مقایسه روش های مختلف آشکارسازی تغییرات کاربری اراضی در منطقه بیابانی دهلران استان ایلام

پایش زمانی و دقیق تغییر عوارض سطح زمین برای درک روابط و کنش های متقابل بین انسان و پدیده های طبیعی به منظور تصمیم گیری بهتر خیلی مهم است. داده های سنجش از دور منابع اولیه ای هستند که به طور گسترده برای پایش تغییر در دهه های اخیر مورد استفاده واقع شده اند. در این مطالعه، تصاویر لندست 4(tm) سال 1364 و لندست 7(etm+) سال 1386 با استفاده از شش تکنیک پایش تغییر در منطقۀ بیابانی دهلران استان ایلام با مساحت 55986 هکتار آنالیز شده اند. تکنیک های پایش تغییر مورد استفاده در این مطالعه شامل تفاضل تصویر، آنالیز مولفه های اصلی، تفاضل ndvi، آنالیز مولفه های متعارف، تفاضل تسلدکپ (روشنایی) و روش مقایسه پس از طبقه بندی بوده اند. همچنین برای تعیین آستانه در روش هایی که نیازمند تعیین آستانه اند، از روش آماری استفاده شده است و بر این اساس مشخص شده است که آستانۀ تغییر در منطقۀ مورد مطالعه با 1 انحراف از میانگین قرار داشته است. پس از تعیین آستانۀ تغییر، مناطق دارای تغییرات کاهشی، افزایشی و بدون تغییر مشخص گردیده است. جهت ارزیابی دقت تکنیک های پایش تغییر پس از برداشت واقعیات زمینی که از طریق بازدید میدانی و تصاویر ماهواره ای گوگل ارث به دست آمد، از دقت کل و ضریب کاپا استفاده شد. بر اساس نتایج به دست آمده مشخص گردید که روش تفاضل باند مادون قرمز با دقت کل 49/90 و ضریب کاپای 91/0 از بین تکنیک های پایش تغییر مورد استفاده در این مطالعه بیشترین دقت و روش تفاضل cca2 با دقت کل 48/25 و ضریب کاپای 38/0 کمترین دقت را در پایش تغییرات کاربری اراضی منطقه مورد مطالعه داشته اند.

Comparing different land use change detection techniques at Dehloran desert area of Ilam province

Timely and accurate change detection of earth surface features is extremely important forunderstanding relationships and interaction between human and natural phenomena in order topromote better decision making. Remote sensing data are primary sources extensively usedfor change detection in recent decades. In this study, images of Landsat (TM) 1985 andLandsat (ETM+) 2007 were analyzed using six change detection techniques in ۵۵٩٨۶ hectaresin the region of Dehloran, Ilam province. Considered techniques of change detection wereincluded: image differencing, principal components analysis differencing, NDVI differencing,canonical components analysis differencing, tasscap differencing and post classificationcomparison. To determine threshold level, the statistical method has been applied which wasachieved from thresholds changing. In this study, threshold level was set at plusmn 1 standarddeviation from the mean. After determining optimal threshold, areas having decreasingchange, increasing change and no change was determined. Based on ground data and fieldvisit and Google Earth, accuracy assessment of change detection techniques was carried outusing overall accuracy and Kappa coefficient. According to the results, infrared differencingwith overall accuracy of 90.49 and Kappa coefficient of 91% showed the highest accuracyamong applied change detection techniques and on the contrary, CCA2 differencing withoverall accuracy 25.48 and Kappa coefficient of 3٨% had lowest accuracy in land use/landcover change in study area.