تهيه نقشه كاربري اراضي با استفاده از روش طبقه‌بندي فازي (مطالعه موردي سه زير حوزه آبخيز كبودر آهنگ، رزن-قهاوند و خونجين- تلخاب در استان همدان)

Land Use Mapping Using Fuzzy Classification:Case Study in Three Catchment Areas in Hamedan Province(Kaboudarahang , Razan - Ghahavand and Khonjin - Talkhab)havand and

اطلاعات پوشش اراضي،‏ براي بسياري از فعاليت‌هاي برنامه‌ريزي و مديريت سرزمين از جمله آمايش سرزمين داراي اهميت است. امروزه تصاوير ماهواره‌اي و تكنيك‌‌هاي سنجش از دور،‏ به دليل فراهم آوردن داده‌هاي به هنگام و قابليت بالاي آناليز،‏ كاربرد گسترده‌اي در تمامي بخش‌ها از جمله كشاورزي،‏ منابع طبيعي و تهيه نقشه كاربري اراضي به عنوان نقشه‌هاي پايه در آمايش سرزمين دارند. در پژوهش حاضر،‏ به منظور تهيه نقشه پوشش اراضي بخش شمالي استان همدان از سري زماني داده‌هاي رقومي ماهواره IRS-P6 (سنجنده Awifs)‎ استفاده شد. ابتدا تصاوير با ميانگين خطاي مربعات كم‌تر از 48‎/0 پيكسل تصحيح هندسي شدند. براي طبقه‌بندي تصاوير،‏ از روش طبقه‌بنديِ فازي استفاده شد. درنهايت،‏ نقشه پوشش اراضي منطقه در 12 كلاس،‏ طبقه‌بندي گرديد. براي ارزيابي صحت نتايج طبقه‌بندي،‏ نقشه توليدي با نقشه واقعيت زميني بررسي شد. ضريب كاپا و صحت كلي طبقه‌بندي به روش طبقه‌بندي عصبي به ترتيب 86 و 88 درصد برآورد گرديد. مطالعه حاضر نشان داد كه روش طبقه‌بندي شبكه عصبي،‏ قابليت تهيه نقشه پوشش اراضي و الگوي كشت با صحت بالا را دارا مي‌باشد.

Land cover mapping is important for many planning and management activities. Today, satellite images and remote sensing techniques are extensively used in all sectors including agriculture and natural resources because they provide updated data and high analyzing abilities. In this study, in order to produce land cover map for the northern part of Hamedan province , digital satellite data IRSP6 ( Awifs time series data) were used. First, satellite image geometric correction with a mean square error of less than 0.48 pixels was applied. For image classification, the method of fuzzy classification was used. Finally, the land cover map of the study region was classified into thirteen classes. To assess the classified land cover map precision it was controlled for ground truths with a GPS. Kappa coefficient and overall classification accuracy of fuzzy classificotion were estimated 86 and 88 percent respectively. The results confirmed that the fuzzy clofifier was capable to generate land cover maps and cultivation‎ pattern‎ with high accuracy.