طبقه بندی پوشش گیاهی بر اساس شاخص تالابی با استفاده از طبقه بندی شئ‌گرا تصاویر ماهواره ای (مطالعه موردی: تالاب انزلی)
الموضوعات :مریم حقیقی خمامی 1 , محمد جواد تجدد 2 , مکرم روانبخش 3 , فریبرز جمالزاد فلاح 4
1 - مربی گروه پژوهشی محیط زیست طبیعی، پژوهشکده محیط زیست جهاد دانشگاهی، رشت، ایران
2 - کارشناس ارشد برنامه ریزی محیط زیست، پژوهشی محیط زیست طبیعی، پژوهشکده محیط زیست جهاد دانشگاهی، رشت، ایران
3 - مربی گروه پژوهشی محیط زیست طبیعی، پژوهشکده محیط زیست جهاد دانشگاهی، رشت، ایران
4 - استادیار گروه پژوهشی محیط زیست طبیعی، پژوهشکده محیط زیست جهاد دانشگاهی، رشت، ایران
الکلمات المفتاحية: شاخص گیاهان تالابی, سنجش از دور, شاخص نرمال شده تفاوت پوشش گیاهی (NDVI), تالاب انزلی, طبقه بندی,
ملخص المقالة :
پیشینه و هدف در طول سالیان اخیر تحقیقات زیادی در تالاب انزلی به‌عنوان یکی از مهم‌ترین تالاب های عضو کنوانسیون رامسر انجام گرفته است. که با توجه به ماهیت و موقعیت جغرافیایی تالاب از هزینه بالایی برخوردار بوده است. نیاز به شناسایی، طبقه بندی، آشکارسازی، پیش بینی و پیشرفت تکنولوژی این امکان را داده تا با هزینه ای به‌مراتب کمتر بتوانیم با داده های سنجش از دور و با استفاده از قابلیت هایی چون سهل الوصول بودن، دقت بالا، پوشش وسیع و قابل تکراری بودن ازنظر زمانی و مکانی و استخراج اطلاعات در زمان نسبتاً کم، محیط های طبیعی را با دقت و سرعت بیشتری بررسی کنیم زیرا یکی از مهم ترین مشکلاتی که در مسئله بررسی تغییرات پوشش گیاهی وجود دارد عدم وجود اطلاعات مکان‌دار دقیق منطقه در طول زمان است. تصاویر ماهواره ای و فناوری سنجش از دور این امکان را فراهم می کند تا با اتکا به اطلاعات تولیدی از آن به برنامه بهتری جهت مدیریت محیط‌زیست دست یافت. در اﻳﻦ مطالعه طبقه بندی پوشش گیاهی تالاب انزلی با استفاده از تکنیک طبقه بندی ﺷﺊﮔﺮا تصویر ماهواره ﻟﻨﺪﺳﺖ با نمونه برداری زمینی و بر پایه شاخص تالابی گیاهان و همچنین میزان ترکم پوشش گیاهی با تهیه نقشه شاخص پوشش گیاهی (NDVI) مورد بررسی و تجزیه و تحلیل ﻗﺮار ﮔﺮفت. از نقشه های طبقه بندی پوشش گیاهی تالاب می توان در تشخیص میزان و نوع پوشش و برنامه ریزی جهت حفظ و احیا تالاب بهره جست.مواد و روش هادر این مطالعه که تهیه نقشه طبقه بندی پوشش گیاهی بر اساس شاخص تالابی به‌عنوان یکی از معیارهای موردنیاز مرزبندی اکولوژیکی تالاب، مدنظر است. ابتدا محدوده های کلی پوشش گیاهی تالاب در ساحل و پیرامون آن شناسایی شد. سپس داده های پوشش گیاهی گونه های آبزی تالاب از مناطق مختلف آبی تالابی در پلات های 0.25 مترمربعی و در محدوده حاشیه خشکی از گونه های خشکی زی حاشیه تالاب به کمک پلات های 1 متر مربعی برداشت شد. در مجموع 42 پلات طی بهار و تابستان 1398 برداشت شد. پس از تهیه تصاویر موردنیاز، آماده سازی آن ها شامل تصحیحات هندسی، اتمسفری، رادیومتریکی و بارزسازی تصویر با استفاده از نرم‌افزارENVI انجام شد. تصویر ماهواره لندست (Landsat) 8 تیرماه 98 با قدرت تفکیک مکانی 30 متر جهت طبقه بندی پوشش گیاهی و تهیه نقشه شاخص پوشش گیاهی (NDVI) و تصویر ماهواره سنتینل-2 (Sentinel-2) تیرماه 98 به دلیل قدرت تفکیک زمینی 10 متر جهت تلفیق با داده لندست 8 به