده از شش تكنيك پايش تغيير در منطقۀ بياباني دهلران استان ايلام با مساحت 55986 هكتار آناليز شده اند. تكنيك هاي پايش تغيير مورد استفاده در اين مطالعه شامل تفاضل تصوير، آناليز مؤلفه هاي اصلي، تفاضل NDVI، آناليز مؤلفه هاي متعارف، تفاضل تسلدكپ (روشنايي) و روش مقايسه پس از طبقه بندي بوده اند. همچنين براي تعيين آستانه در روش هايي كه نيازمند تعيين آستانه اند، از روش آماري استفاده شده است و بر اين اساس مشخص شده است كه آستانۀ تغيير در منطقۀ مورد مطالعه با 1 انحراف از ميانگين قرار داشته است. پس از تعيين آستانۀ تغيير، مناطق داراي تغييرات كاهشي، افزايشي و بدون تغيير مشخص گرديده است. جهت ارزيابي دقت تكنيك هاي پايش تغيير پس از برداشت واقعيات زميني كه از طريق بازديد ميداني و تصاوير ماهواره اي گوگل ارث به دست آمد، از دقت كل و ضريب كاپا استفاده شد. بر اساس نتايج به دست آمده مشخص گرديد كه روش تفاضل باند مادون قرمز با دقت كل 49/90 و ضريب كاپاي 91/0 از بين تكنيك هاي پايش تغيير مورد استفاده در اين مطالعه بيشترين دقت و روش تفاضل CCA2 با دقت كل 48/25 و ضريب كاپاي 38/0 كمترين دقت را در پايش تغييرات كاربري اراضي منطقه مورد مطالعه داشته اند.

Timely and accurate change detection of earth surface features is extremely important for understanding relationships and interaction between human and natural phenomena in order to promote better decision making. Remote sensing data are primary sources extensively used for change detection in recent decades. In this study, images of Landsat (TM) 1985 and Landsat (ETM+) 2007 were analyzed using six change detection techniques in ۵۵٩٨۶ hectares in the region of Dehloran, Ilam province. Considered techniques of change detection were included: image differencing, principal components analysis differencing, NDVI differencing, canonical components analysis differencing, tasscap differencing and post classification comparison. To determine threshold level, the statistical method has been applied which was achieved from thresholds changing. In this study, threshold level was set at plusmn 1 standard deviation from the mean. After determining optimal threshold, areas having decreasing change, increasing change and no change was determined. Based on ground data and field visit and Google Earth, accuracy assessment of change detection techniques was carried out using overall accuracy and Kappa coefficient. According to the results, infrared differencing with overall accuracy of 90.49 and Kappa coefficient of 91% showed the highest accuracy among applied change detection techniques and on the contrary, CCA2 differencing with overall accuracy 25.48 and Kappa coefficient of 3٨% had lowest accuracy in land use/land cover change in study area.