حداکثر احتمال

یکی از ضروری ترین اطلاعات مورد نیاز مدیران و متولیان منابع طبیعی، نقشه های کاربری اراضی می باشد. داده های ماهواره ای، به جهت ارایه ی اطلاعات به هنگام و رقومی، تنوع اشکال و امکان پردازش در تهیه ی نقشه های کاربری اراضی از اهمیت بالایی برخوردارند. از سویی دیگر در سال های اخیر به طور وسیع و گسترده جهت طبقه بندی تصاویر ماهواره ای از روش های طبقه بندی پیشرفته از قبیل شبکه های عصبی مصنوعی، مجموعه های فازی و سیستم های هوشمند استفاده می شود. هدف اصلی این تحقیق مقایسه ی دو روش مختلف جهت طبقه بندی کاربری اراضی با استفاده از تصاویر ASTER می باشد. بدین منظور با استفاده از تصویر ماهواره ای ASTER و دو الگوریتم طبقه بندی نظارت شده شامل حداکثر احتمال و شبکه ی عصبی مصنوعی، نقشه ی کاربری اراضی تهیه گردید. در طبقه بندی با استفاده از الگوریتم شبکه ی عصبی از یک شبکه ی پرسپترون با یک لایه ی پنهان و 14 نرون ورودی، 9 نرون میانی و 6 نرون خروجی استفاده شده است که تعداد نرون های ورودی همان تعداد باندهای تصویر ماهواره ای ASTER و تعداد نرون های خروجی همان تعداد کلاس های نقشه ی کاربری اراضی می-باشد. برای آموزش شبکه نیز از الگوریتم انتشار برگشتی استفاده شده است. نتایج حاصل از ارزیابی دقت این دو روش با استفاده از تعیین ضریب کاپا نشان داده است که الگوریتم شبکه ی عصبی با ضریب 86/0 نسبت به الگوریتم حداکثر احتمال با ضریب 69/0 از دقت بیشتری برخوردار است. نتایج این مطالعه همچنین نشان می دهد الگوریتم های سنتی طبقه-بندی مانند روش های آماری به خاطر انعطاف پذیری پایین و انواع پارامتریک آن مانند روش حداکثر احتمال به خاطر وابستگی به مدل آمار گوسی نمی توانند نتایج بهینه ای، در صورت نرمال نبودن داده های آموزشی فراهم آورند در حالیکه دلیل موفقیت الگوریتم شبکه ی عصبی مصنوعی در سنجش از دور این است که می تواند داده هایی با منابع مختلف را با هم تلفیق نماید.

شناخت لندفرم ها و تغییرات آن ها از نیازهای اساسی ژئومورفولوژی مناطق بیابانی به منظور مدیریت آن هاست. یکی از روش هایی که در شناخت تغییرات لندفرم ها مورداستفاده قرار می گیرد طبقه بندی پدیده ها و عوارض زمین با داده های سنجش ازدور در زمان های مختلف می باشد. هدف از این پژوهش، کارایی سه الگویتم نظارت شده حداکثر شباهت، فاصله ماهالانوبیس و حداقل فاصله برای طبقه بندی لندفرم های بخشی از دشت یزد-اردکان و بررسی تغییرات آن هاست. بدین منظور از تصاویر سنجنده های TM ، ETM و OLI ماهواره Landsat مربوط به سال های 1987، 2000 و 2016، در بازه زمانی 30 ساله استفاده شد. ابتدا تصحیحات لازم بر روی تصاویر انجام گردید و سپس با بازدیدهای میدانی و بر پایه نقشه های توپوگرافی، ژئومورفولوژی و تصاویر گوگل ارث، لندفرم های ژئومورفولوژی منطقه موردمطالعه تعریف و نمونه های آموزشی انتخاب گردید. نتایج ارزیابی دقت تصاویر طبقه بندی نشان داد الگوریتم حداکثر شباهت در سال های 1987 و2000 و 2016، به ترتیب با دقت کلی 50/91، 22/93 و 35/93 و ضریب کاپا 87/0، 89/0 و 89 /0 نسبت به دو الگوریتم دیگر، عملکرد بهتری در تهیه نقشه ژئومورفولوژی و تغییرات آن داشت. بر این اساس به منظور شناخت وضعیت تغییرات لندفرم ها از روش آشکارسازی تغییرات ""پس از طبقه بندی"" از روش الگوریتم حداکثر شباهت استفاده شد و نقشه ماهیت تغییرات تهیه شد. همچنین نتایج طبقه بندی و تحلیل تغییرات لندفرم ها  طی 30 سال با روش الگوریتم حداکثر شباهت نشان داد که سبخا و لندفرم های موجود بروی دشت سر پوشیده به جز تپه های ماسه ای مواج دارای روند نزولی تا سال 2016 بودند و در تغییرات لندفرم های بیابانی منطقه عوامل طبیعی توأم با عوامل انسانی نقش داشتند. به طورکلی این نتایج نمایانگر آن است که در محدوده موردمطالعه در طی 30 سال، نه تنها بر وسعت اراضی بیابانی افزوده نشده است، بلکه از محدوده اراضی بیابانی کاسته شده و بر دیگر کاربری ها افزوده شده است . همچنین در شرق و غرب منطقه مرز لندفرم ها تغییر کرده است.