عنوان داده کمکی در طبقه بندی تصویر مورد استفاده قرار گرفت. ادغام این دو تصویر با حفظ مقادیر طیفی تصویر چند طیفی باعث بهبود قدرت تفکیک مکانی تصویر حاصله می‌گردد. عملیات طبقه بندی شی‌ء گرا به منظور تفکیک و طبقه بندی بهتر تصویر لندست 8 تلفیق شده با استفاده از نقاط تعلیمی حاصل از نمونه برداری زمینی انجام شد. ارزیابی صحت طبقه بندی با استفاده از نمونه های آزمایشی به عنوان نقاط واقعیت کنترل زمینی، برای هر کلاس به‌صورت تصادفی انجام و ماتریس خطای طبقه بندی استخراج گردید.نتایج و بحث ابتدا گیاهان غالب و نماینده وضعیت تالابی آن ها به کمک نمونه گیری در منطقه شناسایی شدند. با محاسبه درصد نسبی پوشش گیاهان غالب در محل نمونه گیری و با توجه به فهرست گونه های گیاهی شناسایی شده و شناسایی شاخص تالابی آن‌ها، گروه های گیاهی تالابی و غیر تالابی تفکیک گردیدند. در مجموع از طبقه بندی گونه های پلات ها (42 قطعه نمونه) تعداد 180 گونه گیاهی در 124 جنس و 48 تیره شناسایی شد. همچنین چهار گروه گیاهان اجباری تالاب (OBL)، گیاهان اختیاری و اجباری تالاب (OBL & FACW)، گیاهان اختیاری خشکی و اختیاری تالاب (FACU & FACW) و گیاهان اختیاری تالاب (FACW) تفکیک گردیدند. تهیه نقشه طبقه بندی پوشش گیاهی از طریق تلفیق نمونه برداری زمینی و طبقه بندی شی‌ء گرا تصویر سنجنده OLI ماهواره لندست سال 98 تلفیق شده است. صحت نقشه های طبقه بندی شده بر اساس مقادیر آمار کاپا و صحت کلی مورد ارزیابی قرار گرفت. میزان دقت کلی 88.62 درصد و میزان ضریب کاپا برابر با 84 درصد به دست آمد. بر اساس نتایج خروجی طبقه بندی تصویر گروه گیاهان اجباری تالاب در حاشیه پهنه های آبی تالاب (حاشیه تالاب غرب و سرخانکل)، گروه گیاهان اختیاری تالاب بیشتر در حاشیه خشکی تالاب و به‌طور عمده در جنوب غربی تالاب (تالاب سیاه کشیم) و پناهگاه حیات وحش چوکام در بخش شرقی تالاب، گروه گیاهان اختیاری و اجباری تالاب با پراکنش کمتر به طور یکنواخت در کل گروه گیاهان اختیاری خشکی و اختیاری تالاب در بخش کوچکی از محدوده و محدوده تالاب در منطقه چوکام، شمال و شمال غرب تالاب مشاهده گردید. بررسی درصد تراکم پوشش گیاهی در سطح تالاب با شاخص NDVI، توزیع پوشش متراکم گیاهی در نواحی مختلف تالاب و محدود شدن سطح آب بستر تالاب را نشان می‌دهد.نتیجه گیری نتایج بررسی تصاویر ماهواره ای و طبقه بندی آن ها با توجه به نمونه های زمینی نشان می دهد که گسترش و پراکندگی گیاهان اجباری تالاب (OBL) محدود به پهنه‌های آبی تالاب است، به طوری که بیشترین پراکنش این گیاهان مربوط به پهنه آبی تالاب غرب و سرخانکل می شود. گسترش گونه های اختیاری تالاب (FACW) در پهنه های خشکی تالاب است که نشان از خشک شدن بیشتر مناطق تالاب در قسمت سیاه کشیم (جنوب غربی) و چوکام (شرق) است. طبقه بندی تصاویر ماهواره ای و درصد حضور هر یک از گروه ها در آن نشان داد که گروه اراضی کشاورزی (با سطح حضور 23.9 درصد) و گروه گونه های اختیاری تالاب (FACW) (با سطح حضور 23.6 درصد و غالباٌ گونه های نی، توسکا، بید) بالاترین درصد گروه های طبقه بندی پوشش محدوده تالاب انزلی را به خود اختصاص داده‌اند. این امر ضمن بیان حضور بیشتر گونه های اختیاری تالاب در مقایسه با گونه های اجباری تالاب (OBL) (با سطح