ارزیابی روشهای طبقهبندی پیکسلپایه و شیء گرا در آشکارسازی و پهنهبندی اراضی فرسایشی با استفاده از دادههای سنجش از دور سنتینل 2 (مطالعه موردی: حوضه آبخیز لیقوان)
نویسندگان
1 دانشگاه تبریز - دانشکده کشاورزی - گروه مهندسی فیزیک و حفاظت خاک
2 عضو هیئت علمی گروه سنجش از دور و سیستم اطلاعات جغرافیایی دانشگاه تبریز
3 عضو هیات علمی
4 عضو هیئت علمی دانشگاه تبریز
5 گروه خاکشناسی دانشگاه تبریز- تبریز- ایران
doi
چکیده
فرسایش خاک بر اثر آب، یکی از مهمترین عوامل ویرانی زمین به شمار رفته و امروزه به عنوان یک خطر زیست محیطی جدی در سراسر جهان تلقی میگردد. امروزه بهکارگیری سنجش از دور در پروژههای حفاظت و فرسایش خاک مرسوم است که در بیشتر آنها از عکسهای هوایی استفاده میشود که با وجود مزایای فراوان، دارای محدودیتهایی نیز هستند. در پژوهش حاضر، با استفاده از دادههای ماهوارهای با قدرت تفکیک بالا مربوط به ماهواره سنتینل-2 و تلفیق آن با عکسهای هوایی و نقشههای پایه، و اجرای روشهای مختلف طبقهبندی اعم از پیکسلپایه و شیءگرا، با هدف آشکارسازی و پهنهبندی سطوح فرسایشی خاک، مورد بررسی و ارزیابی قرار گرفته است. پس از انجام عملیات ستادی، تصحیحهای اتمسفری و هندسی، انجام پیشپردازش و پردازشهای اولیه روی تصاویر سنتینل-2، در نهایت اقدام به آشکارسازی و پهنهبندی سطوح فرسایش در حوزه آبخیز لیقوان گردید. بهمنظور ارزیابی صحت و دقت هرکدام از روشهای بهکار رفته در این تحقیق، معیارهای ارزیابی دقت تولید کننده و کاربر، صحت کلی و ضریب کاپا بررسی و مقایسه شدند. بر اساس نتایج حاصله، روش طبهبندی نظارت شده با به کارگیری الگوریتم نقشه زاویه طیفی و فاصله ماهالانویی، به ترتیب با دقت تولیدکننده 78/77 و 33/33 دارای بیشترین و کمترین دقت برای طبقهبندی برخوردار هستند. همچنین، به طور کلی معیار صحت کلی و ضریب کاپا نیز به ترتیب با مقادیر حداکثر 72 و 62 درصد، بیانگر دقت و صحت متوسط نقشههای تولیدی الگوریتمهای پیکسلپایه میباشند. در حالیکه نتایج حاصله از پردازش شیءگرا نشان میدهد که براساس هر دو معیار دقت تولید کننده و دقت کاربر، روشهای شیءگرا باعث افزایش 12 درصدی دقت نسبت به روشهای پیکسلپایه شده است. نتایج طبقهبندی با الگوریتمهای شیءگرا و بر اساس صحت کلی برابر 88 و 84 درصد به ترتیب برای الگوریتمهای ضریب روشنایی و تلفیق ضریب روشنایی و شیب و بر اساس معیار ضریب کاپا نیز برای این دو الگوریتم به ترتیب 86/0 و 79/0 بدست آمد که نشاندهنده افزایش قابل قبول صحت طبقهبندی در استفاده از الگوریتمهای شیءگرا در مقایسه با الگوریتمهای پیکسل پایه است.