با توجه به اینکه الگوریتم های متنوعی برای طبقه بندی تصاویر ماهواره ای در سنجش از دور توسعه یافته اند، انتخاب الگوریتم مناسب طبقه بندی در دستیابی به نتایج صحیح نقش بسیاری ایفا می کند. به همین منظور در پژوهش حاضر، با مقایسه کارآیی صحت طبقه بندی دو الگوریتم حداکثر احتمال و ماشین های بردار پشتیبان، الگوریتم دقیق تر تعیین، و از آن برای بررسی روند تغییرات کاربری اراضی استفاده شد. تحقیق حاضر در حوزه آبخیز سیمینه رود و با استفاده از تصاویر سنجنده های TM، ETM + و OLI انجام گرفت. نتایج تحقیق نشان داد که الگوریتم ماشین بردار پشتیبان، درمقایسه با الگوریتم حداکثر احتمال، تصاویر ماهواره ای را بهتر طبقه بندی کرده است و از میان کرنل های ماشین بردار، کرنل تابع پایه شعاعی (RBF) کارآیی بهتری داشته است. بنابراین، از الگوریتم ماشین بردار پشتیبان با کرنل تابع پایه شعاعی برای تهیه نقشه کاربری اراضی دوره های مورد بررسی و تغییرات کاربری استفاده شد. بررسی روند تغییرات کاربری اراضی، با استفاده از این کرنل، مشخص کرد که در طی دوره های بررسی شده، مساحت کاربری های زراعت آبی از 30.535 هکتار به 67.210 هکتار، زراعت دیم از 79.909 هکتار به 123.383 هکتار و مناطق مسکونی از 474 هکتار به 1934 هکتار افزایش یافته است درحالی که مراتع از 259.811 هکتار به 178.398هکتار، و منابع آب از 240 هکتار به 41 هکتار روند کاهشی دارند.

