طبقه‌بندی پوشش و کاربری اراضی شهرستان مبارکه با استفاده از داده‌های تصاویر لندست 9

نوع مقاله : مقاله پژوهشی

نویسندگان
1 دانشجوی دکتری گروه محیط زیست، دانشکده منابع طبیعی، دانشگاه صنعتی اصفهان، اصفهان، ایران.
2 استادیار، مرکز تحقیقات محیط زیست انسانی و توسعه پایدار، واحد نجف آباد، دانشگاه آزاد اسلامی، نجف آباد، ایران.
10.22034/el.2025.497483.1038
چکیده
سنجش از دور عبارت است از علم و هنر کسب اطلاعات در مورد اجسام، اراضی یا پدیده‌های مختلف به کمک جمع‌آوری اطلاعات از آن‌ها، بدون تماس با پدیده‌های تحت بررسی. در منابع زمینی به‌کارگیری عکس‌های هوایی، عکس‌های فضایی و تصاویر تهیه شده از اطلاعات ماهواره‌ای برای تفسیر و شناسایی و کسب اطلاعات از پدیده‌ها را سنجش از دور بیان می‌کنند. امروزه شناخت محیط برای برنامه‌ریزی براساس توان بوم‌شناختی هرمنطقه‌ای در راستای ارزیابی توان در هر حوزه جغرافیایی معین جزء مراحل مهم پروژه‌های اجرایی، به‌ویژه در سطح کلان و ملی، بشمار می‌رود. به همین دلیل هدف در این پژوهش طبقه‌بندی پوشش و کاربری اراضی شهرستان مبارکه می‌باشد. جهت ایجاد نقشه کاربری اراضی از نرم‌افزار 3/5 ENVI که یک نرم‌افزار جهت پردازش و تحلیل اطلاعات سنجش از دوری به‌ویژه داده‌های ماهواره‌ای است استفاده شد. همچنین برای تشخیص پوشش زمین از پرداکت‌های موجود در سامانه Google Earth Engine استفاده شد که از انواع داده‌های ماهواره‌‌های پرکاربرد امروزی که به‌صورت رایگان عرضه می‌شود پشتیبانی می‌کند. درنهایت برای ارزیابی صحت نتایج طبقه‌بندی شده نقشه تولیدی با نقشه واقعیت زمینی از برنامه Google Earth استفاده شد. همیچنین ر برای مشخص شدن صحت کلی طبقه‌بندی ضریب کلی و کاپا برآورد گردید. نتایج حاصل از این پژوهش نشان می‌دهد، ارزیابی صحت نقشه‌ تولیدی که با واقعیت زمینی با 388 نقطه تعلیمی در Google Earth مورد بررسی قرار گرفت، ضریب کلی نقشه 96% و ضریب کاپا آن 92/0 به‌دست آمد که ضریب قابل اطمینانی می‌باشد. درنهایت پیشنهاد می‌شود در پژوهش‌های آتی در عوض استفاده از روش‌های پیکسل پایه در مدیریت اینگونه مناطق از قطعه بندی تصاویر ماهواره‌ای با کمک از نرم‌افزارهای سنجش از دور در راستای تعیین یگان‌ها و اختصاص آن به زون‌های سازگار استفاده شود.

کلیدواژه‌ها

موضوعات


عنوان مقاله English

Classification of Land Cover and Land Use in Mobarakeh County Using Landsat 9 Imagery Data

نویسندگان English

Reza Peykanpour Fard 1
Sohrab Hasheminejad 1
Parvaneh Peykanpour Fard 2
1 PhD candidate, Department of Natural Resources, Isfahan University of Technology, Isfahan 84156-83111, Iran
2 Ph.D, Human Environment and Sustainable Development Research Center, Najafabad Branch, Islamic Azad University, Najafabad, Iran
چکیده English