حضور 10.1 درصد) و سطح اشغال اراضی زراعی، به روشنی خشک شدن تالاب را نشان می دهد. درصد پوشش گیاهی در سطح تالاب نیز با شاخص پوشش گیاهی (NDVI) بررسی گردید که بیشترین آن متعلق به پوشش گیاهی متراکم است. با توجه به اینکه تصویر ماهواره ای مربوط به فصل تابستان است، نشانگر توزیع پوشش گیاهی در نواحی مختلف تالاب و سطح آب بستر تالاب است که نشان از کاهش میزان سطوح آبی تالاب دارد. بررسی پوشش های گیاهی و تغییرات اکولوژیک آن ها به‌صورت دوره ای، اطلاعات مفیدی از تغییرات منابع آبی و اکولوژیک تالاب جهت برنامه ریزی در حفظ و نگهداری آن به عنوان یک اکوسیستم مهم در منطقه در اختیار مدیریان و برنامه ریزان قرار می دهد.
Al-Wassai FA, Kalyankar N, Al-Zuky AA. 2011. Arithmetic and frequency filtering methods of pixel-based image fusion techniques. International Journal of Advanced Research in Computer Science 8(3): 122-133. arXiv preprint arXiv:1107.3348.
Baatz M, Schape A. 2000. Multiresolution Segmentation: An Optimization Approach for High Quality Multi-Scale Image Segmentation. In: Strobl, J., Blaschke, T. and Griesbner, G., Eds., Angewandte Geographische Informations-Verarbeitung, XII, Wichmann Verlag, Karlsruhe, Germany, 12-23.
Behrouzi Rad B. 1998. The value of wetlands and the role of the Ramsar Convention in their protection. Journal of Environmental Science, 10(34): 2-24. (In Persian).
Behrouzi Rad B. 2008. Iran Wetlands. Published by Geographical Organization of the Army Press. 812 p. (In Persian).
Darwish T, Faour G. 2008. Rangeland degradation in two watersheds of Lebanon. Lebanese Science Journal, 9(1): 71-80.
Feizizadeh B, Helali H. 2010. Comparison pixel-based, object-oriented methods and effective parameters in Classification Land cover/land use of west province Azerbaijan. Physical Geography Research Quarterly, 42(71): 73-84. (In Persian).
Ghafari S, Moradi HR, Modarres R. 2018. Comparison of object-oriented and pixel-based classification methods for land use mapping (Case study: Isfahan-Borkhar, Najafabad and Chadegan plains). Journal of RS and GIS for Natural Resources, 9(1): 40-57. http://girs.iaubushehr.ac.ir/article_540415_en.html. (In Persian).
Hajibigloo M, Sheikh V, Memarian H, Komaki CB. 2020. Determination of quantity and allocation disagreement indices in selection of appropriate algorithm for land use classification in pixel and objected base in Gorgarood river basin. Journal of RS and GIS for Natural Resources, 10(4): 1-20. http://girs.iaubushehr.ac.ir/article_670313.html?lang=en. (In Persian).
Hammer DA. 2014. Creating freshwater wetlands. CRC Press, 345 p.
Healey SP, Cohen WB, Zhiqiang Y, Krankina ON. 2005. Comparison of Tasseled Cap-based Landsat data structures for use in forest disturbance detection. Remote Sensing of Environment, 97(3): 301-310. doi:https://doi.org/10.1016/j.rse.2005.05.009.