این پژوهش با هدف استخراج نقشه کاربری اراضی شهری، با استفاده از مقایسه الگوریتم های مختلف طبقه بندی پیکسل پایه و شئ گرا می باشد. در این راستا الگوریتم های طبقه بندی پیکسل پایه ماشین بردار پشتیبان، حداکثر احتمال، شبکه عصبی مصنوعی، حداقل فاصله از میانگین، سطوح موازی و فاصله ماهالانوی مورد استفاده قرار گرفتند. در ادامه به مقایسه روش های مذکور با طبقه بندی شئ گرا جهت تهیه نقشه کاربری اراضی شهر زنجان با استفاده از تصویرماهواره ای Sentinel-2 با قدرت تفکیک مکانی  10 متر پرداخته شد. به منظور انجام پردازش تصویر مورد استفاده از نرم افزار های ENVI 5.3 ، SNAP ، eCognition و ArcGIS استفاده شده است. 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. نتایج بدست آمده، نشان می دهد که از بین روش های طبقه بندی پیکسل پایه مورد استفاده در این مطالعه، روش های طبقه بندی حداکثر احتمال و روش حداقل فاصله تا میانگین با ضریب کاپای به ترتیب 95/0درصد و 85/0 درصد از دقت قابل قبولی برخوردار هستند. هم چنین مقایسه نتایج حاصل از طبقه بندی پیکسل پایه و شئ گرا  نشان داد که روش شئ گرا با اعمال پارامترهای مؤثر در طبقه بندی و توسعه قوانین جهت اطلاح طبقه بندی اولیه شئ گرا با ضریب کاپای 95/0 درصد از نظر دقت در استخراج  نقشه کاربری اراضی از روش های پیکسل پایه از اولویت برخوردار است.

کشاورزی، محور توسعه است و سطح زیر کشت محصولات زراعی و باغی در بخش کشاورزی یک پارامتر مهم مدیریتی است. ارزیابی و تعیین دقیق سطح این پارامتر، برنامه ریزان را در توسعه کشاورزی یاری می دهد. به منظور غلبه بر محدودیت های کار میدانی در برآورد سطح زیر کشت محصولات کشاورزی، استفاده از تصاویر ماهواره ای به دلیل دید وسیع و یکپارچه، چند طیفی و به روز بودن گزینه مناسبی به نظر می رسد. در این تحقیق داده های ماهواره IRS-P6 به منظور برآورد سطح زیر کشت باغات در اراضی دشت شارویران شهرستان مهاباد مورد تجزیه و تحلیل قرار گرفت. به منظور استخراج بهتر اطلاعات، شاخص های مختلف با استفاده از روش های نسبت گیری باندی و تحلیل مولفه های اصلی تهیه شدند. طبقه بندی داده ها به روش نظارت شده و با الگوریتم های مختلف به دو صورت 7 کلاسه (طبقات کاربری اراضی) و 2 کلاسه (باغ و غیرباغ) انجام شد. صحت نقشه های حاصل از طبقه بندی در مقایسه با نقشه های واقعیت زمینی ارزیابی شد. بهترین صحت کلی و ضریب کاپا به ترتیب برابر %75/97 و 95/0 با الگوریتم حداکثر احتمال در طبقه بندی 2 کلاسه حاصل شد. نتایج نشان داد که داده های IRS-P6 برای شناسایی و پایش سطح زیر کشت باغات از لحاظ هزینه، زمان و دقت بسیار مناسب هستند

امروزه رشد مناطق شهری و تأثیر آن بر کاربری اراضی در جهان و بخصوص در کشورهای درحال توسعه به یک مسئله مهم زیست محیطی در علوم محیطی و برنامه ریزی شهری تبدیل شده است. هدف مطالعه حاضر تحلیل و پیشبینی رشد شهرهای بانه، مریوان و سقز بر کاربری اراضی در یک دورهی 45 سال (1987 تا 2032) با استفاده از مدل CA-Markov است. در مطالعه حاضر بررسی و مدلسازی نقشههای کاربری اراضی و رشد نواحی شهری با استفاده از تصاویر لندست و با اعمال الگوریتم Maximum Likelihood  و مدل CA-Markov در نرمافزارهای ENVI5.3 و IDRISI TerrSet انجام شد. نتایج این مطالعه با دقت بالای 80 درصد نشان میدهد در دورهی 1987 تا 2017  حدود  897/39 و 790/38 هکتار (در شهر مریوان) و 801 و 772/29 هکتار (در شهر بانه) به ترتیب از اراضی پوششگیاهی و زمینهای کشاورزی به نواحی شهری تبدیل شده است اما این روند برای شهر سقز کمتر بوده و رشد این شهر بیشتر نواحی بایر را به میزان 1249/29 هکتار تحت تأثیر قرار دادهاست.  همچنین نتایج مدل CA-Markov برای سال 2032 نشان داد در دورهی 2017 تا 2032 همانند دورهی قبل رشد شهر بانه در جهت شمال شرق، شهر مریوان در جهت شرق و شهر سقز در چهار جهت خواهد بود. در این دوره رشد نواحی شهری منجر به تخریب 511/29 و722/70 هکتار (در شهر بانه) و 1080 و2402/01 هکتار (در شهر مریوان) به ترتیب از اراضی زمینهای کشاورزی و نواحی بایر خواهد شد. از طرف دیگر رشد شهر سقز بیشتر اراضی بایر را به میزان 1511/46 هکتار تخریب خواهد کرد. بدیهی است یافتههای این مطالعه نقش مؤثری در برنامهریزیهای آینده دارد چراکه با آگاهی از روند رشد این نواحی میتوان جهات توسعه شهر را به جهات بهینه هدایت نمود و تخریب اراضی ناشی از رشد شهر و درنتیجه تأثیرات منفی تغییرات کاربری اراضی را به حداقل رساند.

