بکارگیری تصاویر ماهواره‌ای و پردازش شیء‌گرا در استخراج نقشه کاربری و پوشش زمین ها با هدف مدل‌سازی خدمات اکوسیستم (مطالعه موردی: استان لرستان)

سابقه و هدف: با توجه به اهمیت ویژه نقشه های خدمات اکوسیستم در تصمیم گیری، رویکردهای مختلفی برای نقشه سازی خدمات اکوسیستم توسعه داده شده است. نرمافزار invest مبتنی بر مدلهایی است که داده کاربری و پوشش زمینها را با عرضه خدمات اکوسیستم مرتبط می سازد، به طوریکه کاربری زمینها، یک مولفه اساسی برای کلیه مدلها محسوب میشود. درحال حاضر فنآوری سنجش از دور یکی از تکنیک های برتر دراستخراج نقشه کاربری و پوشش زمینها با استفاده از دو روش پیکسل پایه و شیءگرا محسوب میشود. درحالیکه روش پیکسل پایه مبتنی بر طبقه بندی ارزشهای عددی تصویرهامی باشد،پردازش شیءگرای تصاویر به دلیل استفاده از مطالعات طیفی و مطالعات مربوط به بافت و محتوا نیز در فرآیند طبقه بندی از دقت باالاتری برخوردار است. به طوریکه کاربرد گسترده ای در تمامی بخشها از جمله علوم محیطی دارد.در این راستا پژوهش حاضر با هدف بکارگیری تصاویر ماهواره ای و پردازش شیءگرادر تهیه نقشه کاربری و پوشش زمینهای استان لرستان و مدلسازی خدمات زیستگاهی انجام شد. مواد و روشها: پژوهش با بکارگیری نرم افزارهای 01.9 ecognition و 0.invest3 طی چهار گام شامل آماده سازی الیه های مطالعاتی، پردازش شیءگرای تصویرهای ماهوارهای، طبقه بندی شیءگرا و در نهایت مدلسازی خدمات زیستگاهی انجام شد. تصاویر دو ماهوارهلند ست و سنتینلدر محیط نرم فزار ecognition فیوژن شده و در تلفیق با داده های مدل رقومی ارتفاع سنجنده aster مورد پردازش قرار گرفته است. سگمنت سازی به عنوان اولین مرحله طبقه بندی شیءگرا با استفاده از الگوریتم segmentation multiresolution انجام شد. به دلیل بزرگی منطقه مورد مطالعه و قدرت تفکیک مکانی  متوسط تصاویر لندست، تصاویر با مقیاس 30 ،ضریب شکل 0.4 و فشردگی0.5 سگمنت سازی شد و بر اساس الگوریتم فازی اشتراک ،کاربری های مورد نظر  با استفاده از سنجه هایی نظیربافت ، شاخص تفاضل نرمال شده پوشش گیاهی  ، هندسه ، ترکیب سطوح خاکستری پیکسل و درجات روشنایی طبقه بندی شدند که در این رابطه الگوریتم طبقه بندی class assign مورد استفاده قرار گرفت. سپس با مطابقت دادن نقشه مستخرج با 130 نقطه تعلیمی،دقت و صحت طبقه بندی با ضریب کاپا مشخص شد. در ادامه نقشه کاربری و پوشش زمین ها به منظور مدلسازی خدمات زیستگاهی وارد نرم افزار invest شد. نتایج و بحث: نتایج و آمار به دست آمده برای دقت و صحت طبقه بندی با پردازش شیءگرا نتایج قابل قبولی را بیان کرد به طوریکه ضریب کاپای طبقه بندی معادل 0.93 برآورد شد. در محدوده مورد مطالعه طبقات کاربری و پوشش زمین ها در شش طبقه شامل کشاورزی آبی و دیم، جنگل، مرتع، منطقه های انسان ساخت و منبع های آب تهیه شدند. بنابر نتایج،مرتع هاو جنگل با درصد مساحت 39.8 و 33 درصد بیش از 72.8 درصد سطح استان لرستان را به خود اختصاص داده اند. از جمله مشکلات تهیه نقشه کاربری زمین ها به عدم توانایی تصاویر ماهوارهای لندست با ابعاد پیکسلی 30 متری در تفکیک زارعت دیم، مرتع ها و جنگلهای کمتراکم به دلیل تشابه طیفی آنها و همچنین منطقه های روستایی به دلیل سطح کوچک آنها اشاره نمود. بنابراین سعی شد که با استفاده از تغییر ویژگی های سگمنت نظیر شکل، تن، بافت و همچنین مطالعات جانبی این محدودیت برطرف شود. برای هر طبقه کاربری زمین ها درجه مطلوبیت زیستگاه در نظرگرفته شد. همچنین حساسیت هریک از تیپ های زیستگاه به تهدیدات موردنظردر منطقه موردمطالعه وزن دهی شد. عامل های تهدید انسانی موثر بر کیفیت زیستگاه در سه گروه زمینهای کشاورزی، منطقه های مسکونی و جاده هاقرار گرفتند. در نهایت با اجرای مدل، سنجه کیفیت زیستگاه با ارزشی بین صفر تا یک حاصل شد. نتیجه گیری: رویکردهای مختلفی برای نقشه سازی خدمات اکوسیستم وجود دارد که یکی از آنها استخراج مطالعات خدمات اکوسیستم به طور مستقیم از نقشه های کاربری و پوشش زمینها است. چنین رویکردی برای آن دسته از منطقه های بزرگ مقیاس مناسب است که از نظرداده های دردسترس و نیروی متخصص محدودیت دارند و خدمت مورد بررسی به طور مستقیم با کاربری زمین ها مرتبط است.

