بررسی تاثیر سدهای بزرگ بر پوشش زمین با استفاده از rs & gis (مطالعه موردی رودخانه شهرچای و نازلوچای)

پایش تغییرات کاربری ها و درک پویایی آن در یک حوضه آبخیز از جایگاه خاصی در مدیریت پایدار آن حوضه برخوردار است. هدف تحقیق حاضر، استفاده از سنجش از دور و gis جهت تهیه نقشه پوشش زمین در حوزه سد و رودخانه های موردبررسی با بکارگیری روش شبکه svm و تصاویر ماهواره لندست در بخشی از حوضه آبخیز دریاچه ارومیه می باشد. جهت انجام تحقیق از تصاویر ماهواره لندست در دوره‏ی زمانی 1988، 2007 و 2015 استفاده گردید. پس از انجام پیش پردازش های موردنظر، جهت انجام طبقه بندی ابتدا با تهیه نمونه‏های تعلیمی از منطقه که با اطلاعات میدانی و gps صورت گرفت، از روش های ماشین بردار پشتیبان استفاده و سپس اعتبارسنجی گردیدند. تصحیح هندسی تصاویر با میزان خطای ریشه میانگین مربّعات rmseحدود 0/38 پیکسل ثبت شد و باروی هم‌گذار لایه‌های خطی رودخانه‌ها و پل بر روی تصویر تطابق یافته، دقت بالای عمل تطابق هندسی مورد تایید قرار گرفت. نتایج حاصل از طبقه بندی به روش svm با فاکتورهای بایاس، گاما تابع کرنل، پارامتر پنالتی و سطوح هرم یا پیرامید در کرنل تابع پایه حلقوی به ترتیب برابر با 1، 143/0، 100 و 0 انجام و دقت طبقه بندی با ضریب کاپا برای سالهای 1988، 2007 و 2015 به ترتیب 89/0، 88/0، 90/ و دقّت کل (درصد) برای ساالهای 1988، 2007 و 2015 به ترتیب 68/90، 68/89 و 39/91 محاسبه گردید. و در نهایت مساحت هر کاربری تهیه و تغییرات آن با سالهای بعد مشاهده گردید. بیشترین کاربری که تغییرات زیادی داشته شامل زراعت و مراتع بوده که ناشی از احداث سدها بوده است. پس از تهیه تصاویر موردنیاز و انجام طبقه بندی و همچنین برآورد دقت طببقه بندی، استفاده از روش ماشین بردار پشتیبان برای تهیه طبقه بندی در منطقه موردمطالعه مناسب دیده شد و همچنین جهت مدیریت این حوضه و مناطق دیگر استفاده از این روش توصیه می گردد.

investigation of the impact of large dams on land cover using rs & gis (case study of shahr chay river and nazloo chay river)

monitoring land use changes and understanding its dynamics in a watershed has a special place in the sustainable management of that watershed. the purpose of the present study is to use remote sensing and gis to map land cover in the dam and rivers area using svm network method and landsat satellite imagery in part of lake urmia watershed. this information will assist us in the comprehensive management of the watershed. landsat satellite images during 1988, 2007 and 2015 were used to conduct the research. for this purpose, after performing the pre-processing (considering that the images have errors such as geometrical, atmospheric, etc.), to classify first by providing training samples from the area with field information and gps support vector machine methods were used and then validated. finally, it was prepared and displayed by converting the convertible file format to gis and converting it into vector. geometric correction of the images with root mean square error of rmse of about 0.38 pixels was recorded and the overlap of linear and bridge layers on the matched image was confirmed by high accuracy of geometric matching. corrections from the cloud and lake urmia were also performed with dark object subtraction. the results of svm classification with bias factors, gamma kernel function, pendulum parameter and pyramid or pyramid surfaces in cyclic base function kernel were 1, 0.143, 100 and 0 respectively and classification accuracy with kappa coefficient. the years 1988, 2007, and 2015 were 0.89, 0.88, 0.90, and total accuracy (percent) for the years 1988, 2007, and 2015 were 90.68, 89.68, and 91.39, respectively. finally, the area of each user was prepared and changed with subsequent years. most of the major changes during this time span included agriculture and rangelands that were caused by the construction of dams. conclusion: after preparing the required images and classification and estimating the accuracy of the classification, the use of a support vector machine for classification in the study area was found appropriate. land uses in this basin have undergone many changes, most of which include agriculture and rangelands.