استخراج عوارض سطح زمین از تصاویر سنجنده OLI

محورهای موضوعی : جغرافای طبیعی

محمد ملکی ¹ , سید محمد توکلی صبور ²

1 - دانشگاه خوارزمی
2 - استادیار- دانشگاه خوارزمی

تاریخ دریافت : 1395/09/29 تاریخ پذیرش : 1396/05/20 تاریخ انتشار : 1396/06/01

کلید واژه: ژئومورفولوژی, دره, کاپا, تفسیر بصری, سنجنده OLI,

چکیده مقاله :

اشکال ژئومورفولوژی و فرآیند‌های حاکم بر آن منشاء بسیاری از مخاطرات و منابع محیطی هستند، همچنین با توجه به شکل-گیری صنعت و علم ژئومورفوتوریسم و در نهایت پایه‌ای بودن مطالعه این اشکال برای طرح‌های عمرانی، ضرورت تهیه چنین نقشه‌ها بیشتر می‌شود. با گسترش استفاده از علوم مکانی همانند سنجش از دور و سیستم اطلاعات جغرافیایی، و کاربرد آن در مطالعات علوم زمین در این تحقیق از تصاویر سنجنده OLI برای تهیه نقشه دره، تیغه، مخروط‌افکنه و واریزه استفاده شد. و با استفاده از روش تفسیر بصری اشکال موردنظر استخراج شدند. نتایج با تصاویر لایه World Imagery ازArc GIS Online مقایسه شد و چهار پارامتر صحت، دقت، کیفت و کاپا برای آن محاسبه شد. و نتایج بدین صورت بدست آمد، صحت‌کل 80 درصد، دقت‌کل 01/62 درصد، کیفیت 87/53 درصد و ضریب کاپا 74/49 درصد بود. از نتایج بدست آمده مشخص گردید که موفقیت تشخیص تمامی عواض بجز واریزه درحد‌ قابل قبولی بوده است. با توجه به ضریب کاپا مشخص می‌شود که قطعه‌بندی انجام شده برای استخراج عوارض در حد متناسبی است.

چکیده انگلیسی:

Terrain feature Extraction from OLI sensor images Abstract: Geomorphologic features and processes related to it, is origin of many of the hazards and environmental resources. Also, due to the formation of industry and science geomorphotorism and finally be necessary of the study these features for civil projects, will be more important Cater these maps. With widespread use of geospatial sciences Such as remote sensing, geographic information systems, and its application in the study of Earth Sciences in the study of OLI sensor images for mapping Valley, Blade, Alluvial Fans and Debris Fans were used. And using visual interpretation features were extracted. Results were compared with images of Esri's World Imagery of ArcGIS Online, The parameters of correctness, completeness, quality and Kappa were calculated. And the results thus obtained, the accuracy of 80 percent, overall accuracy 62/01 percent, quality 53/87 percent and kappa coefficient was 49/74 percent. The results showed that successfully detects all features except Debris Fans has been satisfactory. According to the Kappa coefficient is determined that segmentation done for features extraction is appropriate.