تهيه‌ نقشه‌ پوشش اراضي حوزه آبخيز قوري چاي با پردازش تصاوير ماهواره اي

Preparing Ghoorichay Catchment Land Cover Map Using Satellite Image Analysis

زمينه: كاربري/پوشش اراضي، از ديرباز به منظور برنامه­ريزي و مديريت منابع طبيعي مد نظر قرار گرفته است و تكنيك‌هاي سنجش از دور، بهترين وسيله براي تهيه نقشه‌هاي بهنگام كاربري و پوشش اراضي مي‌باشد و روش­هاي مختلفي براي تهيه نقشه كاربري اراضي وجود دارد. هدف: هدف از اين تحقيق، تهيه‌ نقشه‌ پوشش اراضي حوزه آبخيز قوري چاي با استفاده از پردازش و طبقه بندي تصاوير ماهواره اي مي باشد كه از مهمترين حوزه­هاي استان اردبيل محسوب مي­شود. روش بررسي: بدين منظور، تصاوير ماهواره‌ي لندست 8 مربوط به خرداد ماه سال 1394 با استفاده از روش هاي طبقه بندي نظارت شده ي حداكثر احتمال و فازي طبقه بندي شدند. يافته ها: نتايج نشان داد كه به ترتيب اراضي مرتعي، باير، كشت ديم و مسكوني (روستا) بيشترين سطح از منطقه را تشكيل مي دهند. براي ارزيابي صحت و دقت طبقه بندي‌هاي انجام شده، صحت كلي و ضريب كاپا تعيين گرديد و نتايج نشان داد كه روش طبقه بندي حداكثر احتمال با ضريب كاپا 82/0 و صحت كلي 88% نسبت به روش فازي با ضريب كاپا 81/0 و صحت كلي 87% از دقت بيشتري در فرايند طبقه بندي برخوردار است. بحث و نتيجه گيري: بر اساس نتايج به دست آمده از اين تحقيق، علي رغم قابليت بالاي تصاوير ماهواره­اي در تهيه نقشه كاربري اراضي، بايستي به منظور افزايش دقت طبقه بندي، از پارامترهاي جانبي نيز استفاده كرد.

Background: Land use/land cover has long been considered for natural resource planning and management and remote sensing techniques are the best tools to produce land use/cover maps. There are various methods for preparing land use maps. Objective: The purpose of this study is to prepare a land cover map of Ghoorichay watershed using processing and classification of satellite images, which is one of the most important watersheds of Ardabil province. Materials and Methods: For this purpose, Landsat 8 satellite images related to June 2015 were classified using supervised maximum likelihood and fuzzy classification methods. Results: The results showed that rangelands, bare lands, dry lands, and residential lands (village) are the major land uses in the area, respectively. According to the results, maximum likelihood method with kappa coefficient of 0.82 and overall accuracy of %88 is more accurate than fuzzy classification method with kappa coefficient of 0.81 and overall accuracy of %87. Discussion and Conclusion: Based on the results of this study, despite the high capability of satellite images in the preparation of land use map, in order to increase the accuracy of classification, peripheral parameters should be used.