بررسی کارائی روش‎های طبقه‎بندی تصاویر ماهواره‏ای در پایش تغییرات پوشش اراضی(مطالعه موردی: حوضۀ آبخیز شهرکرد، چهارمحال و بختیاری)

تهیه نقشه پوشش اراضی، از مهم‌ترین منابع اطلاعاتی مدیریت منابع طبیعی محسوب می‌شود. از تصاویر ماهواره‌ای می‌توان نقشه‌های پوشش اراضی را استخراج کرد. گوناگونی در روش‌های طبقه‎بندی تصاویر ماهواره و انتخاب بهترین روش، یکی از مهم ترین مشکلات در استفاده از این ابزار کاربردی می‌باشد. بنابراین، در این تحقیق، به منظور بررسی روند تغییرات پوشش اراضی حوضۀ آبخیز شهرکرد، ابتدا کارآیی روش‌های طبقه‌بندی حداکثراحتمال، شئ‌گرا و شبکه عصبی مصنوعی ارزیابی و سپس روند تغییرات پوشش اراضی حوضۀ آبخیز شهرکرد در سال‌های 1378، 1387 و 1394 با استفاده از تصاویر لندست tm، etm+ و oli بررسی شد. پس از تصحیحات هندسی و رادیومتریک و طبقه بندی، نقشه پوشش اراضی سال 1394 بر اساس سه روش مذکور تهیه گردید. نتایج ارزیابی صحت نقشه‌های تولیدی سال 1394 نشان داد که روش شئ‌گرا در هر دو شاخص صحت کل و ضریب کاپا (به ترتیب 93 و 90%)، دقیق‌تر از دو روش دیگر بوده است. بنابراین، با روش شئ‎گرا روند تغییرات پوشش اراضی بررسی شد. نتایج بررسی روند تغییرات نشان داد که در طول دوره آماری، مناطق مسکونی از 1.72 درصد در سال 1378 به 2.98 درصد در سال 1394 و اراضی کشاورزی نیز در همین دوره از 5.73 درصد به 12.60 درصد افزایش یافته ولی مراتع با کاهش 9.05 درصدی در کل دوره و اراضی بایر در دوره اول (1378-1387) با افزایش 6.19 درصدی و در دوره دوم (1387-1394) با کاهش 5.27 درصدی مواجه بودند. نتیجه حاصل از این تحقیق، نشان داد که طبقه‌بندی شئ‌گرا نسبت به روش‎های پیکسل پایه برای ارزیابی تغییرات پوشش اراضی ارجحیت دارند.

evaluation of the efficiency of satellite imagery classification approaches in monitoring of land cover changes (case study: shahrekord basin, chaharmahal va bakhtiari)

land cover mapping is essential for natural resource management. satellite imagery can be used for mapping land cover. several methods are available for land cover mapping whilst choosing the best method is one of the most important issue in this context. to compare pros and cons of three methods of classification including maximum likelihood, objectbased segmentation and artificial neural network, first, the efficiency of these three methods were evaluated. then the trend of land cover changes in shahrekord basin was investigated for 1999, 2009 and 2015 using landsat images of tm, etm+ and oli sensors, respectively. after geometric and radiometric corrections, the land cover map of 2015 was prepared based on the three methods. the results of the validation mapping methods revealed that objectbased method was more promising than the others with 93 and 90% for total accuracy and kappa coefficients of agreement, respectively. so, the objectbased segmentation method is recommended for monitoring of land cover changes. the results of the land cover change indicated that residential areas increased from 1.727% in 1999 to 2.98% in 2015 and agricultural lands increased from 5.73% to 12.60% but rangelands were decreased by 9.05 in total. moreover, barelands were increased from 1999 to 2009 by 6.19% but decreased from 2009 to 2015 by 5.27%. the result of this study showed that the objectbased method is superior to pixel based method of maximumliklihood and neural network. so, objectbased segmentation is recommended for estimating land cover changes.