ارزیابی قابلیت الگوریتم های طبقه بندی نظارت شده در تهیه نقشه پوشش گیاهی ( مطالعه موردی: آبیک)

محورهای موضوعی : کاربرد GIS&RS در برنامه ریزی

انسیه میهن پرست ¹

1 - گروه اموزشی سنجش از دور و سیستم اطلاعات جغرافیایی ، دانشگاه خوارزمی، تهران ،ایران

تاریخ دریافت : 1399/02/19 تاریخ پذیرش : 1399/03/25 تاریخ انتشار : 1399/03/01

کلید واژه: ضریب کاپا, طبقه بندی نظارت شده, پوشش گیاهی, صحت کلی, شهرستان آبیک,

چکیده مقاله :

چکیده به منظور مدیریت صحیح اکوسیستم‌های مرتعی و پوشش گیاهی، باید ارتباط بین اجزای آنها را شناخت. یکی از اجزای اصلی این اکوسیستم‌ها پوشش گیاهی و ترکیب آن بوده که تحت کنترل عوامل محیطی قرار دارد. به‌عبارت دیگر، الگوی توزیع پوشش گیاهی بوسیله بسیاری از عوامل محیطی تأثیر می‌پذیرد. .امروزه کسب وآگاهی در رابطه با پوشش گیاهی و سلامت آن نقش مهمی در مدیریت خاک و گیاهان ایفا می کند. همچنین در حال حاضر استفاده از نقشه های پوشش گیاهی یکی از ارکان مهم در تولید اطلاعات جهت برنامه ریزی های منطقه ای است. لذا با استفاده از دانش سنجش از دور و بررسی دقیق عناصر میتوان پی به شناخت پوشش گیاهی و انواع آن و پراکندگی آن با استفاده از تصاویر ماهواره ای برد. لذا در تحقیق حاضر برای ارزیابی پوشش گیاهی و پراکندگی آن برای منطقه آبیک از دو الگوریتم طبقه بندی نظارت شده شامل Maximum likehood و Spactral angel mapper استفاده شده است. صحت کلی برای الگوریتم MLC و SAM به ترتیب 91.86 و 68.85 و ضریب کاپا MLC و SAM به ترتیب 0.89 و 0.62 ارزیابی شده است. بنابراین الگوریتم MLC روش مناسب تری برای ارزیابی و تخمین پراکندگی پوشش گیاهی منطقه آبیک شناخته شد و براین اساس الگوریتم MLC دارای صحت بالاتری نسبت به الگوریتم SAM است. ناگفته نماند که همبستگی بین پوشش گیاهی و عوامل محیطی یکی از مهمترین مسائل تأثیرگذار در شکل گیری ساختار جوامع گیاهی و پراکنش آنها در هر ناحیه و منطقه ای مورد مطالعه ای می باشد و به طبع شرایط خاص هر منطقه متفاوت است و باید بررسی های دقیق برای شناخت پوشش گیاهی و مدیریت آن انجام پذیرد.

چکیده انگلیسی:

In order to properly manage rangeland ecosystems and vegetation, it is necessary to know the relationship between their components. One of the main components of these ecosystems is vegetation and its composition, which is under the control of environmental factors. In other words, the pattern of vegetation distribution is affected by many environmental factors. Today, business awareness and its health play an important role in soil and plant management. Also, the use of vegetation maps is one of the most important pillars in the production of information for regional planning. Therefore, using remote sensing knowledge and careful study of elements, it is possible to identify vegetation and its types and its distribution using satellite images. Therefore, in the present study, two supervised classification algorithms including Maximum likehood and Spactral angel mapper have been used to evaluate the vegetation cover and its distribution for Abyek region. The overall accuracy for the MLC and SAM algorithms is 91.86 and 68.85, respectively, and the MLC and SAM kapa ratios are 0.89 and 0.62, respectively. Therefore, the MLC algorithm was recognized as a more appropriate method for assessing and estimating the vegetation distribution of the Abyek region, and therefore the MLC algorithm has a higher accuracy than the SAM algorithm. It goes without saying that the correlation between vegetation and environmental factors is one of the most important issues affecting the formation of the structure of plant communities and their distribution in each region and study area, and the specific conditions of each region are different. Recognize and manage vegetation.