شناسایی مناطق برداشت رسوبات بادی با استفاده از سه الگوریتم حداکثر شباهت، حداقل فاصله و متوازی السطوح (مطالعه موردی: شهرستان رودبارجنوب- استان کرمان)

نوع مقاله: مقاله پژوهشی

نویسندگان

1 استادیار، عضو هیئت علمی دانشکده کشاورزی و منابع طبیعی دانشگاه هرمزگان، ایران

2 دانشجوی کارشناسی ارشد بیابان‌زدایی، دانشکده کشاورزی و منابع طبیعی دانشگاه هرمزگان، بندرعباس، ایران

3 استادیار، عضو هیئت علمی دانشکده کشاورزی و منابع طبیعی دانشگاه هرمزگان، بندرعباس، ایران

4 دانشجوی دکتری مخاطرات اقلیمی، دانشگاه سیستان و بلوچستان، زابل، ایران

چکیده

تلفیق فنون سنجش از دور (RS) و سامانه اطلاعات جغرافیایی (GIS)، ابزار مهمی برای انجام مطالعات شناسایی منابع ماسه بشمار می‌رود. این مهم، زمان و هزینه عملیات مکان‌یابی منابع ماسه‌ای را کاهش می‌دهد. در این تحقیق با استفاده از تکنیک‌های پردازش تصویر و به کمک داده‌های رقومی 8 Landsat و سنجنده OLI کانونهای برداشت رسوبات بادی در شهرستان رودبار جنوب شناسایی گردید. جهت انجام کار، ابتدا تصحیح رادیومتریک بر روی داده اعمال و با استفاده از شاخص فاکتور مطلوبیت (OIF) بهترین ترکیب باندی تعیین گردید بطوریکه ترکیب باندی (5،6،7) مناسبتر تشخیص داده شد. در مرحله بعد، تصاویر به سه روش متوازی السطوح، حداقل فاصله و حداکثر شباهت طبقه‌بندی شدند. برای ارزیابی صحت طبقه‌بندی، برداشت‌های زمینی با استفاده از سیستم مختصات‌یاب جهانی (GPS) انجام گرفت. در نهایت از چهار معیار صحت کلی، ضریب کاپا، دقت تولید کننده و دقت کاربر جهت بیان صحت طبقه‌بندی استفاده شد. نتایج حاصل از سه متد طبقه‌بندی نشان می‌دهد بیش از 50 درصد مساحت منطقه مطالعاتی، در طبقه مناطق برداشت رسوبات بادی قرار گرفته است که عمدتا شامل اراضی کشاورزی، خشکه رودها و اراضی شور و سطوح شلجمی شکل در واحد پلایا می‌باشد. نتایج حاصل از ارزیابی دقت نشان می‌دهد که الگوریتم حداکثر شباهت با دقت کلی 54/95 درصد و ضریب کاپا 9/0 نسبت به دو الگوریتم دیگر دقت بیشتری دارد. جهت استخراج نقشه‌های مناطق برداشت رسوبات و کانون‌های فرسایش بادی با صحت بالاتر، استفاده از تصاویری با قدرت تفکیک مکانی بالا نظیر Ikonos وQuick Bird پیشنهاد می‌گردد.

کلیدواژه‌ها


عنوان مقاله [English]

Identify the detachment wind sediments areas using maximum likelihood, minimum distance and Parallelepiped algorithms (Case Study: South roudbar-city of Kerman)

نویسندگان [English]

  • rasoul mahdavi 1
  • azam ali eivazi dokhtak 2
  • hamid gholami 3
  • Alireza kamali 4
1 Assistant Professor, Academic Member, Faculty of Agriculture and Natural Resources, University of Hormozgan, Bandarabbas, Iran
2 Former M.Sc. Student in Combat Desertification, Faculty of Agriculture and Natural Resources, University of Hormozgan, Bandarabbas, Iran
3 Assistant Professor, Academic Member, Faculty of Agriculture and Natural Resources, University of Hormozgan, Bandarabbas, Iran
4 Assistant Professor, Academic Member, Faculty of Agriculture and Natural Resources, University of Hormozgan, Bandarabbas, Iran

کلیدواژه‌ها [English]

  • Remote Sensing
  • Landsat8
  • OLI
  • Wind erosion
  • Detachment source
  • South roudbar
- احمدی، ح. 1377.  ژئومرفولوژی کاربردی، فرسایش بادی. انتشارات دانشگاه تهران، ایران،570 ص.

- رنجبر، م. ایرانمنش، ف. و دهقان، ع. ر. 1384. نقش پلایا‌های سیستان در گسترش طوفان‌های غبارزا با استفاده از تصاویر ماهواره‌ای. جغرافیا، 3(6 و 7):69-81.