تغییرات کاربری نقش مهمی در درک ارتباط متقابل بین فعالیت های بشر و محیط زیست دارد، بررسی این تغییرات به صورت توالی زمانی از گذشته و پیش بینی آن در آینده ضروری است. تهیه نقشه کاربری اراضی با بهره گیری از تکنیکهای سنجش از دوری، یکی از پرکاربردترین روش های تهیه نقشه کاربری اراضی و مقایسه کاربری های موجود است. هدف از این پژوهش، ارزیابی روند تغییرات اراضی حوزه شیرکوه در استان یزد و پیش بینی پوشش اراضی آن در سال 2024 است. بدین منظور نقشه های کاربری اراضی با استفاده از تصاویر سنجنده های TM و OLI لندست در سال های 2000 ،2008 و 2016 به روش طبقه بندی نظارت شده حداکثر احتمال تهیه گردید. سپس با استفاده از نقشه کاربری اراضی سال های 2000 و 2008، پوشش اراضی در سال 2016 پیش بینی شد و با نقشه کاربری اراضی سال 2016 که از طبقه بندی نظارت شده با استفاده از تصویر ماهواره ای به دست آمده بود، صحت سنجی شد. با استفاده از نقشه کاربری اراضی سال 2008 و 2016، پوشش اراضی مربوط به سال 2024 پیش بینی شد. نتایج روند تغییرات کاربری اراضی در 16 سال مورد بررسی (2000-2016) نشان داد که بطور متوسط سالانه 85/161 هکتار از مراتع غنی، 14/131 هکتار از مراتع فقیر و 72/7 هکتار از مساحت اراضی کشاورزی کاسته و 16/45 هکتار در هرسال به کاربری شهری و 72/265 هکتار به مناطق کوهستانی اضافه شده است. باتوجه به اینکه پوشش مرتع بیشتر در مناطق کوهستانی دیده می شود دلیل افزایش مساحت کوهستان به دلیل کاهش مساحت مراتع بوده است. نتایج پیش بینی پوشش اراضی در سال 2024 نشان داد که 55/0 درصد از کاربری کشاورزی، 82/0 درصد از مرتع غنی، 80/0 درصد مرتع فقیر، 51/0درصد اراضی شهری و 97/0درصد کوهستان بدون تغییر باقی می مانند. امکان تبدیل زمین های کشاورزی به مسکونی و مرتع فقیر 40/0 درصد می باشد.

