تعيين منابع خاك رس با استفاده از تكنيك‌هاي طبقه‌بندي آناليز تركيب طيفي و طبقه‌بندي درختي (مطالعه موردي: حوضه آبخيز بابلرود)

Determination of Clay Sources Using Spectral Mixture Analysis Techniques and Decision Tree ClassificationsCase study: Babolrood basin

وجود منابع قرضه در منطقه ساخت سازه‌هاي خاكي از جمله فاكتورهاي اساسي به شمار مي‌آيد. اهميت اين تحقيق به خاطر تعيين نواحي داراي بافت خاك‌رسي است كه مي‌توانند به عنوان منابع قرضه براي ساخت سازه‌هاي مختلف خاكي ـ از جمله سدهاي خاكي ـ مورد استفاده قرار گيرند. ابتدا داده‌هاي پايه با استفاده از GPS و نقشه‌هاي موجود از پروژه‌ ساخت سد البرز جمع‌آوري گرديد. از نقشه‌هاي موجود خاك رس نمونه‌هايي براي اطمينان برداشته شد و بافت خاك نيز در آزمايشگاه با استفاده از روش هيدرومتري تعيين گرديد. سرانجام 10 نقطه با بافت رسي و با توزيع منابع در سطح حوضه آبخيز بابلرود واقع در استان مازندران انتخاب شده كه از آن ميان 6 نقطه براي دادن داده‌هاي آموزشي به مدل و 4 نقطه باقي‌مانده نيز براي صحت‌سنجي به كار رفت. براي Endmember پوشش گياهي و سايه هم 10 نقطه انتخاب شد و سپس به تصحيح خطاي اتمسفريك با روش Dark-object subtraction پرداخته شد. تصاوير از نظر هندسي و راديومتريك نيازي به اصلاح نداشتند. پس از آن اقدام به يافتن پيكسل‌هاي خالص با استفاده از شاخص خلوص پيكسل شد. با استفاده از اين پيكسل‌ها كتابخانه طيفي تهيه شد و به منظور طبقه‌بندي با استفاده از روش آناليز تركيب طيفي و طبقه‌بندي درختي، مورد استفاده قرار گرفت. اين تكنيك مدل‌سازي موقعيت و تفكيك‌پذيري خصوصيات پوشش‌ گياهي و خاك رس و سايه را در فضاي طيف‌هاي مختلط استخراج‌شده از تصاوير سنجنده ETM+ ماهواره Landsat انجام مي‌دهد. نتايج نشان داد كه خاك رس و پوشش گياهي و سايه با صحت 68 و 5/77 و 86/67 درصد مي‌توانند از يكديگر تفكيك شوند. صحت كلي مدل 96/71 درصد و داراي ضريب كاپاي 61 درصد است. كليد‌واژه‌ها: آناليز تركيب طيفي، روش طبقه‌بندي درختي، خاك رس.

Availability of the loan in the construction area of soil structures is one of the main factors. The importance of this study is determination of areas with clay soil that can be used to construct earthy structures. At first by using of GPS and available map of Alborz Dam Project, the basic data was collected. To ensure samples were taken from available clay map and with hydrometric method the texture of soil was determined. Finally 10 points with clay texture and proper distribution in Babolrood basin, Mazandaran province were selected. 6 points for training data and 4 points for assessment were used. Also 10 points for vegetation and shade Endmembers were identified. Then we corrected the atmospheric errors with Dark-object subtraction method. The images do not required radiometric and geometric correction. Pure pixels were identified using pure pixel index (PPI). Using pure pixels spectral library was prepared and was used to classify with spectrum analysis and tree classification techniques. These modeling techniques operate as a tool to identify the position and seperability between vegetation, clay and shade in the space of complex spectral extracted from satellite images Landsat ETM+ sensor. The results showed that clay, vegetation and shade can be separated from each other with 68, 77.5 and 67.86 percent accuracy respectively. Overall accuracy and kappa coefficient of the model were 71.96% and 61% respectively. Keywords: Spectral mixture analysis, Tree classification method, Clay.