Hosseinjani A, Ahmadnejad M, Mahdizade G, Sadeghinejad Masouleh E, Sohrabi T, Saberi H. 2017. Study of Aquatic Plant Biomass Assessment and their relationship with environment parameters in west of Anzali wetland. Wetland Ecobiology, 9(1): 69-78. (In Persian).
Jackson S. 1995. Delineating bordering vegetated wetlands: under the Massachusetts Wetlands Protection Act: a handbook. Massachusetts Department of Environmental Protection, Division of Wetlands and Waterways, 86 p.
Khodabandehlou B, Khavarian Nehzak H, Ghorbani A. 2019. Change detection of land use/land cover using object oriented classification of satellite images (Case study: Ghare Sou basin, Ardabil province). Journal of RS and GIS for Natural Resources, 10(3): 76-92. http://girs.iaubushehr.ac.ir/article_668474_en.html. (In Persian).
Klonus S, Ehlers M. 2007. Image fusion using the Ehlers spectral characteristics preservation algorithm. GIScience & Remote Sensing, 44(2): 93-116. doi:https://doi.org/10.2747/1548-1603.44.2.93.
Lee T-M, Hui-Chung Y. 2009. Applying remote sensing techniques to monitor shifting wetland vegetation: A case study of Danshui River estuary mangrove communities, Taiwan. Ecological Engineering, 35(4): 487-496. doi:https://doi.org/10.1016/j.ecoleng.2008.01.007.
Magee TK, Ringold PL, Bollman MA. 2008. Alien species importance in native vegetation along wadeable streams, John Day River basin, Oregon, USA. Plant Ecology, 195(2): 287-307. doi:https://doi.org/10.1007/s11258-007-9330-9.
Malmiran H. 2004. Tematic mapping from satellite imagery: A guide book. Publications of the Geographical Organization of the Ministry of Defense and Armed Forces Support, Iran. third edition. 280 p. (In Persian).
McFeeters SK. 1996. The use of the Normalized Difference Water Index (NDWI) in the delineation of open water features. International Journal of Remote Sensing, 17(7): 1425-1432. doi:https://doi.org/10.1080/01431169608948714.
Nezhad AT, Amrgholipour Kasmani V, Ghahramani Nezhad F. 2013. Biomass estimation of dominant aquatic plants andtheir plant community impacts in four importantwetlands of Babol, Mazandaran province. Applied Biology, 26(1): 57-67. https://doi.org/10.22051/JAB.22014.21148. (In Persian).
Pettorelli N, Vik JO, Mysterud A, Gaillard J-M, Tucker CJ, Stenseth NC. 2005. Using the satellite-derived NDVI to assess ecological responses to environmental change. Trends in Ecology & Evolution, 20(9): 503-510. doi:https://doi.org/10.1016/j.tree.2005.05.011.
Rahmani S, Ebrahimi A, Davoudian A. 2017. Comparison of three methods of vegetation/land cover mapping, including remote sensing, physiographic and geomorphologic. Journal of Range and Watershed Management, 70(3): 661-680. https://doi.org/610.22059/JRWM.22017.22825. (In Persian).
Rogan J, Franklin J, Roberts DA. 2002. A comparison of methods for monitoring multitemporal vegetation change using Thematic Mapper imagery. Remote Sensing of Environment, 80(1): 143-156. doi:https://doi.org/10.1016/S0034-4257(01)00296-6.
Salman Mahini A, Kamyab H. 2010. Applied Remote Sensing and GIS with IDRISI, Mehr Mahdis, 608 p. (In Persian).
Sefidian S, Salman Mahini A, Mir Karimi SH, Hassan ANA. 2015. Vegetation classification based on wetland indicator using remote sensing and field survey (Case study: International Alagol wetland). Wetland Ecobiology, 7(2): 5-22. http://jweb.iauahvaz.ac.ir/article-21-317-fa.html. (In Persian).
Sefidian S, Salmanmahiny A, Mirkarimi H, Hasan Abassi N. 2016. The ecological boundaries of semi-arid wetland using a protocol enhanced by bird indicators: The international Alagol wetland of Iran. Environmental Resources Research, 4(1): 91-110. doi:https://doi.org/10.22069/IJERR.2016.3156.
