ارائه مدل نیمه- اتوماتیک مبتنی بر آنالیز شیءگرا به منظور تهیه نقشه پراکنش فرسایش خندقی (مطالعه موردی: حوزه آبخیز لیقوان)

سابقه و هدف: به دلیل قرارگیری کشور ایران در ناحیه خشک و نیمه خشک، همواره متاثر از ناپایداری دامنه ای و فرسایش شدیدترین نوع‌ فرسایش، فرسایش خندقی می‌باشد. این شکل فرسایش در نقاط مختلف ایران و بطور مستمر در طی سالیان رخ داده و ضمن فرسایش و انتقال حجم بالای رسوب، سبب تخریب جاده‌ها، تاسیسات، مراتع، دامنه ها و غیره شده است که این موضوع شناسایی مناطق پرخطر و تهیه نقشه‌های حساسیت را ضروری می‌نماید. طی سال‌های اخیر پردازش تصاویر ماهواره‌ای بعنوان روشی پیشرفته و با هدف افزایش دقت و صرفه‌جویی در وقت و هزینه مورد استفاده گسترده محققین قرار گرفته است. روش آنالیز شیءگرای تصاویر یکی از مهمترین روشهای استخراج اطلاعات از تصاویر ماهواره‌ای می‌باشد که در آن بر اساس ویژگی‌های طیفی، شکلی و زمینه‌ای و با استفاده از دانش کارشناس، نسبت به شناسایی عوارض اقدام می‌شود. مواد و روش‌ها: در این تحقیق، حوضه لیقوان به عنوان یکی از زیرحوضه‌های مهم آجی چای واقع در استان آذربایجان‌شرقی جهت مطالعه انتخاب و تصاویر ماهواره‌ای سنتینل2 ( سال 2016 ) با قدرت تفکیک مکانی 10، 20 و 60 متری جهت پردازش و شناسایی خندق‌ها مورد استفاده قرار گرفت. تصاویر مذکور با استفاده از نرم‌افزار ecognition مورد پردازش قرار گرفته و با کاربرد انواع الگوریتم‌های مختلف نسبت به طراحی مدلی نیمه اتوماتیک مبتنی بر آنالیز شیءگرا اقدام شد. در نهایت به منظور ارزیابی دقت مدل، خندق‌های شناسایی شده بصورت نقشه خروجی گرفته و با انتقال به نرم‌افزار arcgis و مطابقت دادن با نقشه واقعیت زمینی و تشکیل ماتریس خطا، دقت تولید کننده، دقت کاربر و ضریب کاپا برای هر کدام از الگوریتم‌ها محاسبه گردید. یافته‌ها: نتایج حاصله نشان داد که الگوریتم‌های تراکم و ضریب فشردگی به ترتیب دارای بیشترین و کمترین دقت تولیدکننده بوده (دقت تولیدکننده به ترتیب برابر با 88 و 78) در حالیکه بر اساس ضریب کاپا الگوریتم عدم تقارن بیشترین دقت و صحت را در مقایسه با سایر روش‌ها داشته (کاپا برابر 0.91) و بعد از آن الگوریتم‌های شاخص شکل و تراکم به ترتیب با ضریب کاپا برابر 0.89 و 0.85 دارای دقت قابل قبولی برای طبقه‌بندی و شناسایی خندق‌ها ارائه دادند.نتیجه‌گیری: استفاده از روش‌های شیءگرا به دلیل افزایش دقت و صحت طبقه‌بندی و شناسایی عوارض و پدیده‌های سطحی، می‌تواند بعنوان راهگشای مناسبی در تحقیقات آتی خاکشناسی و پدیده‌های طبیعی مورد استفاده قرار گیرد. در تحقیق حاضر با استفاده از خصوصیات طیفی و هندسی تصاویر ماهواره‌ای سنتینل2 و پردازش شیءگرا در محیط نرم افزار ecognition مدلی نیمهاتوماتیک برای شناسایی خندق ارائه شد.

Semi-Automated Object-Based Model for Producing Gully Erosion Inventory Map (Case Study: Lighvan watershed)

AbstractBackground and objectives: Due to the location of Iran in a dry and semiarid region, it is always affected by sloping instability and erosion as the most severe type of erosion, gully erosion. This erosion pattern occurred in different parts of Iran and continuously over many years, and during erosion and the transfer of high sediment volume, it destroyed roads, facilities, pastures, slopes, etc. This will require the identification of high risk areas and the development of sensitivity maps. In recent years, the processing of satellite imagery as an advanced method has been widely used by researchers to increase the accuracy and save time and money. The objectoriented analysis of images is one of the most important methods for extracting information from satellite imagery, which is based on spectral, form and spatial characteristics and using expert knowledge to identify complications.Materials and methods: In this research, the Lighwan watershed basin was studied as one of the most important subbasins of Aji Chay in East Azarbaijan Province and the satellite images of Sentinel2 (2016) with spatial resolution of 10, 20 and 60 meters for the processing and identification of gully Was used. The images were processed using the eCognition software and applied with different types of algorithms to design a semiautomatic model based on objectoriented analysis. Finally, in order to evaluate the accuracy of the model, the identified Gully were mapped out and calculated using ArcGIS software to match the ground reality map and the formation of the error matrix, manufacturer accuracy, user accuracy and kappa coefficient for each of the algorithms.Results: The results showed that the Density and Compactness algorithms had the highest and lowest accuracy of the manufacturer (manufacturer accuracy was 88 and 78 respectively). While based on Kappa coefficient, the asymmetry algorithm has the highest accuracy compared to other methods (kappa = 0.91). Then, the shape index and density algorithms with kappa coefficient equal to 0.89 and 0.85 provided acceptable accuracy for the classification and identification of the gully.Conclusion: The use of objectoriented methods due to the increased accuracy of classifying and identifying surface effects and phenomena can be used as a suitable solution for future soil studies and natural phenomena. In the present study, semiautomatic semiautomatic model for ditch identification was presented using spectral and geometric properties of Sentinel2 satellite images and objectoriented processing in eCognition software environment.Key words: Object Oriented Algorithms, ObjectOriented Processing, Segmentation, Classification