عنوان پایان‌نامه
بکارگیری روش های (ساب پیکسل و پیکسل بس ) مبتنی بر طبقه بندی برای تعیین تغییرات (ال یو وال سی ) با استفاده از تصاویر ماهواره ای
- رشته تحصیلی
- سنجش از دور وسیستم اطلاعات جغرافیایی
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 52400;کتابخانه دانشکده جغرافیا شماره ثبت: 1628
- تاریخ دفاع
- ۲۰ مهر ۱۳۹۰
- دانشجو
- محسن سلطان ابادی
- استاد راهنما
- سیدکاظم علوی پناه
- چکیده
- نیاز جامعه بشری امروز به استفاده از منابع طبیعی به علت افزایش روز افزون جمعیت بیش از پیش احساس می شود و در این بین استفاده از اراضی زراعی موجب شده که بشر امروزی به گونه ای بهینه تر از منابع طبیعی بهره ببرد.این عوامل موجب شده تا مبحث کاربری اراضی و پوشش گیاهی از جایگاه ویژه ای در امر توسعه برخوردار باشد. در این تحقیق تلاش شده است که تغییرات پوشش گیاهی و کاربری اراضی منطقه مشکات و نصر آباد )حد فاصل بین شهرهای قم، کاشان( در طی سال های 1110،0311 و 1101 بررسی شود. جهت بررسی تغییرات پوشش گیاهی و کاربری اراضی تصاویر TM و ETM+ ماهواره های Landsat مورد استفاده قرار گرفت.پیش از شروع انجام تحقیق با استفاده از عملیات میدانی، و به کمک یک دستگاه موقعیت یاب جهانی (GPS) و یک عدد دوربین دیجیتال منطقه ذکر شده مورد ارزیابی قرار گرفت و جهت بررسی تغییرات سه کلاس باغات، اراضی زراعی برداشت شده و اراضی زراعی برداشت نشده به عنوان کلاس های مدنظر جهت طبقه بندی انتخاب شدند. پس از طی مراحل اولیه از دو روش مختلف طبقه بندی تصاویر ماهواره ای بر اساس زیر پیکسل و پیکسل پایه جهت انجام این تحقیق بهره گرفته شد. جهت ارزیابی تغییرات پوشش گیاهی منطقه با استفاده از روش های پیکسل پایه از روش حداکثر احتمال) Maximum Likelihood Classification یا MLC (و برای روش های زیر پیکسل از روش تجزیه طیفی خط) Linear Spectral Unmixing یا (LSU و فیلتر گذاری انطباقی) Matched Filtering یا MF ) بهره گرفته شد. برای ارزیابی نحوه طبقه بندی دو روش فوق الذکر از تصویر سال 1101 استفاده شد تا پس از آن روش مطلوب تر به جهت ارزیابی بارزسازی تغییرات سال های پیشین نیز مورد استفاده قرار گیرد. جهت اجرای تجزیه اختلاط خطی بر روی تصاویر، ابتدا باید پیکسل های خالص )عضو های مرجع( مربوط به پدیده های موجود در تصویر استخراج گردند، زیرا نتایج حاصل از تجزیه اختلاط خطی به پیکسل های خالص انتخاب شده وابستگی فوق العاده ای دارد، بدین منظور پس از انجام روش کاهش ابعاد طیفی با استفاده از الگوریتم حداقل سازه نویز Minimum Noise Fraction) یا MNF ( که هدف آن کاهش ابعاد طیفی داده ها جهت نمایش در یک فضای طیفی با ابعاد بهینه می باشد، برای انتخاب پیکسل های خالص سه روش 0- تفسیر بصری )داده های پیکسل خالص نظارت شده( 1- مشخصات طیفی )شاخص خلوص پیکسل( 9- روش مبتنی بر شناسایی هندسی اجزا مورد استفاده قرار گرفت. پس از طی مراحل فوق پیکسل های خالص اراضی زراعی برداشت نشده و باغات با هم ادغام شدند و یک کلاس را تشکیل دادند و کلاس دیگر هم اراضی زراعی برداشت شده به خود اختصاص داد. روش LSU به 6 علت داشتن مقادیر خارج از محدوده 1 و 0 مورد قبول واقع نشد و از روش MF به عنوان روش جایگزین برای طبقه بندی دو کلاس استفاده شد. همچنین برای طبقه بندی تصویر سال 1101 به وسیله روش بیشترین شباهت از داده های واقعیت زمینی منطقه مورد مطالعه به عنوان داده های آموزشی در سه کلاس استفاده شد و این روش طبقه بندی تصویر TM سال 1101 را با دقت مطلوبی) 39 %( طبقه بندی کرد. با توجه به توانایی این روش در طبقه بندی هر سه کلاس مورد نظر باغات،اراضی زراعی برداشت شده و اراضی زراعی برداشت نشده با دقت مناسب، از این روش برای طبقه بندی تصاویر سال های 1110 و 0311 نیز بهره گرفته شد. پس از طبقه بندی تصاویر سال های 0311 و 1110 با استفاده از روش MLC میزان دقت کلی آنها در حدود 1101-1110- %39 مشخص شد.پس از طی مراحل فوق و بررسی نقشه های طبقه بندی شده سال های 0311 تغییرات این سال ها به صورت روش مقایسه پس از طبقه بندی و روش های کمی مورد ارزیابی قرار گرفت.نتایج طبقه بندی این سال ها نشان میدهد که مساحت اراضی زیر کشت برداشت نشده و باغات در سال 1101 نسبت به سال های گذشته افزایش یافته و همچنین بیش ترین میزان اراضی برداشت شده متعلق به سال 1110 بوده است. واژگان کلیدی : بارزسازی تغییرات، انتخاب اعضای مرجع، تجزیه طیفی خطی،فیلتر گذاری انطباقی، طبقه بندی بیشترین شباهت، مقایسه پس از طبقه بندی.
- Abstract
- Abstract Needs of today's human society to exploit natural resources is felt more than ever before due to increasing population. This has led the land use and vegetation subject to gain a special attention in the development. This research attempts to investigate vegetation and land use changes in Meshkat and Nasr-Abad region (between the cities of Qom, Kashan) for the 1988,2001 and 2010. In order to examine changes in vegetation and land use ,ETM + and TM images of Landsat satellites were used . The mentioned area was evaluated through a field visit using and a global positioning system (GPS) and a digital camera to assess changes within the three classes of orchards, agricultural lands, harvested agricultural lands.Two different methods for classification of satellite images were used based on pixel for this research. Accordingly,to assess changes in vegetation area, pixel-based method of Maximum Likelihood Classification (MLC) and subpixel based methods of Linear Spectral Unmixing or (LSU) and Matched Filtering (MF) were used and image of 2010 was used for change detection. In order to perform linear mixture analysis on images, it was needed to extract the pure pixels (endmember) that related to phenomenon in the image as the result of the linear mixture analysis depend on selected pure pixels. Therefore after reducing the dimensions of spectrum using Minimum Noise Fraction algoritm (MNF) which aims to reduce the dimensions of the spectral data in order to display in a Spectral space with optimum dimensions, three ways namely 1 - visual interpretation (supervised pure pixel data) 2 - Spectral specification (pixel purity index) 3 - Geometric-based method were used. The pure pixels of not- harvested croplands and gardens were merged and formed a class and harvested crop lands assigned to another class. LSU method was not satisfactory because of having values outside the range of 0 and 1 and MF method as an alternative method was used to classify the
