ارزیابی و تهیه نقشه کاربری اراضی حوضه آبخیز نیرچای با استفاده از روش شیءگرا

عابدینی, موسی; پاسبان, امیرحسام; نظافت تکله, بهروز

doi:10.22034/gahr.2023.393602.1849

ارزیابی و تهیه نقشه کاربری اراضی حوضه آبخیز نیرچای با استفاده از روش شیءگرا

نوع مقاله : مقاله پژوهشی

نویسندگان

¹ *، استاد گروه جغرافیای طبیعی(گرایش ژئومورفولوژی)، دانشکده علوم اجتماعی، دانشگاه محقق اردبیلی، اردبیل، ایران

² دانشجوی دکترای گروه جغرافیای طبیعی دانشگاه محقق اردبیلی

³ دانشجوی دکتری گروه جغرافیای طبیعی، دانشگاه محقق اردبیلی، اردبیل، ایران

10.22034/gahr.2023.393602.1849

چکیده

طبقه‌بندی جهت استخراج کاربری‌های اراضی همیشه یکی از مهم‌ترین کاربردهای سنجش از دور بوده و به همین دلیل روش‌های متفاوتی ایجاد شده‌اند. با گذشت زمان روش‌های پیشرفته‌تر و با دقت بالاتری به‌وجود آمدند که باعث افزایش دقت شده و در استخراج کلاس‌هایی که از نظر طیفی به‌هم نزدیک‌تر بودند بهتر عمل کرده‌اند. الگوریتم‌های شناسایی تغییرات در تصاویر سنجش از دور به دو دسته پیکسل‌پایه و شیءگرا بر پایه حداقل واحد پردازش تقسیم می‌شوند. هدف از این پژوهش ارزیابی و تهیه نقشه کاربری اراضی حوضه آبخیز نیرچای در استان اردبیل با استفاده از روش شیءگرا می‌باشد. طبقه‌بندی کاربری اراضی شامل قطعه‌بندی داده‌های تصویر با استفاده از الگوریتم قطعه‌بندی چند مقیاسه در محیط نرم افزار eCognition انجام شد. سپس این قطعات انتخاب‌شده و با استفاده از الگوریتم نزدیک‌ترین همسایه شیءگرا طبقه‌بندی و ارزیابی صحت انجام شد. نتایج نشان داد که طبقه‌بندی شیءگرا با صحت کلی 99 و ضریب کاپای 88/0 درصد که نشان‌دهنده صحت بالای روش شیءگرا در طبقه‌بندی است. همچنین نقشه کاربری اراضی نشان داد که کاربری مناطق آبی و مراتع ضعیف به‌ترتیب کم‌ترین (70 هکتار) و بیش‌ترین (8069 هکتار) مساحت را به خود اختصاص داده‌اند.

کلیدواژه‌ها

20.1001.1.26453851.1402.5.4.17.2

موضوعات

جغرافیای طبیعی

عنوان مقاله [English]

Evaluation and Preparation of Land Use Map of Nirchai Watershed Using object oriented method

نویسندگان [English]

Mousa Abedini ¹
AmirHesam Pasban ²
Behrouz nezafat taklhe ³

¹ Professor, Department of physical Geography, Faculty of Social Sciences, University of Mohaghegh Ardabili, Ardabili, Iran

² Physical Student Geography, University of Mohaghegh Ardabili

³ PhD Student in Natural Geography Department, University of Mohaghegh Ardabili, Ardabil, Iran.

چکیده [English]

Land use classification has always been one of the most important applications of remote sensing, and for this reason, different methods have been developed. With the passage of time, more advanced methods with higher accuracy were created, which increased the accuracy and performed better in extracting classes that were spectrally closer to each other. Algorithms for detecting changes in remote sensing images are divided into two categories: pixel-based and object-oriented, based on the minimum processing unit. The purpose of this research is to evaluate and prepare a land use map of the Nirchai watershed in Ardabil province using the object-oriented method. Land use classification including segmentation of image data was done using multi-scale segmentation algorithm in eCognition software environment. Then these parts were selected and classified and evaluated using the object-oriented nearest neighbor algorithm. The results showed that the object-oriented classification has an overall accuracy of 99 and a kappa coefficient of 0.88%, which indicates the high accuracy of the object-oriented method in classification. Also, the land use map showed that the use of water areas and poor pastures occupied the least (70 hectares) and the most (8069 hectares), respectively.

