استفاده از آمار بازتاب هاي طيفي تصاوير ماهواره اي IRS درتفكيك باغات زيتون از پهنه هاي جنگل، مرتع و ديگر پوشش هاي گياهي

استفاده از آمار بازتاب هاي طيفي تصاوير ماهواره اي IRS درتفكيك باغات زيتون از پهنه هاي جنگل، مرتع و ديگر پوشش هاي گياهي

در نتيجه تغييراتي كه در طول زمان در سطح زير كشت باغات زيتون ايجاد مي شود، تهيه نقشه به روزشده باغات زيتون در برنامه ريزي و مديريت كشاورزي منطقه از ضرورت هاي مهم است. در اين تحقيق با استفاده از تصاوير ماهواره اي IRS امكان تهيه نقشه باغات زيتون به كمك آمار بازتاب هاي طيفي در منطقه اي شامل بخش هايي از رودبار، منجيل، لوشان و آببر بررسي شد. براي اين منظور، 248 نقطه كنترل زميني از نظر پوشش سطحي بررسي گرديد. نقشه نقاط تعليمي و كمكي پوشش هاي مختلف سطحي تهيه شد و روي تصوير رنگي قرار گرفت. ميانگين و انحراف معيار جامعه بازتاب هاي طيفي پيكسل هاي تعليمي و كمكي معرف يك پوشش سطحي خاص در هر سه باند طيفي تعيين شد. حدود بالايي و پاييني شماره رقومي پيكسل هاي كلاس باغات زيتون با جمع و تفريق انحراف معيار جامعه از ميانگين جامعه در هر باند تعيين شدند و به كمك آنها نقشه طبقه بندي شده اوليه باغات زيتون در هر باند تهيه شد. از قطع سه نقشه اوليه باغات زيتون در سه باند طيفي، نقشه نهايي باغات زيتون تهيه گرديد. از قطع نقشه نقاط (پيكسل ها) تعليمي با نقشه باغات زيتون، صحت روش ارزيابي شد. نتايج نشان داد كه در طبقه بندي به كمك آمار بازتاب هاي طيفي، بيش از 70 درصد از نقاط تعليمي دوباره در كلاس زيتون طبقه بندي شدند.

Due to some changes which are created over time in the olive cultivated fields preparing updated map of the olive orchards is one of the most important requirements in the management region agricultural planning of the region. In this research, olive orchards were studied using IRS Satellite images in the region including some sectors of Roudbar, Manjil, Loshan and Abbar, Guilan, Iran. For this purpose, 248 land control points were studied taking into consideration the surface cover. Helping and training points of different land covers were prepared to place on a sample set of color composite (bands 1, 2 and 3). The mean and standard deviation of training and auxiliary pixels of olive orchards was calculated. Upper and lower limits of DN-olive orchards were distinguished by adding standard deviation to mean or subtracting that. In each band, olive limits were introduced to the software and slicing method was used to prepare olive map. Final map of olive fields was obtained by overlapping these three maps. The olive orchards map has been crossed by training point map to calculate the accuracy of method. The results indicate that in the classification of images with spectrum reflex statistics, more than 70% of training points had again been classified in the olive orchards class. Keywords: Spectral reflectances, Olive, Training points, Map.