کاربرد مدل فضای ویژگی tgsi - albedo در بررسی وضعیت بیابانی شدن مرکز استان خوزستان

امروزه بیابان‌زایی و تخریب سرزمین یکی از مهم‌ترین مشکلات محیط زیست به ویژه در مناطق خشک و نیمه‌خشک است که ناشی از تغییرات اقلیمی و فعالیت‌های انسانی است. بنابراین، شناخت وضعیت بیابان‌زایی این مناطق برای مدیریت و برنامه‌ریزی آینده امری ضروری است. در این راستا بهره‌ گیری از شاخص‌های سنجش از دور برای تهیۀ نقشه‌های پایۀ بیابان‌زایی و پایش آن می‌تواند کارآمد باشد. در پژوهش حاضر از شاخص‌های اندازۀ ذرات خاک سطحی و آلبیدو به عنوان شاخص‌های نمایان‌کنندۀ وضعیت بیابانی شدن مرکز استان خوزستان استفاده شد. پس از محاسبۀ شاخص‌های ذکر شده با استفاده از تصاویر سنجنده‌ی +etm ماهواره لندست، تعداد 411 نمونۀ تصادفی روی تصاویر انتخاب شد، سپس مدل فضای ویژگی albedotgsi بر پایۀ همبستگی بین متغیر‌ها (ضریب تبیین 0.83) به کاربرده شد و معادلۀ طبقه ‌بندی بیابان‌زایی بر اساس شیب خط برازش داده شده به دست آمد. در مرحلۀ بعد با اعمال طبقه‌بندی شکست طبیعی بر روی شاخص بیابان‌زایی، طبقه‌ های مختلف بیابان‌زایی و همچنین مقدارهای کمی آن ها، برای نمونه‌های تصادفی حاصل شد. سپس این مقدارهای حدی برای کل منطقه اعمال و در پایان نقشۀ وضعیت بیابان‌زایی سال 1397 به دست آمد. نتایج نشان می‌دهد که حدود 70% منطقه دچار بیابان‌زایی شدید و زیاد و 18.3، 8.3 و 4.1 درصد منطقه به ترتیب در طبقه ‌های بیابان‌زایی متوسط، کم و بدون بیابان‌زایی قرار دارند. ضریب کاپا و صحت کلی نقشۀ تولیدی به ترتیب 92.1 % و 94.3 درصد برآورد شد. یافته ‌ها نشان می دهد که مدل فضای ویژگی، ابزاری سودمند و قوی برای استخراج اطلاعات بیابان‌زایی در اراضی بدون پوشش گیاهی یا دارای پوشش گیاهی کم است.

Application of TGSI - Albedo feature space model in assessing of desertification status in the center of Khuzestan province

Nowadays, desertification and land degradation are among the most important environmental chalenges caused by various factors, including climate variation and human activities, especially in arid and semiarid regions. Therefore, understanding of the desertification status is essential for future management and planning. In this regard, using remote sensing indicators to prepare basic desertification maps and its monitoring can be efficient. In this study, Topsoil grain size and albedo indices were used as indicators to identify desertification in the center of Khuzestan province. After constructing the abovementioned indices using Landsat ETM+ sensor image, the values of 411 randomly selected samples on the images were used to construct the AlbedoTGSI feature space model. The correlation between the variables was 0.83. The DDI desertification degree equation is then obtained based on the slope of the fitted line. In the next step, by applying natural break classification on the DDI index, different levels of desertification and the break values ​​were obtained for random samples. These break values ​​are then applied to the whole study area, and finally, the 2018 desertification status map was obtained. Results indicated that about 70% of the study area fell under the severe and high desertification intensities, whereas 18.3%, 8.3% and 4.1% fell under the medium, low and none desertification grades respectively. The accuracy of the produced map with a kappa of 92.1% and an overall accuracy of 94.3% showed that the feature space model is a useful and robust tool for extracting desertification degrees in barren lands or areas with extremely low vegetation coverage.