در این مطالعه، جهت ارزیابی قابلیت های سری زمانی داده های تداخل سنجی رادار دریچه مصنوعی (InSAR) و یادگیری ماشین در تهیه نقشه پوشش زمین، داده های ماهواره سنتینل-1 (شامل 16 تصویر SLC با تفکیک زمانی تقریباً 24 روزه) در بازه زمانی 2018 تا 2020 برای محدوده ای از شهرستان اهواز در استان خوزستان استفاده شدند. از طریق پردازش های InSAR، تعداد 25 تصویر همدوسی بر اساس جفت تصاویر رادار در بازه های زمانی مختلف تولید گردیدند. پنج طبقه غالب پوشش زمین در منطقه شامل: اراضی ساخته شده، اراضی کشاورزی، پهنه های آبی، خاک لخت و پوشش گیاهی طبیعی متراکم، شناسایی و در نظر گرفته شدند. با استفاده از تصاویر قدرت تفکیک مکانی بالای گوگل ارث، در مجموع 4930 نمونه آموزشی با توزیع مکانی مناسب برای تمامی طبقات پوشش زمین اخذ گردید. تصاویر چندزمانه همدوسی به عنوان ورودی طبقه بندی کننده ماشین بردار پشتیبان (SVM) استفاده شدند. فرایند آموزش و ارزیابی صحت کرنل های مختلف SVM به ترتیب با استفاده از 80 و 20 درصد نمونه های آموزشی صورت گرفت. بر اساس نتایج طبقه بندی، میزان صحت کلی در کرنل های خطی، چندجمله ای درجه دو، چندجمله ای درجه چهار، چندجمله ای درجه شش، تابع پایه شعاعی و سیگموئید به ترتیب برابر با 60. 7، 64. 7، 67. 7، 69. 9، 66. 3 و 59. 5 درصد و مقدار ضریب کاپا 50. 88، 55. 87، 59. 62، 62. 38، 57. 87 و 49. 38 درصد ارزیابی گردید. در نتیجه، بالاترین میزان صحت کلی و ضریب کاپا برای کرنل چندجمله ای درجه شش و کمترین میزان آن برای کرنل سیگموئید به دست آمد. بر اساس نتایج ارزیابی صحت کاربر و صحت تولیدکننده در تمامی کرنل ها، اراضی ساخته شده بالاترین میزان صحت (93-98. 5 درصد) و پوشش گیاهی متراکم کمترین میزان صحت (11-56. 25 درصد) را به خود اختصاص دادند. به طورکلی نتایج حاصل، بر پتانسیل بالای داده های InSAR جهت شناسایی طبقات پوشش زمین تأکید دارد. در این میان، تأثیر الگوریتم طبقه بندی نیز بر میزان کارایی داده ها حائز اهمیت است.

تعیین تیپ های گیاهی و تغییرات ساختاری آن در مناطق کوهستانی و مرتفع با مشکلات جدی همراه بوده، از اینرو، تجزیه و تحلیل ارتباط بین الگوی توزیع مکانی تیپ های گیاهی و عوامل محیطی برای شناخت اکوسیستم های کوهستانی بسیار مهم است. اطلاعات مکانی دقیقی در مورد عوامل محیطی موثر بر پراکنش پوشش گیاهی معمولا در این مناطق وجود ندارد،حال آنکه مدل رقومی ارتفاعی زمین (DEM) رابطه بسیار قوی با دما، رطوبت، فرآیندهای ژئومورفولوژیکی وعوامل تخریبی داشته به همین دلیل انتظار می رود جایگزین بالقوه ای برای متغییر های تعیین کننده پوشش گیاهی باشد. در مطالعه حاضر روشی مبتنی بر مدل رقومی ارتفاع زمین و سیستم های اطلاعات جغرافیایی برای تولید نقشه پوشش گیاهی منطقه حفاظت شده سبزکوه در استان چهارمحال و بختیاری به کار گرفته شد.در این روش به منظورشناسایی پارامترهای محیطی تعیین گر ساختار پوشش گیاهی، شش پارامتر محیطی اولیه و ثانویه شامل نقشه های هیپسومتری، شیب، جهت، بارش، دما و تابش خورشیدی از روی DEM استخراج گردید. جهت بررسی ارتباط بین این عوامل و توزیع مکانی پوشش گیاهی، تجزیه و تحلیل کمی با استفاده از ابزار آماری آنالیز مولفه اصلی انجام شد. سپس با استفاده از مدل رگرسیون لجستیک چند متغیره الگوی توزیع مکانی پوشش گیاهی پیش بینی شد. نتایج نشان داد که هر چند فقدان اطلاعات در مورد گستره فعالیت های انسانی منجر به برخی ابهامات در تفسیر الگوهای فضایی پوشش گیاهی می شود، اما استفاده از متغیرهای توپوگرافیک و اقلیمی استخراج شده از روی DEM در پیش بینی پراکنش پوشش گیاهی برای نشان دادن الگوی توزیع مکانی تیپ های گیاهی منطقه بسیار مفید و امیدوار کننده بود.

