فهرست نشریات علمی دسترسی آزاد ایران

مقدمه و هدفبا توجه به گستردگی و تغییرپذیری و پویایی اطلاعات بخش کشاورزی در کشور و به­ویژه در استان فارس، به‌روز کردن و تدقیق اطلاعات فعالیت­های مرتبط با آن، اهمیت ویژه‌ای دارد. کاربری‌های کشاورزی در آبخیزها از مهمترین بهره‌برداری‌ها است که نقش تعیین­کننده‌ای در هر دو دیدگاه مثبت و منفی (نابودی یا حفاظت) آبخیز دارد. تاکنون پژوهش‌های پرشماری در زمینه طبقه‌بندی کاربری‌های کشاورزی با کاربرد تصویر‌های ماهواره­ای انجام‌شده است. سنجش از دور، یک روش کارآمد در شناسایی محصولات برای برآورد برداشت بالقوه و مدیریت مزارع کشاورزی است. تاکنون، طیف گسترده‌ای از انواع تصویرها برای تنوع گوناگونی از کاربردها برای طبقه‌بندی به ­کار گرفته‌شده است. برخی از روش‌های پردازش تصویر در جداسازی دسته‌های کاربری زمین و پوشش زمین مناسب‌تر از دیگر روش‌ها است، به‌ویژه زمانی که تصویرها با وضوح بیشتر طبقه‌بندی می‌شوند. همچنین، بررسی پژوهش‌های پیشین نشان‌داده است که در شرایطی، دقت طبقه‌بندی شیء­گرا در مقایسه با پیکسل­‌مبنا، در جداسازی دسته‌های انتخاب‌شده کاربری زمین و پوشش زمین، بیشتر است. در این پژوهش، برای ارزیابی این دو روش در پهنه‌ای به گستردگی استان فارس، مدل‌های مبتنی بر GIS و سنجش از دور که هم در مدیریت مزارع آبخیزها در زمان حال و هم برای به­روز رسانی اطلاعات در سال‌های آتی قابل استفاده باشد، تهیه شد. در این پژوهش دقت روش‌های نامبرده تعیین شد و امکان تجمیع کردن مراحل مختلف در یک مدل کاربر دوست فراهم شد.مواد و روش‌هادر این پژوهش تمام مناطق تحت کشت زراعت و باغ در پهنه آبخیزهای استان فارس بررسی شد. از آنجایی که تاریخ‌های بیشینه سبزینگی در اقلیم‌های مختلف متفاوت است، به­منظور بررسی ترکیب اقلیمی هر شهرستان، نقشه اقلیم استان با مرز شهرستان­ ها ادغام شد. در این پژوهش، نقشه اقلیم بر اساس روش دمارتن و با استفاده از داده ­های ایستگاه­ های اقلیم­شناسی و هم­دید استان فارس تهیه شد. به ­منظور بررسی الگوی کشت اکثر شهرستان‌هایی که در آنها گندم کاشت می­شد، آمار سطح زیر کشت محصولاتی که همزمان با گندم کاشت می ­شدند نیز جمع ­آوری شد. در این پژوهش، بر پایة هدف جداسازی کاربری‌های کشاورزی و اندازه میانگین قطعه‌های کشاورزی (حدود ۱ هکتار در استان فارس)، تصویرهای لندست ۸ و سنتینل ۲، به­ ترتیب با وضوح زمینی ۳۰ و ۱۰ متر کافی بود. زیرا، هر هکتار زمین، به‌ترتیب در برگیرندة ۹ و ۱۰۰ پیکسل بود. در یک فعالیت میدانی یکپارچه و گسترده، نقشه کاربری‌های زراعت دیم و باغ دیم با برداشت محدوده ­ها بر سر زمین رسم شد. سپس، با بیشترین دقت مکانی چهار مرحله تدقیق ستادی و میدانی انجام شد. با استفاده از نرم ­افزارهای مرتبط، ابتدا تصحیحات هندسی و در گام بعدی تصحیحات جوی تصویرهای سنتینل و لندست انجام شد و دی‌ان آن ها به بازتاب سطح زمین تبدیل شد. سپس، شاخص‌های گیاهی متنوعی ساخته و آزمون شد تا بهترین آن ها برای تعیین سطح سبز انتخاب