ارزیابی صحت

امروزه تصاویر سنجش از دور قادر به ارائه جدیدترین اطلاعات در جهت مطالعه پوشش زمین و کاربری های اراضی می باشند، که ارزش و قابلیت استفاده از نقشه های تولیدی، به میزان صحت آنها بستگی دارد؛ از این رو هدف این پژوهش ارزیابی صحت طبقه بندی تصویر سنجنده LISS-III ماهواره IRS-P6 با استفاده از پایگاه اطلاعاتی Google Earth به منظور تهیه نقشه پوشش/کاربری اراضی بوده است، لذا از تصاویر ماهواره Quickbird که توسط نرم افزار Google Earth ارائه می شود، هم برای تعیین نمونه های تعلیمی و هم برای ارزیابی دقت طبقه بندی استفاده شد. منطقه مورد مطالعه شهرستان طالقان، از توابع استان البرز بوده که در محدوده حوزه آبخیز طالقان واقع شده است. در این پژوهش قبل از تعیین نمونه های تعلیمی به منظور بررسی دقت تصویر Google Earth از لایه های رقومی خطی (جاده ها و آبراهه ها) که دارای مختصات زمینی بودند استفاده شد که خطای مجذور ریشه مربعات معدل 77 / 0 بدست آمد. در مرحله بعد پس از تعیین نمونه های تعلیمی، تصویر ماهواره ای مذکور بر مبنای طبقه بندی نظارت شده و با خوارزمیک بیشینه احتمال با استفاده از نرم افزار 4/ ENVI 2 به پنج طبقه باغ، کشاورزی، مرتع، دریاچه و فاقد پوشش طبقه بندی گردیدند که ضریب کاپای طبقه بندی 85 / 0 و دقت کلی 4/ 91 به دست آمد. نتایج این پژوهش نشان داد که تصاویر نرم افزار Google Earth به منظور ارزیابی صحت طبقه بندی در برخی مناطق دقت مکانی بالایی دارند و همچنین استفاده از ویژگی های اکولوژیک مانند شیب منطقه، شبکه هیدرولوژی و... این دقت را افزایش می دهد.در نهایت پیشنهاد می شود از تصاویر ماهواره ای Google Earth به منظور ارزیابی صحت طبقه بندی تصاویر ماهواره ای و حتی تفسیر بصری پوشش/کاربری اراضی استفاده گردد.

گرد و غبار یکی از رویدادهای جوی مناطق خشک و نیمه خشک جهان است که در سال های اخیر افزایش قابل توجه ای داشته و آثار و پیامدهای نامطلوبی را در بخش های مختلف بر جای گذاشته است. در این پژوهش از تصاویر سنجنده مودیس به منظور شناسایی و انتخاب بهترین الگوریتم تشخیص گرد و غبار استفاده شد. بدین منظور سه رویداد گرد و غبار جنوب غرب ایران در سال 2012 با استفاده از پنج الگوریتم مختلف شناسایی شامل BTD آکرمن، شاخص گرد و غبار، میلر، TIIDI و DUST RGB ، بارزسازی شدند و روش ها مورد مقایسه قرار گرفتند. بررسی های به عمل آمده نشان داد که روش های BTD آکرمن، شاخص گرد و غبار و میلر نیازمند تنظیم آستانه برای هر رویداد هستند؛ از این رو آستانه های مناسب برای هر رویداد با استفاده از روش هیستوگرام تعیین و ریزگردها شناسایی شدند. روش TIIDI نیز قابلیت تفکیک گرد و غبار از سایر پدیده ها را بر روی زمین داشت ولی نتوانست گرد و غبار روی آب را به خوبی بارزسازی کند. در روش DUST RGB به خوبی گرد و غبار از بقیه عوارض قابل تشخیص بود. همچنین نتایج طبقه بندی و ارزیابی صحت تصاویر نشان داد که در هر سه رویداد گرد و غبار، روش DUST RGB بالاترین صحت کلی را در میان سایر روش ها دارا می باشد. بنابراین بر اساس نتایج به دست آمده از ماتریس خطا و ارزیابی صحت، روش مذکور به عنوان بهترین الگوریتم شناسایی گرد و غبار انتخاب گردید.

