Preparing Mighan wetland Land-use mapping in 2013: Using supervised and fuzzy classification methods

Subject Areas : environmental management

Zahra Alibakhshi ¹ , Marziyeh Alikhah Asl ² , Mohammad Rezavani ³

1 - M.S. Student of Evaluation and Feasibility Study of Land, Payame Noor University, Tehran, Iran.
2 - Assistant Professor, Department of Natural Resources and Environment, Payame Noor University, Tehran, Iran.
3 - Assistant Professor, Department of Natural Resources and Environment, Payame Noor University, Tehran, Iran.

Received: 2014-04-23 Accepted : 2014-11-08 Published : 2015-03-21

Keywords: Land-use, fuzzy and supervised methods, Mighan Wetland,

Abstract :

Introduction: Revealing changes is one the most fundamental needs in the management and assessment of natural resources. With regard to remote sensing images, it is then possible to prepare land-use change maps, which are the result of the change detection processes. It should be noted that different methods have been presented to detect changes and developments of land-uses. The purpose of this study is prepared Mighan wetland –land use mapping in 2013 and Comparison of supervised and fuzzy classification methods.Material and Methods: In this study, Mighan Wetland changes as well as its land-use and land-cover improvements were obtained through using OLI Landsat satellite images in 2013. Then, the images were geometrically and radiometrically corrected using appropriate algorithms. Subsequently, training samples were classified in five land-use classes based on fuzzy and supervised classification methods.Results and Discussion: After applying fuzzy classification and land use map was prepared on theSatellite image OLI .The classification accuracy was evaluated were to do a statistical profile accuracyand precision manufacturer for each of the classes was determined using Finally, the overall accuracy, the accuracy of the maps fuzzy and supervised classification was determined. Evaluating the accuracy of these two methods through determining the overall accuracy the results revealed that supervised method with an overall accuracy of 84.91 and kappa value of 0.7861 is more accurate than the fuzzy method with an overall accuracy of 83.49 and kappa value of 0.7667.

References:

1. Schowengerdt, R.A., 2006. Remote Sensing: Models and Methods for Image Processing. Academic Press; USA.


2. علوی پناه، ک.متین فر، ح .ر: سرمدیان، ف،  ارزیابی کاربری داده های ماهواره ای از نظر صرفه جویی وقت کنفرانس ملی بهره وری.فرهنگستان علوم ایران، 1383
   
   
   1. Lu, D, and Weng, Q, (2007), A survey of image classification methods and techniques for improving classification performance. International Journal of Remote Sensing Vol. 28, No. 5, 10 March 2007, 823–870.
   
   
   2. فیضی زاده، بختیار، عزیزی، حسن، ولیزاده کامران، خلیل. استخراج کاربری های اراضی شهرستان ملکان، لندست 7  ETM+ با استفاده از تصاویر ماهواره ای ، مجله آمایش، 1386 ، شماره 3
   
   
   3. سفیانیان، علیرضا، خداکرمی، لقمان. تهیه نقشه کاربری اراضی با استفاده از روش طبقه بندی فازی، آمایش سرزمین، 1390، دوره 3، شماره 4، 114-95
   
   
   4. یوسفی، صالح، تازه، مهدی، میرزایی، سمیه، مرادی،حمیدرضا، توانگر، شهلا.  مقایسه الگوریتم های مختلف طبقه بندی تصاویر ماهواره ای در تهیه نقشه کاربری اراضی (مطالعه موردی: شهرستان نور)، کاربرد سنجش از دور و GIS در علوم منابع طبیعی، 1390، شماره دوم، 25- 15
      
      
      1. Seto, K. c., Woodcock C.E., Song, C., Huang, X., Lu, J., kaufmann R. K., 2002. Monitoring land-use change in the pearl River Delta using Landsat TM. International 1 Journal of Remote Sensing, ISSN 0143-1161 print/ISSN 1366-590 1 online ©2002 Taylor& Francis Ltd.
      
      
      2. Ayana, A.B., Kositsakulchai, E., 2012. Land Use Change Analysis Using Remote Sensing and Markov Modeling in Fincha Watershed, Ethiopia, Kasetsart J. (Nat.Sci.)46:135-149.
      
      
      3. Macleod, R.S; Congalton R.G (1998); A Quantitative Comparison of Change Detection Algorithms for Monitoring Eelegrass from Remotely. Melendez -Pastor, I; Navarro-Pedreno
      
      
      4. Yuan, D. and C.Elvidge.(1998).NALC Land Cover Change Detection Pilot Study:Washington D.C Area  Experiments.Remote Sensing of  Environment,66:166-178.
      
      
      5. Eastman, R. J (1995). Idrisi for windows (version 2) users Guide, Clark University, NewYork
      
      
      6. کریستوفر، ا.لگ ، ترجمه فرهت جاه بهروز،  دورسنجی و سیستم ها ی اطلاعات جغرافیایی، انتشارات سازمان جغرافیایی نیروهای مسلح،1381،  278  
      
      
      7. علوی پناه، سید کاظم، کاربرد سنجش از دور در علوم زمین، انتشارات دانشگاه تهران، 1384
      
      
      8. علیزاده ربیعی، حسن، سنجش از دور(اصول و کاربرد)، انتشارات سمت، 1389
         
         
         1. Jensen, J.R. 1996. Introductory Digital Image Processing: A Remote Sensin    Perspective. 2d ed. Englewood Cliffs, New Jersey: Prentice-Hall
         
         
         2. ERDAS, (2008), Erdas Field. Guide, Volume Tow, pp.144-145
         
         
         3. علی خواه اصل، مرضیه، فروتن، الهام، استفاده از روش طبقه بندی فازی برای تهیه نقشه کاربری اراضی (مطالعه موردی: زیر حوزه آبخیز حبله رود)، فصلنامه انسان و محیط زیست، بهار1392، شماره بیست و چهارم
         
         
         4. میر آخورلو، خ،  تهیه نقشه کاربری پوشش اراضی در محدوده جنگل های شمال کشور با استفاده ازماهواره های داده +  Landsat7 ETM ، فصلنامه پژوهشی تحقیقات جنگل و صنوبر ایران، 1376، 3:11، 358- 326
         
         
         5. شتایی، ش. و عبدی، ا، تهیه نقشه کاربری اراضی در مناطق کوهستانی زاگرس با استفاده از داده های سنجنده TM(منطقه مورد مطالعه: حوزه سرخاب خرم آباد لرستان). مجله علوم کشاورزی و منابع  طبیعی.1386، 1:14، 138- 129
         
         
         6. ساروئی، س.، بررسی امکان طبقه بندی تراکمی جنگل در جنگل های  زاگرس به کمک داده های ماهواره ای، درویش صفت، ع. ا. ، دانشگاه تهران، گروه جنگلداری، 1378
         
         
         7. ساعی جمال آباد، م.، آشکار سازی تغییرات مساحت و تراکم جنگل با استفاده از فن آوری سنجش ازدور، درویش صفت، ع. ا. ، دانشگاه خواجه نصیرالدین طوسی، گروه سنجش از دور، 1382
            
            
            1. Scott, G. B. and Mark, R. G. 2001. Classification of Land Cover Types for the Fort Bening Ecoregion Using Enhanced Thematic Mapper Data. Strategic Envirenmental Research and Development program (SERDP). ERDC/ET TNECMI-  01- 01.9 pp
            
            
            2. Shalaby, A. and Tateishi, R. 2007. Remote Sensing and GIS for mapping and monitoring land cover and land use changes in the Northwestern coastalzone of Egypt. Applied Geography 27 (2007), 28-41