کلیدواژه‌ها [English]

Land use
Land cover
Object oriented
Nearest Neighbor
Nirchai

مراجع

آرخی، ص. 1394. آشکارسازی تغییرات پوشش/کاربری اراضی با پردازش شیءگرای تصاویر ماهواره‌ای با استفاده از نرم افزاز Idrisi selva در منطقه آبدانان، اطلاعات جغرافیایی سپهر، 24(95): 62-51.
اسمعیل‌پور، ف.، سرائی، م.ح.، رضایی، م.ر.، اسمعیل‌پور، ن. 1398. پیش بینی تغییرات کاربری اراضی و تعیین الگوی رشد شهری با استفاده از مدل زنجیره ای مارکوف و تصاویر ماهواره ای چندزمانه (مورد پژوهی: شهر اراک)، کاوش‌های جغرافیایی مناطق بیابانی، 7(1): 147-113.
امیدی‌پور، ر.، آزاد، ب.، یوسفی، ع.، شریفی مقدم، ا.، محمدی، ع. ر. 1397. تهیه نقشه کاربری اراضی با استفاده از طبقه بندی شیءگرا، اطلاعات جغرافیایی، 36(12): 215-205.
حاجی، خ.، اسمعلی‌عوری، ا.، مصطفی‌زاده، ر. 1401. ارزیابی تغییرات پوشش/کاربری اراضی با پردازش شیءگرای تصاویر ماهواره‌ای (2015-1985) در حوزه آبخیز روضه‌چای ارومیه، نشریه تحقیقات کاربردی علوم جغرافیایی، 22(66): 189-171.
خضری احمدآباد، م.، سلیمانی، ک. 1396. کاربرد تصاویر ماهواره ای برای تهیه نقشه کاربری اراضی حوضه آبخیز قزل اوزن با استفاده از تکنیک فیوژن و پردازش شی گراء، کاربرد سیستم اطلاعات جغرافیایی و سنجش از دور در برنامه‌ریزی، 8(3): 21-13.
رضایی مقدم، م. ح.، ولی زاده، خ.، اندریانی، ص.، الماس پور، ف. 1395. تعیین بهترین الگوریتم استخراج کاربری و پوشش اراضی و کشف تغییرات از تصاویر ماهواره‌ای لندست، حوضه صوفه چای، مراغه، 16(55): 85-65.
سلمانی، س.، ابراهیمی، ح.، محمدزاده، ک.، ولی‌زاده، ک.خ. 1398. ارزیابی تکنیک های مختلف طبقه بندی شی‌گرا در استخراج کاربری اراضی از تصاویر ماهواره آیکونوس، اطلاعات جغرافیایی، 28(111): 215-205.
عابدینی، م.، بهرام‌نیا، ف.، مصطفی‌زاده، ر.، پاسبان، ا. ح. 1402. بررسی تاثیر تغییرات کاربری اراضی در یک دوره بیست سال بر میزان فرسایش و رسوب حوضه رضی‌چای، جغرافیا و مطالعات محیطی، 12(45): 133-114.
عابدینی، م. 1400. بررسی کمی فرسایش خندقی و رسوبدهی با استفاده از شاخص های فرسایندگی باران، مورفومتری و رگرسیون خطی در حوضه آبخیز هرزند چای، نشریه تخریب و احیاء اراضی طبیعی، 2(3): 111-100.
غفاری، ص.، مرادی، ح.ر.، مدر، ر. 1394. مقایسه روش‌های طبقه‌بندی پیکسل‌پایه و شیءگرا در تهیه نقشه کاربری اراضی مطالعه موردی: دشت‌های اصفهان- برخوار، نجف‌آباد و چادگان، سنجش از دور و سامانه اطالعات جغرافیایی در منابع طبیعی، 9(1) 57-40.
فتحی‌زاد، ح.، تازه، م.، کلانتری، س. 1394. مقایسه کارآیی روش‌های طبقه‌بندی پیکسل پایه (روش‌های شبکه عصبی آرتمپ فازی و تصمیم‌گیری درختی) و شیءگرا در تهیه نقشه کاربری اراضی (مطالعه موردی: حوزه خشک و نیمه‌خشک میمه، استان ایلام). خشک بوم، 5(2): 69-82.
فیضی‌زاده، ب. 1396. مدل‌سازی تغییرات کاربری اراضی و اثرات آن بر سیستم فرسایش در حوضه سد علویان با استفاده از تکنیک‌های سنجش از دور و GIS، هیدروژئومورفولوژی، 3(11): 38-21.
کاظمی‌نیا، ع.ر. 1396. کاربرد سنجش از دور و GIS در بررسی پوشش گیاهی، مهندسی نقشه‌برداری و اطلاعات مکانی، 9(1): 85-75.
مددی، ع.، قلعه، ا.، عبادی، ا.، نظافت تکله، ب. 1401. بررسی ارتباط کاربری‌های مختلف با دمای سطح زمین مبتنی بر تحلیل خودهمبستگی فضایی موران با استفاده از داده‌های تصاویر ماهواره‌ای لندست مطالعه موردی: شهرستان کوثر، فضای جغرافیایی، 22(77): 119-99.
پاسبان، ا.ح.، عابدینی، م.، فروتن، م. 1401. ارزیابی و تحلیل میزان تاثیر کاربری اراضی بر فرسایش خاک با استفاده از مدل تجربی RUSLE مطالعه موردی: حوضه آبخیز بالیخلوچای، استان اردبیل، جغرافیا و روابط انسانی، 5(3): 258-238.