فرسایش خاک یک فاکتور کلیدی محیطی می باشد، که تنها به فاکتورهای ژئواکولوژیک وابسته نیست بلکه به تغییرات کاربری اراضی و پوشش اراضی نیز وابسته است. تحقیق حاضر به ارزیابی تغییرات کاربری و تاثیر آن بر فرسایش خاک در تالاب هورالعظیم در استان خوزستان در جنوب غرب ایران و استان میسان در جنوب شرق کشور عراق می پردازد. برای انجام این تحقیق از تصاویرماهواره لندست مربوط به خرداد ماه سال های 1365 و 1395 استفاده شد. جهت طبقه بندی تصاویر، از روش طبقه بندی حداکثر احتمال استفاده و نقشه پوشش اراضی تالاب تهیه گردید. صحت طبقه بندی با محاسبه ضریب کاپا و صحت کلی با استفاده از ماتریس خطا ارزیابی شد. برای تصویر سنجنده TM ضریب کاپا و صحت کلی به ترتیب 85/0 و 92/0 و برای تصویر سنجنده OLI به ترتیب 89/0 و 94/0 برآورد گردید. در مرحله بعد فرسایش خاک منطقه با استفاده از معادله جهانی ارزیابی فرسایش خاک (RUSLE) برای دوره 1986-1395 ارزیابی شد. نتایج کلی گویای این مطلب است که در بازه بین سال های 1365 تا 1395 از مساحت طبقات پوشش اراضی دارای کلاس فرسایشی کم کاسته شده و به مساحت کلاس های فرسایشی زیاد و عمدتا به کلاس فرسایشی بیش از 5 تن در هکتار در سال افزوده شده است. بر اساس اطلاعات اطلاعات بدست آمده برای سال 1365 حدود 26 درصد از مساحت و برای سال 1395 در حدود 41 درصد از مساحت منطقه مقدار فرسایش از حد قابل قبول بیشتر بوده و در برخی قسمت ها بحرانی است. لذا نتایج حاصل از این مطالعه لزوم پرداختن به این مسئله و ارائه راه حل های حفاظتی و مدیریتی را روشن می کند.

آلودگی هوا یکی از مهم ترین مشکلات محیط زیستی در شهرها، به ویژه شهرهای صنعتی است که هرساله باعث بروز بیماری های قلبی عروقی و مرگ ومیر زیادی می شود. ارزیابی روند تغییرات مکانی پراکنش آلودگی هوا در مناطق دارای صنایع سنگین برای توسعه پایدار این مناطق ضروری است. با توجه به اهمیت شهرستان ماهشهر به عنوان یکی از قطب های صنعت پتروشیمی کشور، پژوهش حاضر غلظت آلاینده های NO 2 ، SO 2 ، O 3 و PM 10 در مناطق مختلف ناحیه صنعتی شهرستان ماهشهر، نقشه سازی آنها و ارتباط این آلاینده ها با کاربری های گوناگون را بررسی می کند. در این مطالعه، از تصاویر ماهواره ای سنتینل 2 مربوط به سال 1398‑1399 و نرم افزار ENVI 5.3 و روش طبقه بندی نظارت شده حداکثر احتمال به منظور طبقه بندی کاربری پوشش اراضی استفاده شده است. همچنین با استفاده از روش درون یابی KRIGING و داده های ایستگاه پایش کیفیت هوا، غلظت آلاینده های اشاره شده به صورت فصلی در سطح منطقه پهنه بندی، و از تحلیل واریانس (ANOVA) برای بررسی تفاوت میان غلظت آلاینده ها در کاربری ها و فصول مختلف سال استفاده شد. نتایج نشان داد که بیشترین کاربری در معرض خطر، کاربری صنعتی و کمترین کاربری در معرض خطر، کاربری کشاورزی است. همچنین کمترین میزان غلظت آلاینده های مطالعه شده به ایستگاه سربندر مربوط است. نتایج تحلیل واریانس نیز نشان داد که از میان فصول مختلف سال های 1398 و 1399، پاییز و زمستان بیشترین اختلاف معنا دار را دارند. نتایج این مطالعه در بازه زمانی 1398‑1399، به شناسایی آلودگی هوا و ارتباط آن با تغییرات کاربری اراضی و همچنین کنترل و کاهش میزان غلظت آلاینده ها در منطقه مدنظر کمک می کند.

