28 اردیبهشت 1403
مهدي رحمتي

مهدی رحمتی

مرتبه علمی: دانشیار
نشانی: گروه علوم و مهندسی خاک، دانشگاه مراغه، مراغه، ایران
تحصیلات: دکترای تخصصی / فیزیک و حفاظت خاک
تلفن:
دانشکده: دانشکده کشاورزی

مشخصات پژوهش

عنوان
ارزیابی روشهای طبقه بندی پیکسل پایه و شیء گرا در آشکارسازی و پهنه بندی اراضی فرسایشی با استفاده از داده های سنجش از دور سنتینل 2 (مطالعه موردی: حوضه آبخیز لیقوان)
نوع پژوهش مقاله چاپ شده
کلیدواژه‌ها
الگوریتم های شی گرا، پردازش تصاویر ماهوارهای، فرسای خاک، قطعه بندی تصاویر
سال 1400
مجله تحقیقات کاربردی خاک
شناسه DOI http://asr.urmia.ac.ir/article_121032.html
پژوهشگران پناه محمدی ، عباس احمدی ، بختیار فیضی زاده ، علی اصغر جعفرزاده ، مهدی رحمتی

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 می گردد. امروزه به کارگیری سنجش از دور در پروژه های حفاظت و فرسایش خاک مرسوم است که در بیشتر آنها از عکسهای هوایی استفاده می شود که با وجود مزایای فراوان، دارای محدودیت هایی نیز هستند. در پژوهش حاضر با استفاده از داده های ماهواره ای با قدرت تفکیک بالا مربوط به ماهواره سنتینل-2 و تلفیق آن با عکسهای هوایی و نقشه های پایه، و اجرای روش های مختلف طبقه بندی اعم از پیکسل پایه و شیءگرا، با هدف آشکارسازی و پهنه بندی سطوح فرسایشی خاک مورد بررسی و ارزیابی قرار گرفته است. پس از انجام عملیات ستادی، تصحیح های اتمسفری و هندسی، انجام پیش پردازش و پردازش های اولیه روی تصاویر سنتینل-2، در نهایت اقدام به آشکارسازی و پهنه بندی سطوح فرسایش در حوزه آبخیز لیقوان گردید. به منظور ارزیابی صحت و دقت هرکدام از روش های به کار رفته در این تحقیق، معیارهای ارزیابی دقت تولیدکننده و کاربر، صحت کلی و ضریب کاپا بررسی و مقایسه شدند. بر اساس نتایج حاصله، روش طبه بندی نظارت شده با به کارگیری الگوریتم نقشه زاویه طیفی و فاصله ماهالانویی به ترتیب با دقت تولید کننده 78/77 و 33/33 دارای بیشترین و کمترین دقت برای طبقه بندی 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 نقشه های تولیدی الگوریتم های پیکسل پایه می باشد. در حالیکه نتایج حاصله از پردازش شیءگرا نشان می دهد که بر اساس هر دو معیار دقت تولید کننده و دقت کاربر، روش های شیءگرا باعث افزایش 12 درصدی دقت نسبت به روش های پیکسل پایه شده است. نتایج طبقه بندی با الگوریتم های شیءگرا و بر اساس صحت کلی برابر 88 و 84 درصد به ترتیب برای الگوریتم های 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 نشان دهنده افزایش قابل قبول صحت طبقه بندی در استفاده از الگوریتم های شیءگرا در مقایسه با الگوریتم های پیکسل پایه است.