استخراج نقشه كاربري اراضي كشاورزي و برآورد سطح زير كشت محصولات با استفاده از تكنيك طبقه‌بندي شئ‌گرا (مطالعه موردي: حوضه آبخيز قره سو- استان اردبيل)

Extracting Agricultural Land Use Map and Estimating Cropping Area Using Suggestion Classification (Case Study: Ghareh Sou Watershed - Ardebil Province)

نقشه‌هاي كاربري اراضي يكي از مهم‌ترين منابع اطلاعاتي در مديريت منابع طبيعي محسوب مي شود. امروزه كاربران با استفاده از تكنيك‌هاي خاص پردازش رقومي مي‌توانند انواع مختلفي از نقشه‌هاي كاربري اراضي را از تصاوير ماهواره‌اي استخراج نمايند. در تحقيق حاضر، نقشه كاربري اراضي كشاورزي حوضه آبخيز قره‌سو استان اردبيل براساس پردازش رقومي با روش شئ‌گراي تصاوير ماهواره‌اي سنجنده OLIماهواره لندست 8 تهيه شده است. براي اين منظور، در ابتدا، اقدامات لازم در مرحله پيش پردازش شامل تصحيحات هندسي، اتمسفري و ... در محيط نرم افزار ENVI 5.3 برروي تصاوير ماهواره‌اي انجام شد. سپس با پياده‌سازي نمونه‌هاي آموزشي بر روي تصاوير در محيط نرم افزار eCognationبا متد پردازش شئ‌گراي طبقه‌بندي گرديد. دقت نقشه طبقه‌بندي شده با استخراج پارامترهاي معمول ارزيابي دقت نظير ضريب كاپا، صحت كلي، پايداري طبقه‌بندي مورد ارزيابي قرار گرفت. كه در نتيجه آن ضريب كاپا نقشه تهيه شده معادل 96 درصد محاسبه گرديد كه خود دلالت برمقبوليت دقت نقشه تهيه شده داشت. يكي ‌از ‌مهم‌ترين‌ د‌لايل ‌د‌ستيابي‌ به ‌د‌قت‌ بالا‌ د‌ر ‌اين روش استفاده از ‌اطلاعات‌ بافت، ‌شكل ‌و‌... مي‌باشد. در ادامه اقدام به برآورد سطح زير كشت محصولات زراعي از نقشه كاربري اراضي تهيه شده گرديد. سطح زيركشت زراعت آبي و زراعت ديمي منطقه مورد مطالعه به ترتيب 25/5 و 33/19 درصد از كل منطقه بدست آمد.

Land use maps are one of the most important sources of information in the management of natural resources. Today, users can use various digital processing techniques to extract various types of land use maps from satellite imagery. In the present study, the land use map of agriculture in Qaraşu watershed in Ardebil province is based on digital processing using Landsat 8 satellite satellite OLI Satellite imagery. For this purpose, initially, the necessary measures in the preprocessing stage, including geometric, atmospheric, and ... corrections in the ENVI 5.3 software environment, were performed on satellite imagery. Then, by implementing educational samples on images in the eCognation software environment, they were categorized using a spatial processing method. The precision of the mapped map was evaluated by extracting the usual parameters of accuracy assessment such as Kappa coefficient, general accuracy, classification stability. As a result, the Kappa coefficient of the mapping was calculated to be 96 percent, which itself implies the accuracy of the accuracy of the map. One of the most important reasons for achieving high accuracy in this way is the use of texture, shape and ... information. Subsequently, an estimate of the crop area was prepared from a map of the topic. The aquatic agriculture and dairy farming area of the study area was 5.25 and 19.33% of the total area respectively.