- علوی پناه، س. ک.، 1382 . کاربرد سنجش از دور در علوم زمین ( علوم خاک). انتشارات دانشگاه تهران، ایران، 478 ص.

- فتاحی، م. م. نوروزی، ع. ع. آبکار، ع. ع. و خلخالی، س. ع. 1386. مقایسه روش‌های طبقه‌بندی و تهیه نقشه استفاده از اراضی (landuse) مناطق خشک با استفاده از تصاویر ماهواره‌ای. پژوهش و سازندگی، 20(3): 129-135.

- قره‌چلو، س. 1389. ارزیابی و مقایسه الگوریتم‌های مختلف طبقه‌بندی در تهیه نقشه شوری سطحی خاک. همایش ملی ژئوماتیک89، تهران، 252-257.

- کاشکی، م.ت.، محمدی، م.، پژمان، ح. 1389. کارایی تکنیک‌های RS و GIS در مدیریت مناطق بیابانی. همایش ملی ژئوماتیک89، تهران، 232-239.

- محمودی، ش.، رامشت، م.ح. و سیف، ع. 1392. بررسی میزان گسترش تپه‌های ماسه‌ای شرق جاسک. جغرافیا و توسعه، 11(31): 121-136.

-Ahmadpour, A., Shokri, M., Solaimani K. and Ghorbani. J., 2011. Evaluation of Satellite Data Efficiency in Identification of Plant Groups. Acta Ecologica Sinica, 31(6): 303-309

- Bodily, J., 2002. Protocol Development at the Golden Spike National Historie Site for Soil Survery Updates. Applied Remote Sensing, 27(12):478-499.

- Davis, P. A., Staid, M. I., Plescia, J. B. and Johnson, J. R., 2002. Evaluation of airborne image data for mapping riparian vegetation within the Grand Canyon. Report 02-470. U.S. Geological Survey, Flag staff, USA, 125p.

- De late, V., Paulissen, E. and Weakens, M., 2007. Methods For The Extraction of Archaeological Features From Very High-resolution Ikonos-2 Remote Sensing Imagery, Hisar (Southwest Turkey). Journal of Archaeological Science, 34: 830-841.

-Du, Y., Teillet, P. M. and Cihlar, J., 2002. "Radiometric normalization of multitemporal high-resolution satellite images with quality control for land cover change detection", Remote Sensing of Environment, 82: 123–134.

-Fauzi, A., Hussin, Y. A. and Weir, M., 2005. A Comparison between Neural Networks and Maximum Likelihood Remotely Sensed Data Classifiers to Detect Tropical Rain Logged-cover Forest in Indonesia. International Journal of Geoinformatics,1(2):47-59.

-Ghoneim, E,. Benedetti, M. and El-Baz, F., 2012. An in tegrated remote sensing and GIS analysis of the kufran. Geomorphology Eastern Sahara, 139-140.

-Hall, A. 2004. Mars global surveyor image analysis spacing to height ratio of Sand dunes near cashma, 22P.

- Hermas, E., Leprince, S. and Abou El-magd, I., 2012. Retrieving sand dune movement using sub-pixel correltion of multi-temporal optical remote sensing imagery, northwest Sinai peninsula, Egypt. Remote sensing of Environmen, 12: 51-60.

-Kadmon, R. and Harari-Kremer, R., 1999. Studying long-term vegetation dynamics using digital processing

of historical aerial photographs. Remote Sensing of Environment, 68: 164-176.

-Khalifeh, E., Pakparvar, M. and Kavianpour, M. R., 2007. Application of Filter and Band Ratio techniqes to identify and separate active (new) and inactive (old) sand dunes (a case study of Tabas).Iranian journal of Range and Desert Reseach, 14 (3):403-420   

- Levin, N., Ben-Dor, E. and karnieli, A., 2004. Topographic information of Sand dunes as extracted From shading effecte Using Landsat Image, Journal of Remote Sensing of Environment, 90: 190-209.

Richards, J. A., 1999. Remote Sensing Digital Image Analysis, Springer-Verlag, Berlin, 240p.-

- Sarmasty, N., Faith, M. H., Beige Pour Motlaq, F. and Suzande pour, F., 2013. Use of techniques optimal index factor (OIF) data from Landsat 7 ETM + salt shells evaluation of Kashan, Second International Conference on Environmental Hazards, 1-12.

-Warner, A., Blonski, S., Gasser, G., Royan, R. and Zanoni, V., 2001. An approach to application Validation of multispectral sensors using AVIRIS data, 9p.