شناسايي و طبقه بندي انواع زمين لغزش با استفاده از ويژگي هاي طيفي و مكاني با رويكرد روش شيء گرا (نصيرآباد تا سد ستارخان اهر)

Identification and classification of landslides type using spatial and spectral features procedures by object-oriented approach (Nasirabad to Sattarkhan dam of Ahar Chay

تشخيص و طبقه بندي زمين لغزش ها يك نياز حياتي در تجزيه و تحليل خطر قبل و بعد از وقوع فاجعه است. و دردرجه اول از طريق نقشه برداري زميني يا تفسير سنتي تصاوير انجام مي­ گردد. در اين مقاله به شناسايي و طبقه بندي انواع زمين لغزش با رويكرد روش شيءگرا، پرداخته شده است. داده هاي مورد استفاده در اين پژوهش شامل تصاوير رنگي كاذب مستخرج از داده هاي ماهواره Resourcesat-1 با قدرت تفكيك مكاني 5.8 متر و مدل ارتفاع رقومي با قدرت تفكيك 10 متري حاصل از تصاوير 2.5 متري ماهواره Cartosat-1استفاده گرديده است. اين روش براي قسمت شمال غرب حوضه آبريز به كار گرفته شد و پس از آن بدون اصلاحات بيشتر در قسمت هاي شرقي حوضه مورد استفاده واقع شداز اين بين 70 درصد زمين ­لغزش ­ها براي اجراي مدل و 30 درصد ديگر براي اعتبارسنجي به كار رفته است. با توجه به نتايج بدست آمده 34/02 درصد از اراضي محدوده مورد مطالعه به عنوان منطقه ­اي با پتانسيل خيلي زياد و زياد براي وقوع زمين لغزش در نظر گرفته شده ­اند. همچنين، درصد قابل توجهي از زمين لغزش ­ها در طبقه با حساسيت زياد و خيلي زياد(57/05) قرار دارند. در مجموع سه نوع لغزش با استفاده از اين روش با دقت شناسايي71.11٪ و دقت كلاس بندي91.4٪ تشخيص داده شده است. لذا مي­ توان گفت دقت مدل­ هاي بكار رفته در پهنه ­بندي حساسيت وقوع زمين­لغزش قابل قبول و خوب است.

Diagnosis and classification of landslides is a critical need in the risk analysis before and after the disaster. an‎d primarily through land surveying or traditional interpretation of images was done. In this paper to identify and classify types of object-oriented approach landslide has been paid. The data used in this study consisted of false color images obtained from satellite data Resourcesat-1 with spatial resolution of 5.8 meters and digital elevation models with 2.5-meter resolution satellite image of 10 meters of Cartosat-1 was used. This method was used for the North West basin and then used without further reforms in the eastern part of the basin. A total of three sliding using this method accurately identified 71.11% and 91.4% classification accuracy has been detected. In this way, the landslide early detection of high accuracy and speed, hence has great potential to assist in risk analysis, disaster management and decision making process after the earthquake or heavy rainfall, can be used related entities, including crisis management headquarters, natural resources and watershed institutions.