نقشه پوشش زمین، پراکنش مکانی چشم اندازهای مختلف کشاورزی، منابع طبیعی، آب و منابع انسان ساخت را نشان می دهد و به عنوان یک ابزار مهم برای مدیریت و کاهش ریسک در مسایل چالش برانگیز مانند خشکسالی و اثرات آن، امنیت غذایی، کنترل سیل و برنامه ریزی شهری ارزشمند است. به منظور غلبه بر محدودیت های کار میدانی در تهیه نقشه پوشش زمین، استفاده از تصاویر ماهواره ای به دلیل دارا بودن داده های وسیع، چندطیفی و به روز مناسب به نظر می رسد. در منطقه مورد مطالعه، وجود پدیده های ناهمگن مکانی نیز طبقه بندی پدیده ها را با مشکل مواجه می سازد. هدف اصلی این پژوهش، تهیه نقشه پوشش زمین با وضوح بالا با کاربرد تصاویر Sentinel-2A در بستر Google Earth Engine است. در این رابطه، سه الگوریتم طبقه بندی جنگل تصادفی، ماشین بردار پشتیبان و درخت تصمیم مورد ارزیابی و مقایسه قرار گرفت. شاخص های متعدد با استفاده از روش های تبدیل و نسبت گیری طیفی تهیه شد. صحت نقشه های حاصل از طبقه بندی در مقایسه با نقشه های مرجع زمینی ارزیابی شد. در رابطه با ارزیابی تک باندها، بهترین صحت کلی برابر 49 درصد با کاربرد شاخص CVI به دست آمد. بهترین صحت کلی و ضریب کاپا به ترتیب برابر 86 درصد و 0/82 توسط الگوریتم جنگل تصادفی حاصل شد. بنابراین ضمن تاکید بر مزایای GEE شامل دسترسی آسان به داده ها و قابلیت پردازش و مقایسه سریع آنها، می توان ادعا نمود که تصاویر Sentinel-2A برای تهیه نقشه پوشش زمین از لحاظ هزینه، زمان و دقت، کارآیی بالایی دارد و این نقشه می تواند برای مدیریت و برنامه ریزی منابع مختلف طبیعی و انسان ساخت در راستای توسعه پایدار بسیار مفید واقع گردد.