Baatz, M., Ursula,B., Seyed, D., Markus, H., Astrid, H., Peter, H., Iris, L., Matthias, M., Malte, S., Michaela, W. and Gregor,W., 2004. eCognition User Guide, Definiens Imaging GmbH, München Germany.
Batar, A.K., Watanabe, T., and Kumar, A. (2022), Assessment of land-use/land-cover change and forest fragmentation in the Garhwal Himalayan Region of India. Environments, 4(34):1-16.
D., M. Caprioli, E. Tarantino, 2005, Spatial Information Extraction from VHR Satellite Data to Detect Land Cover Transformations, Polytechnic University of Bari, Italy, pp.105.
Chavez, P. S., Berlin, G. L. and L. B. Sowers. (1982) Statistical methods for selecting Landsat MSS ratio. Journal of Applied Photogrammetric Engineering, 8(1):23-30.
Congalton, R.G., and K. Green. (2009) Assessing the accuracy of remotely sensed data: principles and practices. 2nd Ed, CRC Press Taylor & Francis Group, Boca Raton Florida. 179P.
Definiens Imaging GmbH, 2006. Defines Professional5 User Guide, http://www.definiens.com./Userguide.pdf 249 pp.
Han, J., Ge, W., Hei, Z., Cong, C., Ma, C., Xie, M., Liu, B., Feng, W., Wang, F., Jiao, J. 2020. Agricultural land-use and management weaken the soil erosion induced by extreme rainstorms, Agriculture, Ecosystems & Environment, 301: 107047.
Hietel, E., R. Waldhardt and A. Otte. 2020. Analyzing land-cover changes in relation to environmental variables in Hesse Germany. Landscape Ecology, 19: 473–489.
Igué A.M., Houndagba C. J., Gaiser T. and K. Stahr. (2022) Accuracy of the Land Use/Cover classification in the Oueme Basin of Benin (West Africa), International Journal of AgriScience, 2(2): 174-184.
Lillesand, T. M., Kiefer, R.W. and J. W., Chipman. (2008) Remote Sensing and Image Interpretation, John Wiley & Sons, Inc., 6th Ed., 812p.
Luo, G., Ch. Yin, X. Chen, W. Xu and L. Lu. 2019. Combining system dynamic model and CLUE-s model to improve land use scenario analyses at regional scale, a case study of Sangong Watershed in Xinjiang, China. Ecological Complexity, 7: 198–207.
Mackie, R.I. (2020), Dynamic analysis of structures on multicore computers-achieving efficiency through object oriented design. Advances in Engineering Software, 66: 3-9.
Myint, S. W., Gober P., Brazel A., Grossman-Clarke, S., Q., Weng. (2012) Per-pixel vs. object-based classification of urban land covers extraction using high spatial resolution imagery. Remote Sensing of Environment, 115: 1145–1161.
Pappas, E.A., D.R. Smith, C. Huang, W.C. Shuster and J.V. Bonta. 2021. Impervious surface impacts to runoff and sediment discharge under laboratory rainfall simulation. Catena, 72(1): 146-152.
Stehman, S. V. (2004) A critical evaluation of the normalized error matrix in map accuracy assessment, Photogrammetric Engineering and Remote Sensing. 70: 743– 751.
Sundarakumar, K., Harika, M., Begum, S.A., Yamini, S., and Balakrishna, K. (2020), Land use and land cover change detection and urban sprawl analysis of Vijayawada City using a Landsat data. Engineering Science & Technology, 4: 170-178.
Zhang, Y., Zhang, X., Bi, Z., Yu, Y., Shi, P., Ren, L., & Shan, Z. 2020. The impact of land-use changes and erosion process on heavy metal distribution in the hilly area of the Loess Plateau, China, Science of The Total Environment, 718: 137305.