مقایسه دقت انواع روش‌های طبقه‌بندی برای تهیه نقشه کاربری اراضی (مطالعه موردی: شهر رضوانشهر)

مددی, عقیل; بابایی اولم, طیبه

doi:10.22034/gahr.2023.410394.1921

مقایسه دقت انواع روش‌های طبقه‌بندی برای تهیه نقشه کاربری اراضی (مطالعه موردی: شهر رضوانشهر)

نوع مقاله : مقاله پژوهشی

نویسندگان

¹ گروه جغرافیای طبیعی

² جغرافیای طبیعی دانشگاه محقق اردبیلی

10.22034/gahr.2023.410394.1921

چکیده

با توسعه روش‌های گوناگون در زمینه طبقه‌بندی تصاویر ماهواره‌ای و آشکارسازی تغییرات به‌ویژه در دهه‌های اخیر انتخاب بهترین و صحیح‌ترین روش برای تهیه نقشه کاربری و پوشش اراضی در مناطق مختلف رشد روزافزونی داشته است. هدف اصلی این پژوهش مقایسه دقت انواع روش‌های طبقه‌بندی برای تهیه نقشه کاربری اراضی در شهر رضوانشهر می‌باشد. بدین منظور هفت کلاس کاربری اراضی در شهر رضوانشهر (شامل مراتع، مناطق مسکونی، جاده، زمین‌های زراعی، رودخانه، مناطق ساحلی و جنگل) با استفاده از تصاویر ماهواره‌ای تعیین شدند. سپس نمونه‌های آموزشی از سطح منطقه با استفاده از تصاویر ماهواره‌ای، تصاویر گوگل ارث و بازدید میدانی جمع‌آوری شد. در مرحله بعد با استفاده از ویژگی‌های تصاویر کلاس‌های کاربری اراضی در محدوده مورد مطالعه تعیین و پس از مشخص نمودن میزان تفکیک‌پذیری کلاس‌ها طبقه‌بندی به‌صورت حداکثراحتمال (MLC)، ماشین‌بردار پشتیبان(SVM)، حداقل میانگین فاصله (MD) انجام شد. نتایج ارزیابی این سه روش نشان داد که روش ماشین‌بردار پشتیبان نسبت به روش‌های دیگر از دقت بیش‌تری (صحت کلی 60/92 ضریب کاپا 87/0 برای سال 2000 و صحت کلی 16/97 و ضریب کاپای 93/0 برای سال 2022) برخوردار است. بنابراین از نتایج این پژوهش می‌توان برای تهیه نقشه کاربری اراضی با دقت بالاتر با استفاده از روش ماشین‌بردار پشتیبان در کارهای ارزیابی محیط زیست و منابع طبیعی در مناطق با شرایط مشابه استفاده نمود.

کلیدواژه‌ها

موضوعات

سنجش از راه دور

عنوان مقاله [English]

Comparing the accuracy of various classification methods for preparing land use maps (case study: Razvanshahr city)

نویسندگان [English]

Aghil Madadi ¹
tayebe babaei olam ²

¹ Physical Geography university of Mohaghegh Ardabili

² Physical Geography university of Mohaghegh ardabili

چکیده [English]

With the development of various methods in the field of classification of satellite images and the detection of changes, especially in recent decades, the selection of the best and most correct method for preparing land use and land cover maps in different regions has grown day by day. The main goal of this research is to compare the accuracy of various classification methods for preparing land use maps in Razvanshahr city. For this purpose, seven land use classes in Razvanshahr city (including pastures, residential areas, roads, agricultural lands, rivers, coastal areas and forests) were determined using satellite images. Then, educational samples were collected from the region using satellite images, Google Earth images and field visits. In the next step, by using the characteristics of the images, the land use classes in the study area were determined and after determining the resolution of the classes, the classification was done using maximum likelihood (MLC), support vector machine (SVM), and minimum mean distance (MD). The evaluation results of these three methods showed that the machine vector method has more accuracy than other methods (overall accuracy 92.60, kappa coefficient 0.87 for the year 2000 and overall accuracy 97.16 and kappa coefficient 0.93 for 2022). . Therefore, the results of this research can be used to prepare a land use map with higher accuracy by using the support vector method in environmental and natural resource assessment works in areas with similar conditions.

