آشکارسازی اِسکار آتش‌سوزی با استفاده از طبقه‌بندی شیءگرای تصاویر لندست (مطالعه موردی: منطقه حفاظت‌شده مانشت و قلارنگ)

ذخیره‌گاه گیاهی و جانوری ناحیه رویشی زاگرس در فصول خشک، همواره مورد تهدید و تخریب آتش‌سوزی بوده است. عدم وجود امکانات مساحی پیشرفته، سبب شده تا ثبت محل وقوع و دامنه تخریب آتش‌سوزی‌ها و هم‌چنین تاثیر آن‌ها بر گونه‌های گیاهی و جانوری به‌درستی صورت نگیرد. سوابق آتش‌سوزی ازنظر تکرارپذیری، گونه‌های مستعد آتش‌سوزی و میزان ترمیم تخریب‌های صورت گرفته توسط آتش‌سوزی‌ها منبع خوبی از اطلاعات است تا در پهنه‌بندی میزان ریسک آتش‌سوزی و مدل‌سازی‌های گسترش دامنه آتش مورداستفاده قرار گیرد. در این پژوهش، روش‌شناسی کشف آثار آتش‌سوزی‌های قدیمی مورد بحث قرار گرفته است. این فرایند با بهره‌گیری از تصاویر لندست 8 انجام‌شده است. الگوریتم‌های متنوع شیءگرا و توابع عضویت فازی، به‌منظور تشخیص زخمه آتش‌سوزی در طبقه‌بندی تصاویر استفاده‌شده‌اند. صحّت طبقه‌بندی با شاخص جدید qadi ارزیابی‌شده است. معرفی روش استفاده ترکیبی از شاخص درصد تغییر مادون‌قرمز نزدیک و شاخص سوختگی nbri47 به همراه استفاده از توابع فازی large, ms-large به‌عنوان بهترین روش طبقه‌بندی، از یافته‌های این تحقیق است. مقدارکاپا در این روش، 0.96 ، صحت کلی 0.98 و مقدار کادی 0.01 محاسبه‌ شد. مساحی نقشه حاصل از بهترین طبقه‌بندی، وقوع آتش‌سوزی به وسعت 62.75 هکتار را نشان داد که وقوع آن توسط سامانه‌های تشخیص آتش ناسا و داده‌های زمینی تائید گردید. روش‌شناسی و نتایج این تحقیق علاوه بر امکان استفاده در جامعه علمی سنجش‌ازدور، برای کارشناسان و برنامه‌ریزان منابع طبیعی و محیط‌زیست نیز دارای اهمیت است.

fire scar detection using object-oriented classification of landsat images (case study: manshet and kalarang protected area)

the vegetative and animal habitat of the zagros area during the dry seasons has always been threatened and destroyed by fire. the lack of advanced cartography facilities has made it difficult torecord the location and extent of the destruction of the fires, as well as their impact on plant and animal species. records of fire facts in terms of repeatability, susceptible species, and the extent to which the destruction of fire destroyed is a good source of information to be used in the zoning of fire risk and fire expansion modeling. this research is a methodology for extracting the former fires in satellite images and detecting fire scars in manesht and qalarang protected areas. this process has been done using landsat ٨images. varied object-oriented algorithms and fuzzy logic functions are used to classify images in order to detect fire scars. classification accuracy is evaluated with the newqadi index too. the combination of the near-infrared change-percent index and the nbri 5٧burn index, along with the use of large and ms-large fuzzy functions, was identified as the bestclassification method. the qadi value was calculated as 0.01. the cartography of best classification result showed a 66.75 hectare fire. the fire occurrence confirmed by nasa's fire detection systems and the ground-based data. the methodology and results of this research are also important for expertsand planners of natural resources and the environment, in addition to being able to be used in the remote-sensing sciences community.