palette
تهيه نقشه فرسايش آبکندي با استفاده از فنون سنجش از دور (مطالعه موردي :منطقه لامرد استان فارس(

چکیده

يكي از نيازهاي تحقيقاتي براي اجراي اصول آبخيزداري و حفاظت خاک، شناسايي مناطق داراي خطر بالاي فرسايش و تهيه نقشه رخساره­هاي فرسايشي از جمله آبكندها مي­باشد. يکي از شيوه­هاي قابل اجرا براي تهيه نقشه فرسايش خاک با استفاده از سنجش از دور، استفاده از قابليت­هاي توانمند الگوريتم­هاي طبقه­بندي تصاوير ماهواره­اي است. طبيعت پيچيده فرسايش آبکندي و نواحي مجاورآن (ناهمگني) ثابت کرده­است که تهيه نقشه فرسايش آبکندي به وسيله روش­هاي پارامتريک مبتني بر پيکسل متداول، در طبقه­بندي تصاوير ماهواره­­اي چالش برانگيز است. در اين پژوهش تلاش شده تا با مقايسه روش­هاي مختلف طبقه­بندي مبتني بر پيکسل بهترين و مناسب‌ترين روش به منظور تهيه دقيق­تر نقشه فرسايش آبکندي دشت لامرد انتخاب شود. در اين راستا تصاوير سنجنده IRS منطقه لامرد با اين روش­هاي مبتني بر پيکسل - حداکثر احتمال و ماشين بردار پشتيبان- طبقه­بندي شد. نتايج تحقيق نشان داد که  روش طبقه­بندي ماشين بردار پشتيبان  نقشه را با دقت و صحت بالاتري (شاخص کاپا 63/0) نسبت به روش­ حداکثر احتمال (شاخص کاپا 54/0) توليد کرده است و براي مطالعات آينده تهيه نقشه فرسايش آبکندي در منطقه مورد مطالعه پيشنهاد مي­شود. يکي از مهم­ترين دلايل اين برتري اين است که ماشين بردار پشتيبان يک طبقه­بندي­کننده غير­پارامتريک است و تنها از بردارهاي پشتيبان، که در محدوده­ي همپوشاني (مرز) کلاس­ها، قرار مي­گيرند استفاده مي­کند و متاثر از واريانس داخلي کلاس­ها نيست، بعلاوه تفکيک پذيري کلاس­ها را با استفاده از تغيير شکل­هاي مختلف افزايش مي­دهد.

واژگان کلیدی
سنجش از دور، طبقه‌بندي مبتني بر پيکسل،فرسايش آبکندي، لامرد، ماشين بردارپشتيبان

منابع و مآخذ مقاله

- ابوالوردي، ز.، صوفي، م.، و نجابت م.، 1390. مقايسه نرخ رشد آبکند در منطقه علامرودشت شهرستان لامرد در استان فارس، پنجمين کنفرانس سراسري آبخيزداري ومديريت منابع آب و خاک، اسفندماه، کرمان.

- آرخي، ص.، و اديب نژاد، م.، 1390. ارزيابي كارايي الگوريتم‌هاي ماشين بردار پشتيبان جهت طبقه‌بندي كاربري اراضي با استفاده ازداده‌هاي ماهواره‌اي ETM+ لندست (مطالعه موردي: حوزه سد ايلام)، فصلنامة علمي-پژوهشي تحقيقات مرتع و بيابان ايران، جلد18، شماره 3، ص440-420.

- اکبري، ا.، نيرومند جديدي، م.، صاحبي، م.، و قادري زاده، ه.، 1390. ارزيابي دقت طبقه بندي کننده هاي بيشترين شباهت و ماشين بردار پشتيبان(مطالعه موردي: استخراج تغييرات کاربري اراضي حوضه آبخيز طالقان)، هيجدهمين همايش ژئوماتيک، تهران.

- رئوفي، م.، رفاهي، ح.، جلالي، ن.، و سرمديان، ف.، ١٣٨٣. بررسي كارآئي رو شهاي پردازش رقومي تصاوير ماهواره‌‌اي به منظور تهيه نقشه و شناسائي فرسايش خاك، مجله علوم كشاورزي ايران، جلد ٣٥، شماره ۴، ص ٧٩٧- ٨٠٧..

- رئيسي نشاط، ا.، رفاهي، ح.، سرمديان، ف.، و گرجي، م.، 1390. برآورد ميزان فرسايش آبكندي و مقدار عقب نشيني ديواره‌هاي آبكند با استفاده از سنجش از دور و سيستم اطلاعات جغرافيايي در بخشي از حوضه آبخيز طالقان. مجله پژوهش‌هاي خاك (علوم خاك و آب)، الف، جلد 25، شماره 10، ص 25-40.

- سازمان جغرافيايي نيروهاي مسلح، تصاوير ماهواره ای IRS، گذر و رديف 52-74.

- سازمان نقشه برداري کشور، نقشه هاي توپوگرافي 1:25000، منطقه لامرد.

- صوفي، م.،1384 .تعيين تأثير پوشش گياهي و توسعه شهري در گسترش آبكندها در جنوب استان فارس. مجموعه مقالات سومين همايش ملي فرسايش و رسوب. صفحات 355- 350.