کلیدواژه‌ها [English]

Support vector machine
kappa coefficient
supervised
classification
Razvanshahr

مراجع

خطیبی، م.، امیریان، ی. 1401. طبقه‌بندی کاربری اراضی و محاسبه تغییرات سال‌های 1392 تا 1400 با استفاده از داده‌های ماهواره لندست 8 مطالعه موردی: شهرستان کرمانشاه، کاربرد سنجش از دور و GIS در علوم محیطی، 3(1): 48-25.

ذاکری‌نژاد، ر.، وثوقی، ش.، انتظاری، م. 1401. مقایسة دقت انواع روش‌های طبقه‌بندی‌های نظارت شده برای تهیة نقشة کاربری اراضی (مطالعه موردی: حوضه آبخیز علامرودشت)، پژوهش‌های فرسایش محیطی، 2(46): 153-138.

ربیعی، ح. 1372. سنجش از دور: اصول و کاربرد، انتشارات سمت، تهران.

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، سال 16، شماره 55، ص 85-65.

عابدینی، م.، پاسبان، ا.ح.، نظافت، ب. 1402. ارزیابی و تهیه نقشه کاربری اراضی حوضه آبخیز نیرچای با استفاده از روش شیءگرا، جغرافیا و روابط انسانی، 5(4): 328-318.

عبدالعلی‌زاده، ز.، ۱۳8۹. بررسی تغییرات پوشش سطح زمین طی سه دهه گذشته (سال‌های 1382-1354) و پیش‌بینی وضعیت آینده با استفاده از GIS و RS در منطقه سبزکوه، پایان‌نامه کارشناسی ارشد، رشته مرتع‌داری، دانشکده منابع طبیعی، دانشگاه شهرکرد، 8۵ ص.

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.

فاضلی فارسانی، آ.، قضاوی، ر.، فرزانه، م. ر.، 1394. بررسی عملکرد الگوریتم‌های کاربری اراضی با استفاده از تکنیک‌های ادغام تصاویر، زیرحوضه بهشت‌آباد، سال 6، شماره 1.

مرادی، ح.ر.، رضایی، و. 1399. مقایسه الگوریتم‌های طبقه‌بندی نوع کاربری در تهیه نقشه کاربری اراضی در حوزه آبخیز زنوز چای استان آذربایجان شرقی، تخریب و احیاء اراضی طبیعی، 1(2): 88-80.

موسوی، س. ع.، فرح پور، م.، شکری، م.، سلیمانی، ک.، گودرزی، م.، ۱۳8۵. بررسی روند تغییرات، انبوهی پوشش گیاهی در قسمتی از حوضه سد لار در یک دوره ۲۵ ساله با استفاده تلفیقی از GIS و RS، تحقیقات مرتع و بیابان ایران، دوره ۱۳، شماره ۳، ص 200-186.

نجفی، ا.، مختاری، م.ح. 1393. مقایسه دقت طبقه بندی ماشین بردار پشتیبان و حداکثر احتمال در استخراج کاربری جنگل از تصاویر ماهواره ای لندست TM، بیست و یکمین همایش ملی ژئوماتیک.

Al-Ahmadi, F.S., & A.S. Hames, 2017. Comparison of Four Classification Methods to Extract Land Use and Land Cover from Raw Satellite Images for Some Remote Arid Areas, Kingdom of Saudi Arabia. Journal of King Abdulaziz University-Earth Sciences, 20, 167-191.

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.

Congalton, R. G., Green, K., 1999. Assessing the accuracy of remotely sensed data principles and practices, Boca Raton: Lewis Publications.

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.

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.

Manandhar, R. , I.O.A. Odeh and T. Ancev .2015. Improving the Accuracy of Land use and Land cover Classification of landsat Data Using Post -Classification Enhancement, Remote sensing, 330 - 344.

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.

Tso. B. and P.M. Mather. 2009. Classification Methods for Remotely Sensed Data. Chapter 2-3. 2nd ed., Taylor and Francis Pub., America.

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.