Remote sensing is defined as the science and art of acquiring information about objects, land, or various phenomena through the collection of data without direct contact with the phenomena under investigation. In terrestrial resources, the use of aerial photographs, space images, and satellite-derived imagery for interpreting, identifying, and obtaining information about phenomena is referred to as remote sensing. Today, understanding the environment for planning based on the ecological potential of each region, in line with assessing capabilities in specific geographical areas, is considered a crucial phase in the implementation of projects, especially at macro and national levels. Therefore, the objective of this research is to classify land cover and land use in Mobarakeh County. To create the land use map, ENVI 3.5 software, which is designed for processing and analyzing remote sensing data, particularly satellite data, was utilized. Additionally, to identify land cover, products available in the Google Earth Engine platform were employed, which support various types of widely-used satellite data offered for free. Ultimately, to evaluate the accuracy of the classified results, the produced map was compared with ground truth data using Google Earth. Furthermore, to determine the overall accuracy of the classification, the overall accuracy and Kappa coefficient were calculated. The results of this research indicate that the assessment of the produced map's accuracy, which was examined against ground reality using 388 reference points in Google Earth, yielded an overall accuracy of 95.36% and a Kappa coefficient of 0.92, indicating a reliable measure. Finally, it is suggested that future studies consider using segmentations of satellite imagery with the assistance of remote sensing software to define units and assign them to compatible zones instead of employing pixel-based methods for managing such areas.

