سامانه اطلاعات مکانی
معصومه دستانیان؛ جواد صابریان
چکیده
پیشینه و اهداف: امروزه، اطلاع از خصوصیات کمی و کیفی تغییرات در برنامهریزیهای محیطی، آمایش سرزمین و توسعه پایدار، بسیار حائز اهمیت است. در حال حاضر، استفاده از نقشههای پوشش گیاهی، یکی از ارکان مهم در تولید اطلاعات جهت برنامهریزیهای کلان و خرد است. هدف این پژوهش، تولید نقشه پوششهای گیاهی طبیعی و زراعی و همچنین، زمینهای کشت ...
بیشتر
پیشینه و اهداف: امروزه، اطلاع از خصوصیات کمی و کیفی تغییرات در برنامهریزیهای محیطی، آمایش سرزمین و توسعه پایدار، بسیار حائز اهمیت است. در حال حاضر، استفاده از نقشههای پوشش گیاهی، یکی از ارکان مهم در تولید اطلاعات جهت برنامهریزیهای کلان و خرد است. هدف این پژوهش، تولید نقشه پوششهای گیاهی طبیعی و زراعی و همچنین، زمینهای کشت آبی و باغات، با استفاده از فنآوری سنجش از دور و سامانه اطلاعات مکانی است. به طور کلی، از زمانهای قدیم تا به امروز، روشهای مختلفی برای جمعآوری دادههای مبتنی بر مکان وجود دارد، از جمله مشاهدات نجومی، فتوگرامتری، نقشهبرداری و سنجش از دور. سنجش از دور، یکی از روشهای جمعآوری دادههاست که کمترین تماس مستقیم با اشیاء و دادههای مورد اندازهگیری را دارد و بر خلاف روشهای دیگر، که عوامل انسانی در جمعآوری و تفسیر دادههای زمینی نقش دارند، در روش سنجش از دور، مسئولیت جمعآوری اطلاعات بر عهده سنسورها خواهد بود.روشها: در این تحقیق، نشان دادیم که چگونه میتوان از تصاویر ماهوارههای سنجش از دور، جهت تهیه نقشه پوشش گیاهی و باغات، استفاده کرد. برای این منظور، از تصاویر ماهوارهای و برداشتهای زمینی، به عنوان دادههای ورودی استفاده میشود و این دادهها، با روشهای مختلف طبقهبندی، مورد تجزیه و تحلیل قرار میگیرند. برای تهیه نقشه کاربری، اراضی جنوب شهر زنجان انتخاب و از تصاویر مـاهواره سنتینل -2 مربوط به سـال 2018، استفاده شد. در مراحل مختلف انجام این تحقیق، از نرمافزارهای ENVI ، ArcGIS ، SAGAGIS استفاده شده است. بهترین روش طبقهبندی به کمک نرمافزارArcGIS انتخاب گردید. برای بررسی قابلیت و کارایی دادهها، تصاویر شاخص پوشش گیاهی نرمال شده (NDVI) با دقت مکانی 15متر، محاسبه و برای هر ماه، یک تصویر NDVI، در نظر گرفته شد. در مجموع 12 تصویر انتخاب گردید که در قالب یک داده با عملیات ترکیبکردن لابه یک باند سه تایی تبدیل شدند.یافتهها: در این تحقیق اعتبار سنجی دادهها براساس نرمافزار گوگل ارث انجام شد و دقت تفکیک پوشش گیاهی منطقه مورد مطالعه، با استفاده از روشهای طبقهبندی مختلف از قبیل حداکثر احتمال، کوتاهترین فاصله، ماشین بردار پشتیبان، شبکههای عصبی و جنگل تصادفی، مورد بررسی قرار گرفت .در هر روش طبقهبندی، با استفاه از ماتریس خطای اومیشن و کومیشن در هر کلاس و شاخصهای دقت کلی نقشه، ضریب کاپا مورد بررسی قرار گرفته است. با مقایسه تمامی روشها و ارزیابی نتایج بهدست آمده، مشخص شد که روش الگوریتم جنگل تصادفی با دقت کلی 96.51% و ضریب کاپا 0.8181 به عنوان بهترین روش طبقهبندی، نقشه پوشش گیاهی منطقه مورد مطالعه را تولید خواهد کرد.نتیجهگیری: نتایج این تحقیق نشان داد که در الگوریتم جنگل تصادفی احتمال تعلق هر پیکسل به هر کلاس با دقت بالایی تعیین میشود. قابلیت تعیین اهمیت ویژگیها در طبقهبندی که میتواند به منظور انتخاب فضای ویژگی بهینه استفاده شود از مهمترین مزایای این روش است. همچنین، توانایی طبقهبندی دادههای نویزی، که میتوان جهت افزایش و تصفیه نمونههای آموزشی استفاده کرد، عدم نیاز به انتخاب یا کاهش باند در هنگام استفاده از تصاویر چند طیفی، از دیگر مزایای الگوریتم جنگل تصادفی است. بدین ترتیب، سادگی و ساختار قابلدرک این الگوریتم در کنار مزایای فنی آن، باعث انعطافپذیری بالای آن شده و ترکیب آن با روشهای دیگر را، بسیار آسان کرده است.
