Degradation and Rehabilitation of Natural Land

fa مقایسه الگوریتم های طبقه بندی نوع کاربری در تهیه نقشه کاربری اراضی در حوزه آبخیز زنوز چای استان آذربایجان شرقی Comparison of Land use Type Classification Algorithms in the Land use Mappreparation Inzenouzchai Watershed سنجش از دور و سامانه های اطلاعات مکانی پژوهشي Research <div style="text-align: justify;">یکی از فاکتورهای مهم در مطالعات منابع طبیعی و محیط زیست شناخت کاربریها و تعیین سطح گسترش آنها در منطقه است. داده های ماهواره ای یکی از سریعترین و کم هزینه ترین روشهای تهیه نقشه کاربری اراضی است. پژوهش حاضر، با هدف تعیین بهترین الگوریتم طبقه بندی تصاویر ماهوارهای TM شهریور ماه سال 1390، از بین 6 روش طبقه بندی نظارت شده شامل حداکثر احتمال1، متوازی السطوح2، حداقل فاصله از میانگین3، مستطیل های موازی4، ماشین بردار پشتیبان5 و کدهای دو تایی6 به منظور استخراج نقشه کاربری اراضی حوزه آبخیززنوز چای انجام گرفت. برای کاربریهای مرتع، بایر و رها شده و باغات بطور جداگانه 30 نمونه تعلیمی و برای کاربری بدلند 45 نمونه تعلیمی با استفاده از نقاط کنترل زمینی تهیه شد. نتایج به دست آمده با استفاده از معیار صحت کلی، ضریب کاپا، صحت تولیدکننده و صحت کاربر برای تصویر ماهواره ای طبقه  بندی شده منطقه، مورد ارزیابی قرار گرفتند. بررسی صحت طبقه بندی تصویر TM، نشان داد که الگوریتم حداکثر احتمال صحت کلی (73/84 درصد) و ضریب کاپای 0/65، از کارایی بالاتری نسبت به دیگر روشهادر طبقه بندی تصویر در چهار کلاس کاربری اراضی برخوردار است. نتایج به دست آمده نشان داد که استفاده از روش حداکثر احتمال به منظور تهیه نقشه کاربری اراضی نسبت به روشهای دیگر قابلیت بیشتری دارد. از نتایج پژوهش حاضر می توان برای تهیه نقشه کاربری اراضی با دقت بالاتر با استفاده از روش حداکثر احتمال در کارهای ارزیابی محیط زیست و منابع طبیعی در مناطق با شرایط مشابه استفاده نمود. </div> <div style="text-align: justify;">Land use identification and determination of their spreading level in the region is one of important factors in the natural resources and environmental studies. Preparing land use map from satellite data is one of the fastest and most cost-effective methods. This study’s aim is to determine the best algorithm for TM satellite images classification between 6 supervised classification methods including maximum likelihood, mahalanovis distance, minimum distance, parallel pipe, support vector machines and binary codes to extract land use map of Zenouz Chai watershed.For grassland, wasteland and abandoned and agricultural land use, 30 training samples and for badland land use 45 training samples were prepared separately using ground control points. Results were assessed for satellite image classified using by overall accuracy index, kappa coefficient, producer accuracy and user accuracy. Investigation of TM image classification accuracies showed that the maximum likelihood algorithm with overall accuracy coefficient (84/73 %) and kappa coefficient 65/0, have the higher efficiency for image classification into four land use classes. The results showed that maximum likelihood method has more capabilities than other methods for land use map preparing. Therefore, the results of this study can be used to provide land use maps with higher accuracy using maximum likelihood method to assessing the environment and natural resources works in the areas with the same situations.</div> الگوریتم طبقه بندی, حوزه آبخیززنوز چای, سنجنده TM, کاربری اراضی Classification algorithm, Land use, TMsensor, Zenouz Chai watershed 80 88 http://drnl.sanru.ac.ir/browse.php?a_code=A-10-360-2&slc_lang=fa&sid=1 Hamidreza Moradi حمید رضا مرادی hrmoradi@modares.ac.ir 10031947532846001247 10031947532846001247 Yes Tarbiat Modares University دانشکده منابع طبیعی و علوم دریایی دانشگاه تربیت مدرس Valli Rezaei ولی رضایی rezaeivally63@gmail.com 10031947532846001248 10031947532846001248 No Tarbiat Modares University دانشکده منابع طبیعی و علوم دریایی دانشگاه تربیت مدرس