شیءگرا

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.

در این تحقیق ، روش مبتنی بر پیکسل پایه و روش مبتنی بر شیءگرا در تهیه نقشه کاربری اراضی شهرستان مراغه با استفاده از تصاویر سنجنده ASTER در یک بازه زمانی 17 ساله، از سال 2000 تا 2017 و تاثیر تغییرات کاربری ها بر فرسایش، مورد بررسی قرار گرفت. برای مقایسه عملی نتایج، د ر هر د و روش از د اد ه های آموزشی یکسان برای طبقه بندی استفاد ه گرد ید ؛ سپس مهم ترین روش های ارزیابی صحت شامل د قت کلی و ضریب کاپای طبقه بندی استخراج شد و مشخص شد که نتیجه طبقه بندی به روش شیءگرا نسبت به روش حداکثرشباهت 3% نتایج بهتری ارائه می دهد. بعد از طبقه بندی و مقایسه نقشه های استخراج شده، اقدام به آشکارسازی تغییرات حادث شده در این بازه زمانی شد و مشخص شد که طبقات مرتع و بایر دارای روند کاهشی و طبقات باغات متراکم و آب دارای روند افزایشی می باشد. با توجه به نقشه های کاربری های حاصل از دو روش طبقه بندی حداکثرشباهت و شیءگرا و مقایسه و تطبیق دادن این نقشه ها با واقیت های زمینی، نتایج حاصل از روش طبقه بندی شیءگرا مورد تأیید قرار گرفت. با توجه به نتایج حاصل از مطالعه با روش شیءگرا در طی بازه ی زمانی مورد مطالعه در شهرستان مراغه کاربری های باغات متراکم، باغات کم تراکم، مسکونی، کشاورزی، صنعتی و ارتباطی در روش شیءگرا دارای افزایش، و کاربری های زراعی، مرتع، دیم و بایر دارای کاهش مساحت بوده اند. که این امر بیانگر اهمیت کشاورزی و باغداری در این شهرستان می باشد. با توجه به نتایج پهنه بندی خطر فرسایش سال 2000 به ترتیب 08/9 و 88/15 درصد و با توجه پهنه بندی فرسایش 2017 به ترتیب 66/13و 76/29 درصد از مساحت شهرستان در دو طبقه بسیار پرخطر و پرخطر قرار دارند. هم چنین نتایج تحقیق نشان می دهد که در دوره یاد شده، ضمن افزایش کاربری باغات متراکم، باغات کم تراکم، مسکونی و صنعتی، تخریب و تبدیل شدن اراضی مرتعی و اراضی دیم در سطح قابل توجهی صورت گرفته است که نقش مهمی در افزایش آسیب پذیری منطقه مورد مطالعه در مقابل فرسایش خاک دارد.

پایش تغییرات کاربری اراضی و پوشش گیاهی، نقش مهمی در مدیریت شهری دارد. هدف این مطالعه، بررسی تغییرات پوشش گیاهی کلان شهر اهواز در ارتباط با تغییرات کاربری اراضی است. ابتدا تصاویر ماهواره ای با الگوریتم ماشین بردار پشتیبان روش شیءگرا، طبقه بندی شده و نقشه های کاربری اراضی تهیه گردید. برای افزایش دقت نقشه ها، از سه شاخص نرمال شده تفاوت پوشش گیاهی، تعدیل کننده اثر خاک و پوشش گیاهی نسبی به طور جداگانه در طبقه بندی استفاده شد. نتایج نشان داد شاخص تعدیل کننده اثر خاک، قابلیت بالاتری داشته و نقشه های آن با بالاترین ضرایب کاپا و صحت کلی، جهت آشکارسازی تغییرات وارد مدل ساز تغییر سرزمین شدند. پیش بینی تغییرات در 10 سال آینده نیز با مدل سلول های خودکار زنجیره مارکوف انجام شد. نتایج بررسی تغییرات نشان داد، پوشش گیاهی روند کاهشی داشته، به طوری که 65/1339 هکتار در بازه 2002-1989 و 50/1860 هکتار در بازه 2019-2002، از پوشش گیاهی کاسته شده است. بیش ترین تغییرات مربوط به تبدیل پوشش گیاهی به نواحی ساخته شده با 44/686 هکتار در بازه 2002-1989 و 51/1032 هکتار در بازه 2019-2002 است. کمترین تغییرات مربوط به تبدیل پوشش گیاهی به پهنه های آب با 18/7 هکتار در بازه 2002-1989 و 33/9 هکتار در بازه 2019-2002 است. نتایج پیش بینی تغییرات تا سال 2029 نیز مؤید کاهش پوشش گیاهی بوده و طی 10 سال 77/785 هکتار از پوشش گیاهی کاسته شده و مساحت آن به 24/2923 هکتار خواهد رسید.