- فاطمي، س.ب.، و رضايي، ي.، 1389. مباني سنجش از دور، انتشار‌ها آزاده، 250 ص.

- قديري، ح.، 1373. حفاظت خاک، ترجمه(نورمن هادسون)، انتشارات دانشگاه شهيد چمران اهواز، دانشکده کشاورزي، 236 ص.

- كشاورز، ا.، و قاسميان يزدي، ح.،. 1384. يك الگوريتم سريع مبتني بر ماشين بردار پشتيبان براي طبقه بندي تصاوير ابرطيفي با استفاده از همبستگي مكاني، نشريه مهندسي برق و مهندسي كامپيوتر ايران، سال سوم شماره 1، ص37-44.

- Boyd, D., Sanchez-Hernandez, C., and Foody, G. M., 2006. Mapping a specific class of interest forpriority habitats monitoring from satellite sensor data. International Journal of Remote Sensing,v.27(13), p. 2631-2644.

- Daba, S., Rieger, W., and Strauss, P., 2003. Assessment of gully erosion in eastern Ethiopia using photogrammetric techniques. Catena, v. 50, p. 273-279.

- Dwivedi, Kumar, R.S., A. B., andTewari, K. N., 1997. The utility of Multi – Sensor data for Mapping eroded Lands International Journal of RemoteSensing, v.18(11), p.2303-2310.

- Foody, G. M., Mathur, A., Sanchez-Hernandez, C., and Boyd, D. S., 2006. Training set sizerequirements for the classification of a specific class. Remote Sensing of Environment, v.104(1), p.1-14.

- Gabris, G., Kertez, Y. A., and Zambo, L., 2003. Land use change and gully formation over the last 200 years in a hilly catchments. Catena, v 50( 2-4), p.151-164.

- Gualtieri, J.A., and Cromp, R.F., 1998. Support vectormachines for hyperspectral remote sensing classification.Proceedings of the 27th AIPR Workshop: Advances inComputer Assisted Recognition, Washington, DC, October 27, p. 221-232.

- Huang, C., Davis, L. S., and Townshend, J. R. G., 2002. An assessment of support vector machinesfor land cover classification. International Journal of Remote Sensing, v.23 (4), p.725-749.

- Kompani-Zare M., Soufi, M., Hamzehzarghani, H., and Dehghani, M., 2011. The effect of some watershed, soil characteristics and morphometric factors on the relationship between the gully volume and length in Fars Province, Iran. Catena, v.86, p.150–159.

- Pal, M., and Mather, P.M., 2004. Assessment of the effectiveness of support vector Machines for hyperspectral data, FGCS 20, p.1215-1225.

- Petropoulos, G. P., Knorr, W., Scholze, M., Boschetti, L., and Karantounias, G., 2010. CombiningASTER multispectral imagery analysis and support vector machines for rapid and cost-effective postfireassessment: a case study from the Greek wildland fires of 2007, National Hazards and Earth System Science, v.10,p. 305–317.

- Posesen, J., Nachtorgale, J., and Verstrac, G., 2003. Gully erosion and environmental change: importance and research needs, Catena, v.50, p. 91-133.

- Sanchez-Hernandez, C., Boyd, D. S., and Foody, G. M., 2007a. Mapping specific habitats fromremotely sensed imagery: Support vector machine and support vector data description basedclassification of coastal saltmarsh habitats. Ecological Informatics, v. 2(2), p. 83-88.

- Sanchez-Hernandez, C., Boyd, D., and Foody, G. M., 2007b. One-class classification for mapping aspecific land cover class: SVDD classification of fenland, IEEE Transactions on Geoscience and Remote Sensing, v.45 (4), p.235-252.

- Sidorchuk, A., Marker, M., Moretti S., and Rodolfi, G., 2003. Gully erosion modeling and landscape response in the Mbuluzi catchment of Swaziland, Catena, v.50 (2-4), p. 507-525.

- Soufi, M., 2004. MORPHO-CLIMATIC CLASSIFICATION OF GULLIES IN FARS PROVINCE, SOUTHWEST OF I.R. IRAN. ISCO, 13th International Soil Conservation Organisation Conference – Brisbane, July 2004, Conserving Soil and Water for Society: Sharing Solutions, Paper No. 750.

- Swain, P.H., and Davis, S.M., 1978. Remote Sensing: The Quantitative Approach.McGraw-Hill, NewYork, p.210-216.

- Taruvinga, k., 2008.Gully Mapping using Remote Sensing (Case Study in KwaZulu-Natal, South Africa), M.Sc.thesis University of Waterloo, Ontario, Canada, 121 P.

- Vandekerckhove, L., Poesen, J., and Gover, A., 2003. Medium term gully headcut retreat in south-east Spain determined from aerial photographs and ground measurements, Catena, v.50. p. 329-352

- Vrieling, A., 2007. Mapping Erosion from Space, Doctoral Thesis Wageningen University, ISBN: 978-90-8504-587-8,167 p.


ارجاعات
  • در حال حاضر ارجاعی نیست.