Seto KC, Woodcock C, Song C, Huang X, Lu J, Kaufmann R. 2002. Monitoring land-use change in the Pearl River Delta using Landsat TM. International Journal of Remote Sensing, 23(10): 1985-2004. doi:https://doi.org/10.1080/01431160110075532.
Tiner RW. 1993. The primary indicators method-a practical approach to wetland recognition and delineation in the United States. Wetlands, 13(1): 50-64. doi:https://doi.org/10.1007/BF03160865.
Zare Chahouki M, Khojasteh F, Yousefi M, Farsoudan A, Shafizade Nasrabady M. 2013. Evaluation of different plot shape, size, and number for sampling in middle Taleghan rangelands. Whatershed Management Research, 26(2): 133-139. (In Persian).
Zebardast l, Jafari H. 2011. Use of remote sensing in monitoring the trend of changes of Anzali wetland in Iran and proposing environmental management solution. Journal of Environmental Studies, 37(57): 1-8. (In Persian).
_||_Al-Wassai FA, Kalyankar N, Al-Zuky AA. 2011. Arithmetic and frequency filtering methods of pixel-based image fusion techniques. International Journal of Advanced Research in Computer Science 8(3): 122-133. arXiv preprint arXiv:1107.3348.
Baatz M, Schape A. 2000. Multiresolution Segmentation: An Optimization Approach for High Quality Multi-Scale Image Segmentation. In: Strobl, J., Blaschke, T. and Griesbner, G., Eds., Angewandte Geographische Informations-Verarbeitung, XII, Wichmann Verlag, Karlsruhe, Germany, 12-23.
Behrouzi Rad B. 1998. The value of wetlands and the role of the Ramsar Convention in their protection. Journal of Environmental Science, 10(34): 2-24. (In Persian).
Behrouzi Rad B. 2008. Iran Wetlands. Published by Geographical Organization of the Army Press. 812 p. (In Persian).
Darwish T, Faour G. 2008. Rangeland degradation in two watersheds of Lebanon. Lebanese Science Journal, 9(1): 71-80.
Feizizadeh B, Helali H. 2010. Comparison pixel-based, object-oriented methods and effective parameters in Classification Land cover/land use of west province Azerbaijan. Physical Geography Research Quarterly, 42(71): 73-84. (In Persian).
Ghafari S, Moradi HR, Modarres R. 2018. Comparison of object-oriented and pixel-based classification methods for land use mapping (Case study: Isfahan-Borkhar, Najafabad and Chadegan plains). Journal of RS and GIS for Natural Resources, 9(1): 40-57. http://girs.iaubushehr.ac.ir/article_540415_en.html. (In Persian).
Hajibigloo M, Sheikh V, Memarian H, Komaki CB. 2020. Determination of quantity and allocation disagreement indices in selection of appropriate algorithm for land use classification in pixel and objected base in Gorgarood river basin. Journal of RS and GIS for Natural Resources, 10(4): 1-20. http://girs.iaubushehr.ac.ir/article_670313.html?lang=en. (In Persian).
Hammer DA. 2014. Creating freshwater wetlands. CRC Press, 345 p.
Healey SP, Cohen WB, Zhiqiang Y, Krankina ON. 2005. Comparison of Tasseled Cap-based Landsat data structures for use in forest disturbance detection. Remote Sensing of Environment, 97(3): 301-310. doi:https://doi.org/10.1016/j.rse.2005.05.009.
Hosseinjani A, Ahmadnejad M, Mahdizade G, Sadeghinejad Masouleh E, Sohrabi T, Saberi H. 2017. Study of Aquatic Plant Biomass Assessment and their relationship with environment parameters in west of Anzali wetland. Wetland Ecobiology, 9(1): 69-78. (In Persian).
Jackson S. 1995. Delineating bordering vegetated wetlands: under the Massachusetts Wetlands Protection Act: a handbook. Massachusetts Department of Environmental Protection, Division of Wetlands and Waterways, 86 p.
Khodabandehlou B, Khavarian Nehzak H, Ghorbani A. 2019. Change detection of land use/land cover using object oriented classification of satellite images (Case study: Ghare Sou basin, Ardabil province). Journal of RS and GIS for Natural Resources, 10(3): 76-92. http://girs.iaubushehr.ac.ir/article_668474_en.html. (In Persian).