زمین به عنوان یک سطح پیوسته می تواند به واحدهای دارای خصوصیات فیزیکی و مورفولوژیکی مشترک طبقه بندی شود که ممکن است به عنوان یک شرط مرزی برای طیف گسترده ای از حوزه های کاربردی باشد. این مطالعه روشی برای طبقه بندی فرم زمین ارائه می دهد که ژئومورفومتری عمومی چشم انداز را نشان می دهد. در پژوهش حاضر شهرستان ماکو در آذربایجان غربی بنا به شرایط خاص منطقه ازنظر مورفولوژی و محیط پیرامونی انتخاب و برای استخراج لندفرم ها از روش فازی شیءگرا استفاده شد. به منظور انجام پردازش، مشتقات لایه رقومی ارتفاع (شیب، بافت انحنای حداکثر، حداقل، مسطح و انحنای پروفیل) به همراه تصویر ماهواره سنتینل 2A مورد استفاده قرار گرفت. پس از انجام مراحل پیش پردازش، ابتدا مقیاس بهینه سگمنت سازی با استفاده از افزونه ESP پیش بینی گردید و سپس اشیاء تصویر برای انجام پردازش با مقیاس 9 و 17 و 27 ایجاد شد. به منظور استخراج لندفرم ها از تعداد 160 نمونه زمینی استفاده و درجه عضویت الگوریتم های مختلف محاسبه گردید و الگوریتم هایی که بیشترین درجه عضویت را داشتند برای طبقه بندی استفاده شدند. در این تحقیق تعداد 14 نوع لندفرم در منطقه مطالعه شناسایی و استخراج گردید. نتایج تحقیق نشان می دهد که روش فازی شیءگرا توانسته است با دقت کلی 87 درصد و شاخص کاپای 85 درصد لندفرم ها را طبقه بندی کند. مزیت روش های شیءگرا این است که خیلی سریع بوده و نتایج دارای دقت خوب و بالایی هستند.

طبقه بندی جهت استخراج کاربری های اراضی همیشه یکی از مهم ترین کاربردهای سنجش از دور بوده و به همین دلیل روش های متفاوتی ایجاد شده اند. با گذشت زمان روش های پیشرفته تر و با دقت بالاتری به وجود آمدند که باعث افزایش دقت شده و در استخراج کلاس هایی که از نظر طیفی به هم نزدیک تر بودند بهتر عمل کرده اند. الگوریتم های شناسایی تغییرات در تصاویر سنجش از دور به دو دسته پیکسل پایه و شیءگرا بر پایه حداقل واحد پردازش تقسیم می شوند. هدف از این پژوهش ارزیابی و تهیه نقشه کاربری اراضی حوضه آبخیز نیرچای در استان اردبیل با استفاده از روش شیءگرا می باشد. طبقه بندی کاربری اراضی شامل قطعه بندی داده های تصویر با استفاده از الگوریتم قطعه بندی چند مقیاسه در محیط نرم افزار eCognition انجام شد. سپس این قطعات انتخاب شده و با استفاده از الگوریتم نزدیک ترین همسایه شیءگرا طبقه بندی و ارزیابی صحت انجام شد. نتایج نشان داد که طبقه بندی شیءگرا با صحت کلی 99 و ضریب کاپای 88/0 درصد که نشان دهنده صحت بالای روش شیءگرا در طبقه بندی است. همچنین نقشه کاربری اراضی نشان داد که کاربری مناطق آبی و مراتع ضعیف به ترتیب کم ترین (70 هکتار) و بیش ترین (8069 هکتار) مساحت را به خود اختصاص داده اند.