در این پژوهش به منظور تعیین تغییرات کاربری اراضی محدوده معدنی مس سرچشمه، از داده های ماهواره ای سری زمانی لندست در طی دوره 46 ساله از 1972 تا 2018 میلادی استفاده شده است. جهت این امر روش های پردازش تصاویر ماهواره ای از جمله روش-های طبقه بندی حداکثر احتمال و تعیین تغییرات پس از طبقه بندی مورد استفاده قرار گرفتند. جهت انجام طبقه بندی کاربری اراضی کلاس های محدوده معدنی، محدوده صنعتی، پوشش گیاهی و زمین بایر تعریف شدند. نتایج حاصله با داده های واقعی با استفاده از روش صحت کلی و ضریب کاپا اعتبارسنجی شدند. نقشه کاربری اراضی در بازه های 5 ساله تهیه گردید و در نهایت با روش تعیین تغییرات پس از طبقه بندی برای دوره های 5 ساله، 16 ساله و 46 ساله جهت آشکارسازی میزان تغییرات کاربری از یک طبقه به سایر طبقات مورد تحلیل قرار گرفتند. تغییرات کاربری اراضی و پوشش زمین در محدوده معدن سرچشمه بین زوج تصویرهای سال های در دوره های 5 ساله 1984-1972 و 1988-1984 و 1993-1988 و 1998-1993 و 2003-1998 و 2008-2003 و 2013-2008 و 2018-2013 و دوره های 16 ساله 1972-1988 و 1988-2003 و 2003-2018 و دوره 46 ساله 1972-2018 میلادی بررسی شد. نتایج حاصله نشان داد که حداکثر تغییرات از سال 1972 تا 2018، در محدوده معدنی به مساحت 4/15 کیلومتر مربع و در محدوده صنعتی به 6/3 کیلومتر مربع و پوشش گیاهی به مساحت 8/0 کیلومتر مربع می باشد. با انجام این تحقیق میزان تغییرات در هر کاربری، جهت گسترش معدن، باطله ها و ناحیه صنعتی را مشخص و سیاست های توسعه ای و زیست محیطی لازم را جهت توسعه پایدار معدن در آینده برنامه ریزی نمود.

تغییرات پوشش و کاربری زمین در اثر فعالیت های انسانی تاثیرات نامطلوبی بر محیط زیست بر جای گذاشته است. مناطق شرقی استان اردبیل نمونه بارز این پدیده به شمار می آید. هدف از این تحقیق تجزیه و تحلیل تغییرات مکانی و زمانی در پوشش و کاربری زمین و اثرات آن بر دمای سطح زمین در دریاچه نئور می باشد. برای برآورد کاربری و پوشش زمین از مدل های جنگل تصادفی (RTC)، مدل حداکثر احتمال (MLC) و ماشین بردار پشتیبانی(SVM) استفاده شده و کارایی هر کدام توسط ضریب کاپا برآورد گردیده و مشاهده شد که مدل SVM از بیشترین میزان ضریب کاپا ( 87/0) برخوردار است.  برای استخراج شاخص LST نیز از باندهای 6 لندست 5 و 10 لندست 8 بهره گرفته شده و مشاهده شد که بخش غربی دریاچه با افزایش دمای سطح زمین مواجه گردیده است. در طول دوره زمانی 2002، 2013 و 2022 تغییرات قابل توجهی در پهنه آبی دریاچه نئور و پوشش های گیاهی مجاور آن مشاهده شد. زمین های بایر بیشترین وسعت را در تمام دوره های مورد مطالعه داشته است. پوشش گیاهی بر اساس مدل SVM حدود 04/1 کیلومتر مربع افزایش یافته است. مساحت سطح دریاچه بر اساس مدل MLC در سال 2002 معادل 19/3 کیلومتر مربع برآورد گردید. مساحت پهنه آبی در مدل MLC در بازه زمانی 2002 تا 2022 حدود 56/1 کیلومتر مربع کاهش یافته و این میزان کاهش برای مدل های RTC و SVM به ترتیب معادل 67/0 و 69/0 کیلومتر مربع می باشد.