ارزیابی روش های تولید نقشه پوشش گیاهی با استفاده از سامانه اطلاعات مکانی و سنجش از دور

پیشینه و اهداف: امروزه، اطلاع از خصوصیات کمی و کیفی تغییرات در برنامه ریزی های محیطی، آمایش سرزمین و توسعه پایدار، بسیار حائز اهمیت است. در حال حاضر، استفاده از نقشه های پوشش گیاهی، یکی از ارکان مهم در تولید اطلاعات جهت برنامه ریزی های کلان و خرد است. هدف این پژوهش، تولید نقشه پوشش های گیاهی طبیعی و زراعی و همچنین، زمین های کشت آبی و باغات، با استفاده از فن آوری سنجش از دور و سامانه اطلاعات مکانی است. به طور کلی، از زمان های قدیم تا به امروز، روش های مختلفی برای جمع آوری داده های مبتنی بر مکان وجود دارد، از جمله مشاهدات نجومی، فتوگرامتری، نقشه برداری و سنجش از دور. سنجش از دور، یکی از روش های جمع آوری داده هاست که کمترین تماس مستقیم با اشیاء و داده های مورد اندازه گیری را دارد و بر خلاف روش های دیگر، که عوامل انسانی در جمع آوری و تفسیر داده های زمینی نقش دارند، در روش سنجش از دور، مسئولیت جمع آوری اطلاعات بر عهده سنسورها خواهد بود.روش ها : در این تحقیق، نشان دادیم که چگونه می توان از تصاویر ماهواره های سنجش از دور، جهت تهیه نقشه پوشش گیاهی و باغات، استفاده کرد. برای این منظور، از تصاویر ماهواره ای و برداشت های زمینی، به عنوان داده های ورودی استفاده می شود و این داده ها، با روش های مختلف طبقه بندی، مورد تجزیه و تحلیل قرار می گیرند. برای تهیه نقشه کاربری، اراضی جنوب شهر زنجان انتخاب و از تصاویر ماهواره سنتینل -۲ مربوط به سال ۲۰۱۸، استفاده شد. در مراحل مختلف انجام این تحقیق، از نرم افزارهای ENVI ، ArcGIS ، SAGAGIS استفاده شده است. بهترین روش طبقه بندی به کمک نرم افزارArcGIS انتخاب گردید. برای بررسی قابلیت و کارایی داده ها، تصاویر شاخص پوشش گیاهی نرمال شده (NDVI) با دقت مکانی ۱۵متر، محاسبه و برای هر ماه، یک تصویر NDVI، در نظر گرفته شد. در مجموع ۱۲ تصویر انتخاب گردید که در قالب یک داده با عملیات ترکیب کردن لابه یک باند سه تایی تبدیل شدند.یافته ها: در این تحقیق اعتبار سنجی داده ها براساس نرم افزار گوگل ارث انجام شد و دقت تفکیک پوشش گیاهی منطقه مورد مطالعه، با استفاده از روش های طبقه بندی مختلف از قبیل حداکثر احتمال، کوتاه ترین فاصله، ماشین بردار پشتیبان، شبکه های عصبی و جنگل تصادفی، مورد بررسی قرار گرفت .در هر روش طبقه بندی، با استفاه از ماتریس خطای اومیشن و کومیشن در هر کلاس و شاخص های دقت کلی نقشه، ضریب کاپا مورد بررسی قرار گرفته است. با مقایسه تمامی روش ها و ارزیابی نتایج به دست آمده، مشخص شد که روش الگوریتم جنگل تصادفی با دقت کلی ۹۶.۵۱% و ضریب کاپا ۰.۸۱۸۱ به عنوان بهترین روش طبقه بندی، نقشه پوشش گیاهی منطقه مورد مطالعه را تولید خواهد کرد.نتیجه گیری: نتایج این تحقیق نشان داد که در الگوریتم جنگل تصادفی احتمال تعلق هر پیکسل به هر کلاس با دقت بالایی تعیین می شود. قابلیت تعیین اهمیت ویژگی ها در طبقه بندی که می تواند به منظور انتخاب فضای ویژگی بهینه استفاده شود از مهمترین مزایای این روش است. همچنین، توانایی طبقه بندی داده های نویزی، که می توان جهت افزایش و تصفیه نمونه های 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 قابل درک این الگوریتم در کنار مزایای فنی آن، باعث انعطاف پذیری بالای آن شده و ترکیب آن با روش های دیگر را، بسیار آسان کرده است.

کلیدواژه ها:

پوشش گیاهی ، روش جنگل تصادفی ، سامانه اطلاعات مکانی ، شاخص NDVI ، ضریب کاپا