شود و مبنای برداشت اطلاعات میدانی که شامل چندضلعی‌هایی در داخل کاربری‌های کشاورزی بود، باشد. آن گاه روش‌های طبقه ­بندی نظارت ­شده شامل: تک زمانه، چند زمانه، شیء­گرا و پیکسل ­مبنا، برای جداسازی کاربری‌های زراعی آبی و تفکیک آن ها به‌کار گرفته شد. سپس، کاربری‌های زراعی و باغ دیم با چندین بار برداشت‌های میدانی، جداسازی شدند. کاربری‌های باغی آبی از اطلاعات کاداستر از کاربری‌های کشاورزی استخراج شد و با استفاده از تصویرهای به‌روز شده تدقیق شد. بر اساس ضریب کاپا و صحت کلی نتایج هر دسته از کاربری‌های کشاورزی با واقعیت زمینی مقایسه شدند.نتایج و بحثنتایج تصحیحات جوی روی تصویرها بیانگر بهبود قابل توجه سنجه‌های تصویری و شفافیت دیداری آن ها بود. در دو کاربری پوشش کاملاً سبز مزارع و کاربری‌های آیش، اندازه‌های تمام شاخص‌های گیاهی پس از تصحیحات جوی باندها افزایش یافت و در دو کاربری بایر و پهنه محدوده‌های آبگیر کاهش یافت و به دامنه ارقام قابل انتظار در منابع معتبر، نزدیک‌تر بود. بیشترین اندازة صحت نقشه سطح سبز به‌دست آمده از شاخص‌های مختلف گیاهی مربوط به EVI و mSAVI بود و mNDVI و GBNDVI در رتبه بعدی بودند. نتایج طبقه ­بندی شیءگرا بیانگر برتری قطعی این روش در جداسازی کاربری‌های کشاورزی از مرتع و زمین بایر بود. افزون بر این، امکان جداسازی دو نوع مرتع ضعیف از قوی نیز در این روش فراهم شد. بیشترین صحت در تهیه نقشه­ های طبقه ­بندی مربوط به شاخص ­های گیاهی EVI و mSAVI بود. بیشترین ضریب کاپا و صحت کلی مربوط به طبقه­ بندی ماشین ­بردار پشتیبان بود. نتایج طبقه ­بندی شیءگرا بیانگر برتری این روش در جداسازی کاربری‌های کشاورزی از مرتع و زمین بایر بود. افزون بر این، امکان جداسازی دو نوع مرتع ضعیف از قوی نیز در این روش فراهم شد.نتیجه‌گیری و پیشنهادهااز میان انواع شاخص‌های گوناگون گیاهی بررسی‌شده برای تفکیک سطح سبز کاربری‌های زراعی، نتایج استفاده از شاخص‌هایی مانند EVI وmSAVI  که از باند سبز در معادله‌های آن ها استفاده شد، مناسب‌تر بود. از دیدگاه روش‌های پیکسل­ مبنا، بهترین روش SVM بود و پس از آن درخت تصمیم در رتبه بعدی بود. تاکنون، پراکنش مکانی و سطح واقعی کاربری‌های دیم زراعی و باغی به ­دلیل دشواری، با هیچ روش سنتی و یا سنجش از دور تعیین‌نشده بود، که در این پژوهش برای نخستین بار و حداقل در استان فارس با دقت مطلوب و مبتنی بر تلفیق سنجش از دور و بازید میدانی، انجام شد. مقیاس این لایه­ ها بر اساس تصویرهای پایه سنتینل با وضوح 10 متر، برای کاربرد در پژوهش‌های آبخیزداری تا مقیاس تفضیلی- اجرایی، کافی و مناسب است. بر اساس یافته‌های این پژوهش پیشنهاد می‌شود از لایه­ های تولیدشده به‌عنوان الگویی برای بررسی تغییرات کاربری زمین‌ها و تصرف غیرقانونی زمین‌های منابع­ طبیعی استفاده شود. همچنین برای دستیابی به این هدف پیشنهاد می‌شود مرز رقومی زمین‌های ملی روی لایه‌های کاربری‌های کشاورزی ­نهادشده و مرزهای متصرفی از آن­ ها استخراج شود.