آشكارسازي تغييرات جنگل بلوط با استفاده از طبقه بندي شيءگراي تصاوير چند زمانه لندست (مطالعۀ موردي: جنگل‌هاي شمال استان ايلام)

Change detection of Oak forests using object-based classification of multitemporal Landsat imageries (Case study: forests of the northern province of Ilam)

بلوط گونه جنگلي غالب در كوه‌هاي زاگرس است كه در استان‌هاي غربي به‌صورت جنگل نيمه ­متراكم مشاهده مي‌شود. خشك‌سالي‌هاي متعدد و متوالي، گسترش محدوده شهرها و روستاها، تغيير كاربري جنگل به زمين زراعي، ازجمله مهم‌ترين عوامل تخريب جنگل‌هاي ايلام محسوب مي‌شوند. هدف از اين تحقيق، تعيين تغييرات كاربري جنگل به ساير كاربري‌ها با استفاده از تصاوير چند زمانه سنجنده‌ TM (ارديبهشت 1365) و OLI (ارديبهشت 1394) است. در طبقه‌بندي شيءگرا (Object base)، قطعه‌بندي داده‌هاي تصاوير به‌صورت پديده‌هاي اوليه، با پارامترهاي مقياس و فشردگي مناسب براي هر تصوير، انجام شد. طبقه‌بندي پديده‌هاي ايجادشده با روش نزديك‌ترين همسايه و توابع فازي انجام گرفت. با تعيين نمونه‌هاي آموزشي و استفاده از شاخص گياهي تفاضلي نرمال‌شده (NDVI)، كلاس‌هاي كاربري اراضي تهيه گرديد. صحت طبقه‌بندي براي تصوير TM، 88% و براي تصوير OLI، 94% و ضـريب كاپـا تصوير TM و OLI بـه ترتيب 84% و 91%محاسبه گرديد. به روش مقايسه پس از طبقه‌بندي، ماتريس تغييرات كاربري هم به تفكيك دهستان و هم به صورت تغييرات كاربري جنگل به ساير كاربري­ها تشكيل گرديد. نتايج مطالعه نشان داد كه تمام دهستان‌ها با پديده جنگل‌زدايي مواجه بوده و تغيير گسترده كاربري جنگل (42%) در كل منطقه، اتفاق افتاده است.

Oak is the dominant forest species in the Zagros mountains, it is seen as a semi dense forest in western provinces. Multiple droughts, development of cities and villages, land use change from forest to farmland, are the main causes of forest destruction in Ilam. The purpose of this research is to determine the change detection of forest land to other land uses, using multi temporal TM sensor images (April 1986) and OLI (April 2015). In object-based classification, the data segmentation as initial phenomena, with appropriate scale and compression parameters for each image, was performed. Two classifying phenomena, nearest neighbor method and fuzzy functions were used. Land use classes were prepared by specifying training points and using the normalized difference vegetation index (NDVI). The Overall accuracy of the TM image was 88% and OLI image 94%, and the kappa coefficient for the TM and OLI image was calculated 84% and 91%, respectively. By post classification comparison method, the change matrix for each districts and changes forest to other uses was formed. The results showed that all districts faced with the phenomenon of deforestation and forest wide change (-42%) have been made.