ارزيابي الگوي مكاني روند تغييرات كاربري/پوشش اراضي با استفاده از روش‌هاي دسته تبديل (مطالعه موردي: حوضه دره شهر- استان ايلام)

Evaluating Spatial Pattern of Changes Trend of Landuse/landcover with use of Transformation Techniques (Case Study: Dareshar Catchment, Ilam Province)

آشكار ساختن تغييرات يكي از نيازهاي اساسي در مديريت و ارزيابي منابع طبيعي است؛ بنابراين نقشه تغييرات كاربري را كه نتيجه فرايند آشكارسازي تغييرات مي‌باشد، مي‌توان بر اساس تصاوير چند زمانه سنجش از دور تهيه كرد. روش‌هاي متفاوت و گوناگوني براي آشكارسازي تغييرات و تحولات كاربري‌ها ارايه شده است. در اين تحقيق تصاوير لندست (TM) سال 1988 و لندست (ETM+) سال 2001 با استفاده از چهار تكنيك پايش تغيير در حوزه دره‌شهر استان ايلام با مساحت 80470 هكتار آناليز شده‌اند. تكنيك‌هاي مورد استفاده در اين مطالعه شامل تفاضل تجزيه مولفه اصلي و تفاضل تجزيه مولفه اصلي استاندارد شده ، تفاضل تجزيه مولفه متعارفي و تفاضل تسلدكپ بوده‌اند كه همگي جز روش‌هاي دسته تبديل مي‌باشند. از آنجا كه اين روش‌ها نيازمند تعيين آستانه هستند، جهت تعيين آستانه در آنها از روش آماري استفاده شده است. بر اساس نتايج به دست آمده مشخص گرديده است كه آستانه تغييرات با 1± انحراف از ميانگين قرار داشته است. بر اين اساس نقشه پايش تغييرات با سه كلاس تغييرات كاهشي، بدون تغييرات و تغييرات افزايشي به دست آمده است. جهت ارزيابي دقت تكنيك‌هاي پايش تغيير پس از برداشت واقعيات زميني كه از طريق بازديد ميداني، عكس‌هاي هوايي 1:20000 و تصاوير ماهواره‌اي گوگل ارث به دست آمد، دقت كل و ضريب كاپا محاسبه شد. بر اساس نتايج به دست آمده مشخص گرديد كه تفاضل مولفه اول در روش تجزيه مولفه متعارفي با دقت كل 98 درصد و ضريب كاپاي 0.97 بيشترين دقت را در پايش تغييرات رخ داده در حوزه دره‌شهر داشته است.

Change detection is a basic requirement in management and evaluation of natural resources. Landuse change map which is the result of land change processes can be obtained from multi-temporal images.Various techniques have been presented for landuse/lancover change detection. In this study, images of landsat TM) 1988 and landsat (ETM+) 2001 were analyzed using 4 change detec??on techniques in 80470 hectares in Daresher region, Ilam Province. Change detection techniques considered were standardized and non-standardized principal component analysis (PCA) differencing, applying Canonical component analysis (CCA) differencing and Tasselled Cap (KT) differencing that all are in transformation group. Since these methods require determining threshold, therefor, statistical methods for determining the threshold level was used being achieved from the change threshold. In this study, threshold level was set at ±1 standard devia??on from the mean. After determing optimal threshold, areas having decreasing change increasing change and no change were determined. Based on ground data and field work, aerial photo of 1:20000 and Google Earth, accuracy assessment of change detection techniques was carried out using overall accuracy and Kappa coefficient. According to the results, PC1difference image of CCA transform with overall accuracy of 98 and Kappa coefficient of 0.97 showed the largest accuracy among applied change detetion techniques in the Daresher region.