برآورد كيفيت و آشكارسازي تغييرات پهنه هاي جنگلي با استفاده از تصاوير ماهواره اي (مطالعه موردي: شهرستان رستم، فارس)

Quality assessment and detection of forest area changes using satellite images (Case study: Rustam, Fars)

هدف از اين تحقيق، برآورد قابليت داده هاي ماهواره لندست در آشكارسازي پهنه هاي جنگلي و ارزيابي تغييرات كيفي پوشش جنگلي، استخراج كاربري و درصد پوشش گياهي در شهرستان رستم است. براي انجام تحقيق با استفاده از تصاوير ماهواره لندست (1366 و 1389)، نقشه هاي كاربري اراضي جنگلي، شاخص نرمال شده اختلاف پوشش گياهي (NDVI) و كسر شاخص پوشش گياهي (RVI)، با استفاده از الگوريتم بيشترين شباهت و طبقه بندي نظارت شده تهيه گرديد. نتايج نشان داد كه مساحت لايه‌هاي استخراج شده 78/48 كيلومترمربع براي لايه جنگل متراكم، 67/348 كيلومترمربع براي تراكم متوسط و 42/281 كيلومترمربع براي تراكم كم همچنين 81/68 كيلومترمربع براي مناطق باير مي‌باشد. ارزيابي نتايج طبقه بندي بيانگر دقت كلي با 3/94، صحت توليد كننده 91 ، صحت كاربر با 95 درصد و همچنين خطاي گماشته 09/0 و خطاي حذف شده 05/0 مي باشد. كه بالاترين صحت توليد كننده مربوط به جنگل با تراكم كم با 99 درصد و كم‌ترين جنگل متراكم با 80 درصد و بالاترين درصد صحت كاربر مربوط به كلاس باير با 100 و كم‌ترين جنگل با تراكم متوسط با 87 درصد محاسبه شد. همچنين مقايسه نقشه-هاي درصد و كسر شاخص پوشش گياهي در سال 1366 و 1389 تغييرات معني دار اين شاخص را نشان نداد.

This paper has been conducted to estimate the detection capability of LandSat satellite data for the detection and qualitative assessment of forest area and vegetation changes, land uses and vegetation percent in Rustam city. In this regard, using Landsat satellite images (1987 and 2010), forest land use map, Normalized Difference Vegetation Index (NDVI) and Ratio Vegetation Index (RVI) were obtained by Maximum Likelihood and Supervised Classification algorithms. The results showed that the area of extracted layers of forests with high, moderate and low density as well as barren regions has been estimated as 48.78, 348.67 and 281.42 and 81.68 km2, respectively. Assessing the classification results indicated that the overall accuracy, producer accuracy and user accuracy were given as 94.3, 91 and 95%, respectively and also, Commission error and Ommission error have been computed as 0.09 and 0.05. The highest and lowest producer accuracy estimated as 99 and 80% was related to low-density and high density forests and the highest and lowest percent of user accuracy given as 100 and 87% was attributed to the barren and moderate density forest. Also, comparing maps of vegetation percent and Ratio Vegetation index during 1987 and 2010 has shown no significant changes.