طبقه بندی پیکسل پایه

طبقه بندی یکی از مهم ترین روش های استخراج اطلاعات از تصاویر رقومی ماهواره ای است. در روش های معمول پیکسل پایه، طبقه بندی براساس ارزش عددی هریک از پیکسل ها انجام می شود که نتیجه بازتاب عارضه های متناظر آن در سطح زمین است. توانایی روش های کلاسیک در طبقه بندی تصاویر ماهواره ای هنگامی که اشیاء متفاوت اطلاعات طیفی مشابهی دارند محدود می با شد. این امر موجب کاهش صحت روش های طبقه بندی پیکسل پایه می گردد. اما در روش طبقه بندی شیءگرا اطلاعات طیفی با اطلاعات مکانی ادغام گردیده و پیکسل ها براساس شکل، بافت و تن خاکستری در سطح تصویر با مقیاس مشخص سگمنت سازی شده و طبقه بندی تصویر براساس این سگمنت ها انجام می شود. در این تحقیق الگوریتم طبقه بندی پیکسل پایه حداکثر احتمال و الگوریتم طبقه بندی نزدیک ترین همسایه شیءگرا در طبقه بندی تصاویر سنجنده HDR ماهواره ای SPOT 5 مورد مقایسه قرار گرفته است و به منظور مقایسه نتایج، نقشه کاربری اراضی استان آذربایجان غربی با هر دو روش طبقه بندی تهیه شده است. مقایسه نتایج مربوط به صحت کلی طبقه بندی ها نشان می دهد که روش طبقه بندی شیء گرا با افزایش دقت معادل 7% در هر دو شاخص صحت کلی و کاپا، در طبقه بندی تصاویر ماهواره ای از دقت بالاتری برخوردار است. نتایج این تحقیق در استخراج نقشه های کاربری اراضی استان آذربایجان شرقی و آشکارسازی تغییرات کاربری 30 ساله محدوده بالادست سد ستارخان مورد استفاده قرار گرفت.

مدیریت بهینة منابع طبیعی نیازمند در اختیار داشتن اطلاعات بهنگام و صحیح است. نقشة کاربری اراضی یکی از مهم ترین منابع اطلاعاتی در مدیریت منابع طبیعی قلمداد می شود. هدف از انجام پژوهش حاضر، مقایسه دو روش طبقه بندی پیکسل پایه و شیء گرا در تهیه نقشه کاربری اراضی با استفاده از تصاویر ETM+ در شهرستان ملکشاهی در استان ایلام است. در این پژوهش پس از تهیة تصویر ذی ربط و اعمال تصحیحات هندسی و رادیومتریک روی تصویر با استفاده از دو روش مذکور، نقشة کاربری اراضی استخراج گردید. برای ارزیابی دقت طبقه بندی از شاخص های دقت کل، ضریب کاپا، دقت تولیدکننده و دقت استفاده کننده بهره گرفته شد. نتایج به دست آمده نشان داد که وضوح تصویر روش طبقه بندی شیء گرا بالاتر از روش طبقه بندی پیکسل پایه است. نتایج برآورد دقت نشان می دهد که روش شیء گرا در هر دو شاخص صحت کل و ضریب کاپا با مقادیر به ترتیب 93 درصد و 96 درصد، دقیق تر از روش پیکسل پایه است. براساس نتایج به دست آمده کاربری های جنگل و مرتع حدود 98 درصد از سطح این شهرستان را می پوشاند. در این تحقیق پیشنهاد می شود که از روش طبقه بندی شیء گرا در تهیة نقشه های کاربری اراضی استفاده شود.

در سالهای اخیر تهیه نقشه های کاربری اراضی از طریق طبقه بندی رقومی داده های سنجش از دور به عنوان جایگزینی مناسب برای تهیه این نوع نقشه ها مورد توجه قرار گرفته است، تهیه نقشه های کاربری اراضی از طریق طیقه بندی رقومی داده های سنجش از دور به روش های مورد استفاده در طبقه بندی، وضعیت پوشش زمین و شرایط محیطی منطقه مورد مطالعه بستگی دارد. نتایج حاصله در این زمینه بر حسب روش های طبقه بندی مورد استفاده، شرایط منطقه مورد مطالعه و داده های بکار گرفته شده متفاوت بوده است. در نتیجه در سال های اخیر با پیشرفت تکنولوژی پردازش کامپیوتری روش های جدیدی پیشنهاد شده است. بر اساس ویژگیهای پردازش تصویر، جهت استخراج اطلاعات از تصاویر ماهواره ای در این روش ها، آنها را می توان در دو گروه عمده تقسیم بندی نمود که عبارتند از: روش طبقه بندی مبتنی بر ارزش های عددی عناصر تصویری یا پیکسل ( پیکسل پایه ) و روش طبقه بندی مبتنی بر شی های تصویری  (شی گرا ). هدف از این تحقیق، مقایسه روش های طبقه بندی پیکسل پایه ( الگوریتم بیشترین شباهت ) و شی پایه ( ماشین بردار پشتیبان ) برای تهیه نقشه کاربری اراضی با استفاده ازتصویرسنجنده HDR ماهواره ای SPOT5 و تصویر سنجنده OLI ماهواره Landsat8 در محدوده ی حوضه آبریز اهر چای از منطقه اهر تا ورزقان است.  بدین منظور نقشه کاربری اراضی منطقه اهر – ورزقان با هر دو روش در نرم افزار ENVI 5.3 طبقه بندی شده است. مقایسه نتایج مربوط به صحت کلی و ضریب کاپای طبقه بندی ها نشان می دهد که روش طبقه بندی شی گرا با افزایش دقت معادل 6/5 درصد صحّت کلی و 04/0 درصد ضریب کاپا، در طبقه بندی تصاویر ماهواره ای از دقت بالاتری برخوردار است . 

