شناسایی و استخراج لندفرم ها و کاربری های اراضی حوضه آبریزقرنقو با استفاده از تکنیک های شی گرا (مقاله علمی وزارت علوم)
درجه علمی: نشریه علمی (وزارت علوم)
آرشیو
چکیده
شناخت لندفرم ها و نحوه پراکنش آنها از نیازهای اساسی در علم ژئومورفولوژی کاربردی و سایر علوم محیطی است و نقشه لندفرم ها نمایانگر اشکال سطح زمین و نیز ماهیت فرآیندهایی است که در زمان حاضر رخ می دهند. هدف از این تحقیق، شناسایی لندفرم ها و کاربری های اراضی حوضه آبریز قرنقو با استفاده از روش های طبقه بندی شی گرا شامل الگوریتم نزدیکترین همسایه و آستانه گذاری می باشد. بدین منظور از تصاویر ماهواره لندست برای بازه زمانی 1990 (TM) و 2020 (OLI) استفاده شد. برای اعمال طبقه بندی در گام نخست تصحیحات اتمسفری و رادیومتریکی بر روی تصاویر اعمال شد و سپس به منظور شناسایی و استخراج بهتر پدیده ها از الگوریتم های PCA و MNF استفاده شد. برای انجام طبقه بندی تصاویر ماهواره ای نیز از روش های طبقه بندی شی گرا شامل روش نزدیکترین همسایه و آستانه گذاری بهره گرفته شد. برای صحت نقشه های تولید شده با استفاده از ضریب کاپا و صحت کلی استفاده گردید. نتایج ارزیابی روش های مورد استفاده نشان داد که روش نزدیکترین همسایه دارای دقت بیشتری نسبت به روش آستانه گذاری می باشد. همچنین نتایج حاصل از طبقه بندی نشان داد که بیشترین میزان تغییرات کاهشی در خلال سال های 1990-2020 مربوط به کاربری مرتع متراکم می باشد، چرا که 49/12 درصد کاهش داشته است و بیشترین میزان تغییرات افزایشی مربوط به کاربری زراعت آبی می باشد که 83/10 درصد افزایش داشته است که مهمترین علت این افزایش مساحت را می توان به احداث سد سهند در طول زمان ارتباط داد.Identification and extraction of landforms and land uses of Qarnaqo watershed using object-oriented techniques
Identification of landforms and the way of their distribution is one of the basic needs in applied geomorphology and other environmental sciences and landform maps show the shapes of the earth's surface. This project aims to identify the landforms of the Qaranqu catchment area using object-oriented classification methods including nearest neighbor algorithm and thresholding. Landsat satellite imagery for 1990 (TM) and 2020 (OLI) was used for this purpose. First, to apply the classification, atmospheric and radiometric corrections were applied to the images, then to better identify and extract the phenomena, principal component analysis (PCA), and MNF algorithms were used to classify satellite images using classification methods. Object-oriented, which included the nearest neighbor method and thresholding was used. For the accuracy of the maps produced using the two methods of Kappa index and the overall accuracy of the use, the results revealed that the nearest neighbor method is more accurate than the thresholding method. The classification results showed that the highest rate of decreasing changes during 1990-2020 is related to dense rangeland because it has decreased by 12.49 percent and the highest rate of incremental changes is related to irrigate agriculture which is 10.83 percent. The most important reason for this increase is the construction of Sahand Dam over time. In the absence of well-organized planning and the adoption of appropriate policies, the destruction of rangeland will continue and turning it into arable land, which leads to irreparable environmental and economic losses in the region.
تبلیغات
