Journal of Crop Production and Processing
نشریه تولید و فرآوری محصولات زراعی و باغی
Isfahan University of Technology - Journal of Crop Production and Processing
http://jcpp.iut.ac.ir
1
admin
2251-8517
2251-8525
fa
jalali
1386
4
1
gregorian
2007
7
1
11
40
online
1
fulltext
fa
ارزیابی قابلیت دادههای ماهوارهای +ETMجهت تهیه نقشه طبقات پوششی جنگل-اراضی درختچه ای-مرتع (مطالعه موردی حوزه نکا-ظالم رود-مازندران)
Evaluating ETM+ Data Capability to Provide ‘ Forest- Shrub land- Range’ Map (A Case Study of Neka- Zalemroud Region- Mazandaran- Iran)
عمومى
General
پژوهشي
Research
به منظور ارزیابی قابلیت دادههای ماهوارهای سنجنده +ETM جهت تهیه طبقات پوششی جنگل- اراضی درختچهای و مرتع در حدود فوقانی جنگل، این دادهها در بخشی از اراضی جنگلی و مرتعی در ارتفاعات حوزه نکا- ظالم رود مورد مطالعه قرار گرفتند. جهت تصحیح هندسی تصویر از روش تصحیح هندسی ارتو با بهکارگیری مدل رقومی ارتفاعی استفاده شد که میزان خطای ریشه میانگین مربعات معادل 68/0 پیکسل در راستای محور Xها و 69/0 پیکسل در راستای محور Yها را به دست آورد. از تکنیک PANSHARP جهت ترکیب وضوح باندهای اصلی و باند پانکروماتیک استفاده شد. به منظور تهیه نقشه واقعیت زمینی از روش نمونه برداری تصادفی منظم با قطعات نمونه یک هکتاری استفاده شد. از فرم رویشی درختی، درختچهای و مرتعی بهعنوان معیار تفکیک طبقات استفاده گردید. مجموعهای از کانالها شامل باندهای اصلی، شاخصهای گیاهی NDVI و (NIR(IR/R و مولفههای اول حاصل از تجزیه مولفههای اصلی جهت طبقه بندی دادهها مورد استفاده قرار گرفت. از روش خودکار انتخاب کانالها جهت انتخاب ترکیب بهینه باندی استفاده شده و نمونههای تعلیمی با استفاده از شاخصهای تفکیک پذیری طبقات ارزیابی شدند. طبقه بندی تصویر با الگوریتم حداکثر احتمال و با استفاده از دو مجموعه داده اصلی و ترکیبی انجام گرفت که حداکثر صحت کلی را با میزان 67 % و شاخص کاپا 43/0 را در مجموعه داده اصلی حاصل نمود. با توجه به میزان به دست آمده معیارهای بیان صحت طبقه بندی، دادههای اصلی سنجنده +ETM جهت نمایش طبقات پوشش سه گانه بر مبنای فرم رویشی و در منطقه مورد مطالعه دارای قابلیت متوسط ارزیابی گردید. لذا میتوان با این معیار اقدام به تفکیک طبقات پوشش در منطقه نمود. همچنین اعمال روشهای تکمیلی بهمنظور کاهش تداخل طیفی بازتاب زمینه دراین گونه مناطق پیشنهاد میشود.
In order to evaluate the capability of ETM+ remotely- sensed data to provide "Forest- shrub land- Rangeland" cover type map in areas near the timberline of northern forests of Iran, the data was analyzed in a portion of nearly 790 ha located in Neka- Zalemroud region. First, ortho-rectification process was implemented to correct the geometric errors of the image, which yielded 0/68 and 0/69 pixels of RMS error toward X and Y axis, respectively. The original
multi-spectral bands were fused to the panchromatic band using PANSHARP Statistical module. The ground truth map was prepared using 1 ha field plots in a systematic- random sampling grid. Vegetative form of trees, shrubs and rangelands was recorded as a criterion to allocate the plots. A set of channels including original bands, NDVI and IR/R indices, and first components of PCA was used for classification procedure. Automatic band selection command was used to select the appropriate channel set.. Classification was carried out using ML classifier on both original and fused data sets. It showed 67% of overall accuracy and 0/43 of Kappa coefficient in original data set. Due to the results present presented above, it's concluded that ETM+ data has an intermediate capability to fulfill the spectral variations of 3 form- based classes, in the studied area. Furthermore, applying complementary methods to minimize the background spectral effect is proposed for future studies.
سنجنده +ETM، طبقات پوششی جنگل- اراضی درختچهای مرتع، طبقه بندی کننده حداکثر احتمال، معیارهای بیان صحت طبقه بندی، نکا-ظالم رود
ETM+ sensor, Forest- Shrub land- Range classes, ML classifier, Accuracy assessment, Neka- Zalemroud
439
448
http://jcpp.iut.ac.ir/browse.php?a_code=A-10-2-717&slc_lang=fa&sid=1
H. Latifi
هومن لطیفی
10031947532846006410
10031947532846006410
Yes
J. Oladi
جعفر اولادی
10031947532846006411
10031947532846006411
No
S. Saroei
سعید ساروئی
10031947532846006412
10031947532846006412
No
H. Jalilvand
حمید جلیلوند
10031947532846006413
10031947532846006413
No