طبقه‌بندي كاربري اراضي تالاب انزلي با استفاده از تلفيق تصاوير راداري سنتينل 1 و آلوس پالسار

Land Cover Classification of Anzali Wetland Using Fusion of Sentinel 1 and ALOS/PALSAR 2 Images

‌تالاب انزلي در ايران به عنوان يكي از تالاب هاي ارزشمند ثبت‌شده در كنوانسيون رامسر در معرض تهديد عوامل محيطي و انساني است. در دو دهۀ اخير در بين انواع تصاوير ماهواره اي، تصاوير سنجنده هاي راداري، نقش مهمي در پايش تالاب ها داشته اند، زيرا اين سنجنده ها در تمام شرايط آب وهوايي فعاليت مي كنند و به زبري و رطوبت سطح حساس هستند. با اين حال، مشكلاتي نظير تشابه ضرايب بازپخش بين كلاس هاي مختلف و پردازش هاي نسبتاً دشوار در مقايسه با سنجنده هاي نوري كاربرد آنها را محدود مي كند. در مطالعۀ پيش رو قابليت تصاوير راداري در طبقه‌بندي تالاب انزلي و سه كاربري اصلي اطراف تالاب (زمين هاي كشاورزي، نيزار و مناطق ساخته‌شده) ارزيابي شد. به اين منظور، دو تصوير راداري آلوس پالسار 2 و سنتينل 1 در سال 2018 انتخاب شد. پارامترهاي بافت از هر دو تصوير استخراج شد. باندهاي دو تصوير رادار و لايه هاي بافت استخراج‌شده به روش تلفيق در سطح ويژگي ادغام شده و سپس، با استفاده از الگوريتم جنگل تصادفي طبقه‌بندي شدند. صحت كلي روش تلفيق در سطح ويژگي معادل با 75 درصد و ضريب كاپا برابر با 62 درصد است. نتايج ارزيابي مربوط به صحت توليد‌كننده و كاربر به‌ترتيب برابر با 100 و 83 درصد است. صحت زياد نتايج به‌دست آمده نشان‌دهندۀ قابليت مناسب تصاوير رادار در طبقه‌بندي و تشخيص بدنۀ آبي تالاب است، در صورتي كه در تفكيك اراضي كشاورزي، نيزار و مناطق ساخته‌شده خطاي بيشتري مشاهده شده است. همچنين، روش تلفيق در سطح ويژگي، شيوۀ مؤثري براي استفادۀ هم‌زمان از ويژگي هاي متمايز تصاوير مختلف در طبقه بندي كاربري اراضي تالابي است.

Anzali Wetland in Iran as one of the most valuable wetlands registered in the Ramsar Convention is being destroyed by environmental factors and human activities. In the last two decades, among various satellite images, radar images have played a special role in wetland monitoring. Radar is an all-weather sensor and it is sensitive to surface roughness and moisture, they serve as a valuable source for quick and accurate monitoring of wetlands. However, similarities in backscattering coefficients of different wetland classes and relatively difficult processing – in comparison to optical images- are the most important factors that limit their application. In this study, the capabilities of SAR images in the classification of Anzali wetland and the three main land use classes around the wetland (i.e. agricultural lands, reeds, and built-up areas) were evaluated. Two radar images; Advanced Land Observing Satellite/Phased Array L-band Synthetic Aperture Radar (ALOS/PALSAR) and Sentinel 1 captured in 2018 were used. The texture parameters of the two images have been extracted. The images and their extracted texture layers have been fused by the feature-level method and further classified by the random forest method. The overall accuracy of feature-level fusion is equal to 75% and the kappa coefficient is equal to 0.62. The evaluation results related to producer and user accuracy are 100% and 83.33%, respectively, show the high capability of radar images in the classification and detection of wetlands. However, some errors have been observed in the separation of agricultural lands, reeds, and built-up areas.