هدف از این تحقیق ارزیابی کارایی سه الگوریتم ماشین بردار پشتیبان، درخت تصمیم گیری و شبکه عصبی مصنوعی فازی آرتمپ جهت تهیه نقشه پوشش زمین حوزه آبخیز ارکواز با استفاده از تصویر سنجنده OLI ماهواره لندست 8 (سال 1393) است. پس از تصحیح هندسی تصاویر و پیش پردازش های صورت گرفته، اقدام به تعیین نمونه های تعلیمی مربوط به طبقات پوشش زمین برای انجام عملیات طبقه بندی شد و ارزیابی تفکیک پذیری نمونه ها در هر کدام از طبقات پوشش زمین با استفاده از شاخص آماری واگرایی تعیین شد. به منظور ارزیابی صحت نتایج طبقه بندی هر کدام از الگوریتم ها، نقشه واقعیت زمینی با استفاده از روش سیستماتیک به ابعاد 550 متری طراحی و نوع پوشش زمینی آن ها در محل نمونه ها مشخص گردید. در نهایت، کارایی روش های طبقه بندی با استفاده از معیارهای صحت کلی، ضریب کاپا، صحت تولید کننده و صحت کاربر مورد بررسی قرار گرفت. مقایسه صحت های کلی و ضریب کاپای کسب شده برای سه طبقه بندی کننده با مجموعه باندی مناسب در مقایسه با نقشه واقعیت زمینی نشان داد که طبقه بندی کننده ماشین بردار پشتیبان با مقدار صحت کلی 91.26% و ضریب کاپای 0.8731 نتایج مطلوب تری نسبت به سایر الگوریتم ها دارد. نتایج همچنین نشان داد که تفکیک و طبقه بندی اراضی جنگلی از سایر طبقات کاربری منطقه با صحت بالا صورت گرفته است.

لطفا برای مشاهده متن کامل این مقاله اینجا را کلیک کنید.

رشد سریع جمعیت در ایران مانند دیگر کشورهای در حال توسعه سبب استفاده بیش از حد ظرفیت و وارد آمدن فشار مضاعف بر منابع طبیعی شده است که نتیجه آن سبب تغییرات سریع پوشش زمین و کاربری اراضی گردیده است. بنابراین شناخت سریع و دقیق انواع پوشش زمین شامل مراتع، اراضی کشاورزی آبی و دیم، تاسیسات و ... می تواند نقش موثری در برنامه ریزی و مدیریت منابع طبیعی داشته باشد. تحقیق حاضر با انگیزه یافتن روشی سریع و دقیق برای طبقه بندی اراضی مرتعی و شناخت انواع پوشش زمین با استفاده از تصاویر ماهواره ای لندست (سنجیده TM) درحوضه آبخیز نمرود انجام شد. تصاویر تهیه شده با استفاده از نقش توپوگرافی 1:50000 و نقاط کنترلی، زمین مرجع شدند. با استفاده از تکنیکهای آشکارسازی (ترکیب رنگی کاذب، تجزیه و تحلیل مولفه های اصلی) و تجزیه و تحلیل تصاویر (شاخص پوشش گیاهی NDVI و طبقه بندی نظارت شده) در محیط GIS (نرم افزار ILWIS)، انواع پوشش زمین شامل اراضی کشاورزی آبی، اراضی کشاورزی دیم، مناطق صخره ای (توده سنگی) و انواع طبقات مرتع (خوب، متوسط و فقیر) با دقت 89.5 درصد از هم تفکیک شدند.

تهیه نقشه زمین شناسی مهندسی در تحقیق های زمین شناسی مهندسی نقش اساسی دارد، چون هدف آن ادامه پیشرفت پروژه و بررسی روش هایی برای به دست آوردن و ثبت اطلاعاتی است که برای رفع نیازهای مهندسی عمران و زیست محیطی مناسب است. در این مطالعه، نقشه های زمین شناسی مهندسی و کاربردی گستره شهر چابهار واقع در جنوب خاور ایران (با مقیاس 1:25000) با هدف فراهم ساختن اطلاعات زمین شناسی مهندسی لازم برای برنامه ریزی کاربری زمین و توسعه شهری تهیه شده است. محدوده مورد مطالعه که متشکل از رسوبات ترشیری است، در ارتباط با شرایط پی، شرایط گودبرداری، شرایط دفن زباله و مشکلات زمین شناسی زیست محیطی مورد ارزیابی و مطالعه قرار گرفته است. این مطالعات بر اساس اطلاعات حاصل از بررسی های صحرایی، گمانه زنی و نمونه برداری سیستماتیک در صحرا، آزمایش های برجا و آزمایشگاهی انجام پذیرفته است. در نهایت، نتایج این مطالعه در چهارچوب نقشه های زمین شناسی کاربردی ارایه شده است.