کلیدواژه‌ها English

Remote Sensing
Satellite Imagery
Landsat
Mobarakeh
  1. آل شیخ، علی اصغر، مطهری، سعید، خوشنام، هاشم، گنجعلی، لیلا و پهلوان، عاتکه. (1388). برنامه‌ریزی محیط‌زیست با روش فرآیند برنامه‌ریزی و سیستم اطلاعات جغرافیایی (مطالعه موردی دهستان دهک). علوم و تکنولوژی محیط‌زیست 11: 83-73.
  2. اسماعیل نژاد، رضا و زینال زاده، کامران. (1399). ارزیابی تغییرات کاربری اراضی با استفاده از سنجش از دور و سیستم اطلاعات جغرافیایی در زیرحوضه نازلوچای. مجله مدیریت خاک و تولید پایدار 9(4): 172-159.
  3. ایران پور، امید. (1392). ارزیابی توان سرزمین به‌منظور کاربری کشاورزی با استفاده از ارزیابی چند معیار. پایان‌نامه کارشناسی ارشد ارزیابی و آمایش سرزمین، گروه محیط‌زیست، دانشکده منابع طبیعی، دانشگاه صنعتی اصفهان، ایران. 84 ص.
  4. پیکانپور فرد، رضا، سفیانیان، علیرضا، احمدی، محسن و پورمنافی، سعید. (1403). پهنه‌بندی چند‌هدفه مناطق تحت حفاظت با استفاده از روش‌های MCE و MOLA مطالعه موردی: پناهگاه حیات‌وحش عباس‌آباد، استان اصفهان. جله علمی پژوهشی اکولوژی کاربردی 13(1): 47-60.
  5. جلیل پیرانی، عباس و احمدی ندوشن، مژگان. 1395. ارزیابی اکولوژیک محیط برای تعیین مناطق مستعد کشاورزی با استفاده از GIS (منطقه مورد مطالعه: شهرستان مبارکه). همایش ملی صیانت از محیط‌زیست،20 بهمن 1395، شرکت هوای پاک اندیشان، تهران، ایران. ص‌ص. 49-39.
  6. حمایتی فر، فرهاد. (1395). آشکارسازی تغییرات کاربری و پوشش اراضی شهرستان بهبهان ناشی از احداث سد مارون. پایان‌نامه کارشناسی ارشد ارزیابی و آمایش سرزمین، گروه محیط‌زیست، دانشکده منابع طبیعی، دانشگاه صنعتی اصفهان، ایران. 123 ص.
  7. رضائی، مهدیه و شبیری، سید محمد. (1393). تحلیلی بر نقش برنامه‌ریزی راهبردی در آموزش توسعه پایدار با تأکید بر ابعاد محیط‌زیستی. علوم و تکنولوژی محیط‌زیست 16: 421-409.
  8. رضایی مقدم، محمدحسین، محمدزاده، کیوان و پیشنماز احمدی، مجید. (1399). بررسی و مقایسه الگوریتم‌های شئ‌گرا در استخراج پهنه‌های آبی با تصاویر ماهواره سنتینل. فصلنامه علمی- پژوهشی اطلاعات جغرافیایی « سپهر» 29 (115): 21-34.
  9. زبیری، محمود و مجد، علیرضا. (1390). آشنایی با فن سنجش از دور و کاربرد در منابع طبیعی (اطلاعات ماهواره‌ای، عکس‌های هوایی، فضایی). چاپ نهم. موسسه انتشارات و چاپ دانشگاه تهران، تهران، ایران. 318 ص.
  10. سالنامه آماری شهرستانی استان اصفهان. 1395. سازمان مدیریت و برنامه‌ریزی استان اصفهان (معاونت آمار و اطلاعات)، اصفهان، ایران. 436 ص.
  11. صالحی، محدثه، مرادی، عباس و بختیاری کیا، مسعود. (1396). طبقهبندی پوشش اراضی/کاربری اراضی بر اساس تکنیک شیءگرا و تصاویر ماهوارهای، مطالعه موردی: منطقه حفاظت شده تیاب و میناب. چهارمین کنفرانس بین المللی علوم جغرافیایی.
  12. فیضی زاده، بختیار. (1398). ارزیابی تطبیقی تکنیک‌های پردازش پیکسل پایه و شیءگرا در طبقه بندی تصاویر ماهواره‌ایAster برای استخراج نقشه‌های اراضی کشاورزی و باغی در حاشیه شرقی دریاچه ارومیه. فصلنامه علمی- پژوهشی اطلاعات جغرافیایی « سپهر» 28 (109): 167-183.
  13. عدل، حمیدرضا، مخدوم، مجید و مروی مهاجر، محمدرضا. (1386). ارزیابی تطبیقی مهم‌ترین عوامل مؤثر در توان اکولوژیک سه منطقه غربی، مرکزی و شرقی جنگل‌های شمال ایران. فصلنامه علمی پژوهشی تحقیقات جنگل صنوبر ایران 15(3): 300-289.
  14. علوی پناه، سید کاظم. (1397). کاربرد سنجش از دور در علوم زمین (علوم خاک). انتشارات دانشگاه تهران، تهران، ایران. 496 ص.
  15. مخدوم، مجید. (1387). شالودة آمایش سرزمین، چاپ سوم، تهران، انتشارات دانشگاه تهران، 321 صفحه.
  16. مهدوی، داوود و کریمی، طاهره. (1393). امکان‌سنجی و مکان‌یابی توان‌های جغرافیایی (صنایع معدنی) در مناطق روستایی (مطالعه موردی: بخش مرکزی شهرستان مبارکه). کنگره انجمن جغرافیایی ایران 12: 1150-1133.
  17. Le, H. T. T., Van Hoang, L., & Van Nguyen, T. (2021). Object-oriented classification for landcover of North Thang Long Industrial area using Worldview-2 data. Journal of Mining and Earth Sciences, 62(1), 10-18.‏
  18. Ma, L., Liu, Y., Zhang, X., Ye, Y., Yin, G., & Johnson, B. A. (2019). Deep learning in remote sensing applications: A meta-analysis and review. ISPRS journal of photogrammetry and remote sensing, 152, 166-177.‏
  19. Peykanpour Fard, Reza, Moradi, Hossein, Lotfi, Ali, Pourmanafi, Saeid, & Bihamta Toosi, Neda. (2023). Advancing the mapping of optimal land use structure in industrialized areas: incorporating AERMOD modeling and MCE approach. GeoJournal, 88(2), 1979-1995.‏
  20. Pham, L. T., Nguyen, S. P., Nguyen, N. V., Van Dao, H., Doan, L. D., Vo, N. H. T., ... & Le, N. T. (2020). Establishment of land cover map using object-oriented classification method for VNREDSat-1 data. J. Min. Earth Sci, 61(2), 134-144.‏
  21. Sylla, D., Mouissa, H., Léocadie, M., & Cakadje-Konan, C. H. (2022). An object oriented classification approach for mapping land cover from Landsat and Sentinel image data in the north of Ivory Coast. Jordan Journal of Earth & Environmental Sciences, 12(4).‏
  22. Zhong, Y., Ma, A., soon Ong, Y., Zhu, Z., & Zhang, L. (2018). Computational intelligence in optical remote sensing image processing. Applied Soft Computing, 64, 75-93.‏