یکی از عوامل مهم برای برنامه ریزی و مدیریت شهری به خصوص در راستای نیل به توسعه پایدار در نواحی شهری و استفاده بهینه از سرزمین، در دسترس بودن اطلاعات صحیح و بهنگام از وضعیت کاربری اراضی مناطق شهری است. در این راستا، هدف از انجام این تحقیق مقایسه دو روش طبقه بندی پیکسل پایه و شیءگرا در تهیه نقشه کاربری اراضی با استفاده از تصویر ETM⁺ در شهر ایلام با استفاده از نرم افزار Idrisi Selvi است. پس از تهیه تصویر مربوط و اعمال تصحیح هندسی و رادیومتریک بر روی تصویر با استفاده از دو روش مذکور، نقشه کاربری اراضی استخراج شد. برای ارزیابی دقت طبقه بندی از شاخص های صحت کل، ضریب کاپا، دقت تولیدکننده و دقت استفاده کننده استفاده شده است. نتایج به دست آمده نشان داد که روش طبقه بندی شیءگرا تصویری با وضوح بهتر نسبت به روش طبقه بندی پیکسل پایه ارائه می دهد. نتایج برآورد دقت هم نشان می دهد که روش شیءگرا در هر دو شاخص صحت کل و ضریب کاپا با مقادیر به ترتیب 94 درصد و 91 درصد نسبت به روش پیکسل پایه با صحت کل و ضریب کاپا با مقادیر به ترتیب 88 درصد و 86 درصد، دقیق تر است. با توجه به نتایج به دست آمده از این تحقیق پیشنهاد می شود که روش طبقه بندی شیءگرا در تهیه نقشه های کاربری اراضی مناطق شهری مورد استفاده قرار گیرد.

میزان گسترش و تخریب منابع را میتوان با پیشبینی تغییرات کاربری مشخص کرد و برنامهریزیهای آینده را به مسیر مناسبی سوق داد. هدف از این پژوهش ارزیابی کاربری اراضی شهرستان قوچان با استفاده از طبقه بندی شیءگرا و پیکسل پایه و پیش بینی تغییرات این کاربریها با استفاده از مدل CA مارکوف تا سال 2030 می باشد. در این تحقیق از تصاویر ماهواره لندست سنجندههای ETM و OLI مربوط به سال های 2000 و 2018 (ماه آگوست) استفاده شد. ﭘ ﺲ از ﺗﻬی ه ﺗ ﺼاﻮیﺮ، تصحیحات رادیﻮﻣﺘﺮیک بر روی ﺗﺼاﻮیﺮ اعمال گردید و سپس ﺑﺎ اﺳﺘﻔﺎده از دو روش پیکسل پایه و شیءگرا ﻧﻘﺸه کﺎرﺑﺮی اراﺿی اﺳﺘﺨﺮاج ﮔﺮدی ﺪ. با استفاده از مدل سازی CA مارکوف و با توجه به دو نقشه کاربری اراضی به دست آمده، ماتریس احتمال تبدیل کاربریها به یکدیگر محاسبه شد و نقشه پیش بینی تغییرات CA مارکوف برای 12 سال بعد یعنی سال 2030 به دست آمد و مساحت و درصد هر کدام از کاربری ها به طور جداگانه محاسبه شد. ﺑ ﺮای ارزیﺎﺑی دﻗﺖ ﻃﺒﻘﻪ-ﺑﻨﺪی از ﺷﺎﺧﺺﻫﺎی دﻗﺖ کلی و ﺿﺮیﺐ کﺎﭘﺎ استفاده شد. نتایج به دست آمده در طبقه بندی شیءگرا در هر دو شاخص صحت کلی و ضریب کاپا به ترتیب 94 درصد و 97/0 درصد بود که دقیقتر از روش پیکسل پایه است. بیش ترین مساحت در منطقه با استفاده از طبقه بندی شیءگرا در سال 2000 مربوط به کاربری دیمزار و کاربری مناطق کوهستانی و با استفاده از روش پیکسل پایه مربوط به کاربری مرتع ضعیف و کاربری دیمزار میباشد. با توجه به طبقه بندی صورت گرفته برای سال 2018 با استفاده از طبقه بندی شیءگرا بیش ترین میزان مساحت را کاربری مرتع ضعیف و کاربری دیمزار داشتهاند. نتایج نشان داد که بیش ترین میزان افزایش تغییرات در بین کاربریها را کاربری مرتع ضعیف در سال 2030 خواهد داشت که نسبت به سال 2018 نیز 07/24491 هکتار افزایش یافته است. بیش ترین میزان کاهش مساحت را کاربری مرتع متراکم با 23/26615 هکتار خواهد داشت. کاربری انسان ساخت نیز در طی این بازه 12 ساله 62/530 هکتار رشد خواهد داشت. با پیش بینی تغییرات کاربری اراضی نه تنها می توان میزان گسترش یا تخریب منابع را مشخص کرد بلکه می توان این تغییرات را در مسیر برنامهریزیهای مناسب هدایت کرد.