Klonus S, Ehlers M. 2007. Image fusion using the Ehlers spectral characteristics preservation algorithm. GIScience & Remote Sensing, 44(2): 93-116. doi:https://doi.org/10.2747/1548-1603.44.2.93.
Lee T-M, Hui-Chung Y. 2009. Applying remote sensing techniques to monitor shifting wetland vegetation: A case study of Danshui River estuary mangrove communities, Taiwan. Ecological Engineering, 35(4): 487-496. doi:https://doi.org/10.1016/j.ecoleng.2008.01.007.
Magee TK, Ringold PL, Bollman MA. 2008. Alien species importance in native vegetation along wadeable streams, John Day River basin, Oregon, USA. Plant Ecology, 195(2): 287-307. doi:https://doi.org/10.1007/s11258-007-9330-9.
Malmiran H. 2004. Tematic mapping from satellite imagery: A guide book. Publications of the Geographical Organization of the Ministry of Defense and Armed Forces Support, Iran. third edition. 280 p. (In Persian).
McFeeters SK. 1996. The use of the Normalized Difference Water Index (NDWI) in the delineation of open water features. International Journal of Remote Sensing, 17(7): 1425-1432. doi:https://doi.org/10.1080/01431169608948714.
Nezhad AT, Amrgholipour Kasmani V, Ghahramani Nezhad F. 2013. Biomass estimation of dominant aquatic plants andtheir plant community impacts in four importantwetlands of Babol, Mazandaran province. Applied Biology, 26(1): 57-67. https://doi.org/10.22051/JAB.22014.21148. (In Persian).
Pettorelli N, Vik JO, Mysterud A, Gaillard J-M, Tucker CJ, Stenseth NC. 2005. Using the satellite-derived NDVI to assess ecological responses to environmental change. Trends in Ecology & Evolution, 20(9): 503-510. doi:https://doi.org/10.1016/j.tree.2005.05.011.
Rahmani S, Ebrahimi A, Davoudian A. 2017. Comparison of three methods of vegetation/land cover mapping, including remote sensing, physiographic and geomorphologic. Journal of Range and Watershed Management, 70(3): 661-680. https://doi.org/610.22059/JRWM.22017.22825. (In Persian).
Rogan J, Franklin J, Roberts DA. 2002. A comparison of methods for monitoring multitemporal vegetation change using Thematic Mapper imagery. Remote Sensing of Environment, 80(1): 143-156. doi:https://doi.org/10.1016/S0034-4257(01)00296-6.
Salman Mahini A, Kamyab H. 2010. Applied Remote Sensing and GIS with IDRISI, Mehr Mahdis, 608 p. (In Persian).
Sefidian S, Salman Mahini A, Mir Karimi SH, Hassan ANA. 2015. Vegetation classification based on wetland indicator using remote sensing and field survey (Case study: International Alagol wetland). Wetland Ecobiology, 7(2): 5-22. http://jweb.iauahvaz.ac.ir/article-21-317-fa.html. (In Persian).
Sefidian S, Salmanmahiny A, Mirkarimi H, Hasan Abassi N. 2016. The ecological boundaries of semi-arid wetland using a protocol enhanced by bird indicators: The international Alagol wetland of Iran. Environmental Resources Research, 4(1): 91-110. doi:https://doi.org/10.22069/IJERR.2016.3156.
Seto KC, Woodcock C, Song C, Huang X, Lu J, Kaufmann R. 2002. Monitoring land-use change in the Pearl River Delta using Landsat TM. International Journal of Remote Sensing, 23(10): 1985-2004. doi:https://doi.org/10.1080/01431160110075532.
Tiner RW. 1993. The primary indicators method-a practical approach to wetland recognition and delineation in the United States. Wetlands, 13(1): 50-64. doi:https://doi.org/10.1007/BF03160865.
Zare Chahouki M, Khojasteh F, Yousefi M, Farsoudan A, Shafizade Nasrabady M. 2013. Evaluation of different plot shape, size, and number for sampling in middle Taleghan rangelands. Whatershed Management Research, 26(2): 133-139. (In Persian).
Zebardast l, Jafari H. 2011. Use of remote sensing in monitoring the trend of changes of Anzali wetland in Iran and proposing environmental management solution. Journal of Environmental Studies, 37(57): 1-8. (In Persian).