application of satellite images and object-oriented processing in land use/land cover map extraction to model ecosystem services (case study: lorestan province)

introduction: due to the importance of ecosystem services mapping in decision making, different approaches have been developed for mapping ecosystem services. invest software is based on models that combine land use/cover with ecosystem services, and so land use is considered an essential component of all models. currently, remote sensing technology is one of the top techniques in land use/cover map extraction using both pixelbased and objectoriented methods. while the pixelbased method is based on the classification of numerical values of images, objectoriented image processing is more accurate in the classification process, due to the use of spectral information, texture, and content information, being widely used in all sectors including environmental sciences. in this regard, the present study aimed to apply satellite images and objectoriented processing in land use/cover mapping and habitat services modeling. material and methods: the research was carried out using ecognition 9.01 and invest3.0 software in four steps including preparing information, objectoriented processing of satellite images, objectoriented classification, and finally, habitat modeling. images of landsat and sentinel satellites were fused to the ecognition software and processed in conjunction with aster digital elevation model data. segmentation was performed as the first step of objectoriented classification using multiresolution segmentation algorithm. due to the size of the study area and the average spatial resolution of landsat images, the images were segmented with 30 scales, 0.4 coefficient, and 0.5 compression. geometry, vegetation (ndvi), pixel gray surface composition (glcm), and lighting degrees were classified using the assign class classification algorithm. then, by matching the extracted map with 130 teaching points, the accuracy of the kappa coefficient was determined. next, land use/cover map was introduced into invest software. results and discussion: the results and statistics obtained from objectoriented classification accuracy presented acceptable results with a kappa coefficient of 0.93. in the study area, land use/cover classes were prepared in six categories including irrigated and rainfed agriculture, forest, rangeland, manmade areas, and water resources. according to the results, rangeland and forest types with an area of 39.8% and 33.0% covered more than 72.8% of lorestan province’s area. major problems with land use mapping were the inability of 30m pixel landsat satellite imagery to distinguish between rainfed agriculture, rangeland, and lowdensity forest types due to their spectral similarity as well as rural areas due to their small surface area. hence, we attempted to overcome this limitation by modifying the segment characteristics such as shape, tone, texture, and other information. habitat suitability was considered for each land use class. the susceptibility of each habitat type to the threats in the study area was also weighted. human threats affecting habitat quality were classified into three groups of agricultural lands, residential areas, and roads. finally, the model was implemented and a habitat quality index was obtained with values ranging from zero to one. conclusion: there are different approaches to ecosystem services mapping, one of which is extracting ecosystem services information directly from land use/cover maps. such an approach is appropriate for largescale areas that are restricted in terms of available data and expert knowledge, and the service is directly related to land use.