این مطالعه با هدف پیش بینی تغییرات کاربری اراضی شرق استان مازندران (شهرستان های نکا، بهشهر و توابع آنها) با استفاده از شبکه عصبی مصنوعی در محیط GIS انجام شد. تصاویر ماهواره لندست[1]  متعلق به سال های 1366 و 1380 برای آشکارسازی تغییرات منطقه به کار رفت؛ سپس با بهره گیری از پرسپترون چند لایه[2]  شبکه عصبی مصنوعی، مدل سازی پتانسیل انتقال برای 7 زیرمدل اجرا شد و درنهایت مدل سازی تغییرات کاربری اراضی با دوره واسنجی 1366- 1380 برای سال 1385 با زنجیره مارکف و مدل پیش بینی سخت انجام پذیرفت. ارزیابی صحت مدل با بهره گیری از مقادیر موفقیت خنثی، موفقیت، خطا و هشدار خطا تعیین و درنهایت پیش بینی تغییرات کاربری اراضی برای سال 1394 انجام شد. نتایج نشان داد طی سال های 1366 تا 1380، به ترتیب 1964 و 1197 هکتار از وسعت جنگل ها و باغ ها کاسته و 1182 و 1978 هکتار به وسعت اراضی کشاورزی و مناطق مسکونی اضافه شده است. نتایج مدل سازی پتانسیل انتقال در همه زیرمدل ها صحت زیادی (67- 89درصد) را نشان داد. خطای کل پیش بینی مدل 98/9درصد بود که نشان دهنده کارایی و قابلیت زیاد مدل است. همچنین نتایج پیش بینی نشان داد مساحت اراضی جنگلی در سال 1394 نسبت به 1385 کاهش و مناطق مسکونی، اراضی کشاورزی و باغ ها افزایش خواهد یافت.

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

دینامیک بودن یکی از ویژگی های مهم مناطق شهری است که به تبع آن نیازمندی به اطلاعات بروز و دقیق از تغییرات شهری برای مدیریت منابع شهری را مطرح می سازد. بنابراین تشخیص خودکار عوارض شهری در تصاویر هوایی و ماهواره ای در گستره وسیعی از جمله مدیریت بحران و برنامه ریزی شهری از اهمیت زیادی برخوردار است. در تحقیق حاضر سعی شد تا با استخراج ساختمان ها با روش شیءگرا و ارزیابی دقت حاصل از طبقه بندی به معرفی شاخص های بهینه برای ارائه چارچوبی نیمه اتوماتیک پرداخته شود که هم از دقت بالایی برخوارد باشد و استخراج عوارض شهری از تصاویر ماهواره ای را در کمترین زمان میسر سازد. فرآیند انجام تحقیق مبتنی بر روش پردازش شیء گرا عکس هوایی تهیه شده با پهباد در شهر ورزقان است. در این راستا، از قابلیت تکنیکهای پردازش شیء گرا در ارائه انواع الگوریتم ها و ایجاد الگوهای پردازش نیمه خودکار استفاده شده است. برای این منظور تصاویر با مقیاس 80، بخش بندی شده و سپس با الگوریتم تقسیم بندی چند متغیره مورد تجزیه تحلیل قرار گرفت. طبقه بندی کلاس ها با بررسی آستانه ها کارآمد برای 10 الگوریتم ژئومتری و مکانی انجام شده و دقت حاصله با استفاده از نقاط کنترل مورد ارزیابی قرار گرفت. درراستای سنجش کارآمدی روشهای پردازش شیءگرا، نتایج نشان می دهد که شاخص شکل با دقت 97% ، ضریب کاپای 0.94 و ضریب روشنایی با دقت 98% ، ضریب کاپای 0.96 از قابلیت موثری برای استخراج ساختمانهای شهری برخوردار هستند. نتایج این تحقیق درارائه پارامترهای کارآمد برای استخراج انواع عوراض شهری از کاربردهای متعددی برخوردار بوده و علاوه بر متخصصین سنجش از دور، می تواند برای برنامه ریزان و تصمیم گیران شهری در راستای شناسایی ساخت و سازها و در کل بررسی تغییرات شهری از قابلیت بالایی برخوردار باشد.