دمایی سطح زمین (LST) یکی از پارامترهای مهم در مطالعه تغییرات آب و هوایی و فرآیندهای فیزیکی سطح زمین است. در این مطالعه، ابتدا تأثیر تغییرات کاربری اراضی بر دمای سطح زمین در شهر اهواز مورد بررسی قرار گرفت. برای این کار، تصاویر ماهواره ای سال های 2002، 2013 و 2020 با روش شیءگرا، طبقه بندی شده و دمای سطح زمین با استفاده از الگوریتم پنجره مجزا محاسبه گردید. در ادامه جهت بررسی الگوهای مکانی زمانی دمای سطح زمین و جزایر حرارتی، از سه شاخص NDVI، UHII و UHIII استفاده شده و دمای طبقات پوشش گیاهی استخراج گردید. مقادیر خطای RMSE بین دمای اندازه گیری شده میدانی و دمای استخراج شده از تصاویر سال های 2002، 2013 و 2020 به ترتیب 79/1، 66/1 و 98/0 محاسبه شد. نتایج نشان داد؛ در سال های 2002-2020 نواحی ساخته شده و نواحی بایر به ترتیب 69/5779 و 66/2521 هکتار افزایش و پوشش گیاهی و پهنه های آب به ترتیب 15/3200 و 89/57 هکتار کاهش یافته است. طی این دوره، دمای سطح زمین در نواحی ساخته شده، نواحی بایر، پوشش گیاهی و پهنه های آب به ترتیب 10/4، 26/5، 32/6 و 93/3 درجه افزایش پیدا کرده است. همچنین شاخص UHIII روند افزایشی داشته و بیشترین شدت جزایر حرارتی در سال های 2002، 2013 و 2020 به ترتیب در نواحی جنوبی، شرقی و شمال غربی شهر بوده است. نتایج تحلیل همبستگی دو متغیر LST و NDVI، گویای ارتباط منفی قوی بین آن ها بوده و افزایش شاخص UHIII با کاهش مقادیر پوشش گیاهی ارتباط مستقیم داشته است. بنابراین، پوشش گیاهی اثر مهمی در کاهش دمای سطح زمین و شدت جزایر حرارتی دارد.

فرآیندهای سطح زمین در مقیاس های مکانی-زمانی مختلف عمل می کنند و شکل های زمینی را تولید می کنند که در یک سلسله مراتب تودرتو ساختاریافته اند. شیوه ی استخراج نیمه خودکار انواع لندفرم های منتخب از مدل های رقومی ارتفاعی DEM از اهمیت بالایی برخوردار است. لندفرم یک عارضه ژئومورفیک از سطح زمین است که خصوصیات ظاهری خاص داشته و شکل آن را می توان تشخیص داد. در حال حاضر طبقه بندی لندفرم ها عموماً مبتنی بر تشخیص کارشناسی است که به طریق دستی و با استفاده از عکس های هوایی، نقشه های توپوگرافی و برداشت های صحرایی انجام می گیرد که روشی زمان بر، پرهزینه، کم دقت و تکرار نشدنی است. در این پژوهش از 5 مشتق اصلی  DEM5/12 متری ماهواره ALOS (لایه ی شیب، لایه جهت شیب، لایه ی خمیدگی، لایه ی جریان تجمعی و لایه ی ارتفاع) و همچنین از تصاویر ماهواره ای  Sentinel-2و شاخص پوشش گیاهی NDVI به عنوان لایه های کمکی استفاده گردیده، سگمنت سازی که در این منطقه صورت گرفت با استفاده از روش segmentation multi resolation انجام شد. در این سگمنت سازی به لایه ارتفاع، ارزش 3 و به لایه خمیدگی ارزش 2 و به بقیه ی لایه ها ارزش 1 داده شد و در قسمت Composition of homogeneity criterion، به Shape 7/0 و Compactness 3/0 و پارامتر مقیاس 50 در نظر گرفته شد و سپس با استفاده از الگوریتم های Layer Values   و Geometry و دستورات assign class به طبقه بندی لندفرم های واقع در دامنه های غربی و جنوب غربی زاگرس (محدوده ی شهرستان الیگودرز) اقدام شده است. نتایج نشان داد که استفاده از الگوریتم های Layer Values و Geometry و دستورات assign class توانایی خوبی در جداسازی و طبقه بندی لندفرم ها دارند، به گونه ای که 8 نوع لندفرم (دامنه، یال، پهنه های آبی، پرتگاه، قله، خط الرأس، دشت های پست و دشت های مرتفع) با ضریب کاپا 87/0 و دقت کلی 71/91 درصد استخراج گردید. لندفرم های یال بیشترین بخش منطقه را تشکیل داده و لندفرم های غالب منطقه محسوب می شوند و توزیع مناسبی در قسمت های مختلف دارند ولی لندفرم های قله با حداقل مساحت فقط بخش محدودی از منطقه ی موردمطالعه را تشکیل داده است.