پردازش شی گرا

تغییرات کاربری اراضی از جمله فرآیند های اجتناب ناپذیر و محصول واکنش میان عوامل انسانی و طبیعی می باشد. داده های سنجش از دور و روش های نوین در زمینه پردازش تصاویر ماهواره ای به طور گسترده ای برای تعیین نوع، مقدار و محل تغییر کاربری زمین استفاده می گردد. نقشه های کاربری اراضی و نقشه های پیش بینی تغییرات مکانی-زمانی کاربری اراضی، تأمین کننده بخش عمده ای از اطلاعات مورد نیاز برنامه ریزان و مدیران شهری در زمینه اتخاذ تدابیر صحیح و تصمیم گیری های اصولی در جهت نیل به توسعه پایدار شهری می باشند. در این مطالعه با پردازش شی گرا تصاویر ماهواره ای لندست متعلق به سال های 1384، 1389 و 1394 به مدل سازی تغییرات دینامیک کاربری اراضی شهر شیراز پرداخته و از مدل تلفیقی زنجیره مارکوف- سلول های خودکار در طی دو مرحله، برای پیش بینی تغییرات کاربری اراضی استفاده شده است. در مرحله اول، با استفاده از نقشه کاربری اراضی سال های 1384 و 1389، کاربری اراضی سال 1394 پیش بینی گردید. به منظور صحت سنجی نتایج حاصله، از نقشه کاربری اراضی سال 1394 استفاده و نتایج نشان دهنده دقت 89 درصدی مدل در این مرحله می باشد. در مرحله بعد، با تنظیم پارامتر های مدل طبق مرحله قبل، با استفاده از نقشه کاربری اراضی سال های 1389 و 1394 به مدل سازی کاربری اراضی سال 1399 پرداخته شد. نتایج حاصل از بررسی تغییرات صورت گرفته در بازه 20 ساله مورد بررسی، نشان دهنده تغییر مساحت اراضی ساختمانی از 38 کیلومترمربع در سال 1384 به 142 کیلومترمربع در سال 1399 می باشد که حاکی از رشد قابل توجه اراضی مسکونی در محدوده زمانی مورد بررسی بوده و نیازمند تدوین برنامه های اصولی در زمینه بهبود مدیریت شهری می باشد.

یکی از راه های تهیه نقشه های پوشش گیاهی و کاربری اراضی، استفاده از داده های ماهواره ای و فرآیند طبقه بندی تصاویر است. با استفاده از تصاویرماهواره ای بررسی، شناخت و ارزیابی پدیده های مختلف و استخراج اطلاعات لازم برای برنامه ریزی منابع زمینی یا سایر مقاصد به سهولت انجام می گیرد. هدف پژوهش مقایسه میزان کارایی هفت روش رایج طبقه بندی نظارت شده داده های ماهواره ای در ارزیابی تغییرات کاربری اراضی با استفاده از تصاویر سنجنده TM و OLIماهواره لندست و IRS و اسپات5 و کوئیک برد و ترکیب های رنگی متفاوتی از این تصاویر جهت استخراج کاربری های اراضی زراعی، مناطق مسکونی و مناطق آبی با استفاده از پردازش شی گرا می باشد. ابتدا نمونه های آموزشی در پنج کلاس کاربری به وسیله نرم افزار ایکاگنیشن با استفاده از بهینه سازی مقیاس سگمنت سازی با استفاده از ترکیب های رنگی متفاوت و ضرایب شکل و فشردگی استخراج شد. مقیاس مناسب جهت سگمنت سازی برای اراضی زراعی، مقیاس 50 ، برای عوارض انسانی 8 و در نهایت برای مناطق آبی 10 به دست آمد. سپس هر تصویر به طور جداگانه با استفاده از هفت روش طبقه بندی (مانند روش شبکه عصبی) و نمونه های مستخرج، طبقه بندی شده و میزان کارایی هر روش با محاسبه دو شاخص صحت کلی و ضریب کاپا بررسی گردید. نتایج به دست آمده نشان دهنده میزان دقت هر یک از روش های طبقه بندی بوده که شبکه عصبی با دقت کلی 475/94 و ضریب کاپای 095/92 به عنوان دقیق ترین روش طبقه بندی انتخاب شد. این نتایج نشان می دهد که برداشت نمونه های تعلیمی با دقت مناسب از طبقات موجود در تصاویر و همچنین بررسی میزان احتمال تعلق هر یک از پیکسل های تصاویر ماهواره ای به این طبقات، به خوبی می تواند در طبقه بندی گروه های موجود در منطقه مفید واقع شود.