بکارگیری تصاویر ماهواره ای و پردازش شیء گرا در استخراج نقشه کاربری و پوشش زمین ها با هدف مدل سازی خدمات اکوسیستم (مطالعه موردی: استان لرستان)

  • سال انتشار: 1399
  • محل انتشار: فصلنامه علوم محیطی، دوره: 18، شماره: 3
  • کد COI اختصاصی: JR_SCJS-18-3_004
  • زبان مقاله: فارسی
  • تعداد مشاهده: 331
دانلود فایل این مقاله

نویسندگان

زهرا اسدالهی

گروه محیط زیست و شیلات، دانشکده کشاورزی و منابع طبیعی، دانشگاه لرستان، خرم آباد، ایران

مصطفی کشتکار

گروه برنامه ریزی و طراحی محیط زیست، پژوهشکده علوم محیطی، دانشگاه شهید بهشتی، تهران، ایران

ضیاءالدین باده یان

گروه جنگل، دانشکده کشاورزی و منابع طبیعی، دانشگاه لرستان، خرم آباد، ایران

چکیده

سابقه و هدف: با توجه به اهمیت ویژه نقشه های خدمات اکوسیستم در تصمیم گیری، رویکردهای مختلفی برای نقشه سازی خدمات اکوسیستم توسعه داده شده است. نرمافزار InVEST مبتنی بر مدلهایی است که داده کاربری و پوشش زمینها را با عرضه خدمات اکوسیستم مرتبط میسازد، به طوریکه کاربری زمینها، یک مولفه اساسی برای کلیه مدلها محسوب میشود. درحال حاضر فنآوری سنجش از دور یکی از تکنیک های برتر دراستخراج نقشه کاربری و پوشش زمینها با استفاده از دو روش پیکسل پایه و شیءگرا محسوب میشود. درحالیکه روش پیکسل پایه مبتنی بر طبقه بندی ارزشهای عددی تصویرهامی باشد،پردازش شیءگرای تصاویر به دلیل استفاده از مطالعات طیفی و مطالعات مربوط به بافت و محتوا نیز در فرآیند طبقه بندی از دقت باالاتری برخوردار است. به طوریکه کاربرد گسترده ای در تمامی بخشها از جمله علوم محیطی دارد.در این راستا پژوهش حاضر با هدف بکارگیری تصاویر ماهواره ای و پردازش شیءگرادر تهیه نقشه کاربری و پوشش زمینهای استان لرستان و مدلسازی خدمات زیستگاهی انجام شد. مواد و روشها: پژوهش با بکارگیری نرم افزارهای ۹.۰۱ eCognition و ۰.InVEST۳ طی چهار گام شامل آماده سازی الیه های مطالعاتی، پردازش شیءگرای تصویرهای ماهوارهای، طبقه بندی شیءگرا و در نهایت مدلسازی خدمات زیستگاهی انجام شد. تصاویر دو ماهوارهلند ست و سنتینلدر محیط نرم فزار eCognition فیوژن شده و در تلفیق با داده های مدل رقومی ارتفاع سنجنده ASTER مورد پردازش قرار گرفته است. سگمنت سازی به عنوان اولین مرحله طبقه بندی شیءگرا با استفاده از الگوریتم Segmentation Multiresolution انجام شد. به دلیل بزرگی منطقه مورد مطالعه و قدرت تفکیک مکانی  متوسط تصاویر لندست، تصاویر با مقیاس ۳۰ ،ضریب شکل ۰.۴ و فشردگی۰.۵ سگمنت سازی شد و بر اساس الگوریتم فازی اشتراک ،کاربری های مورد نظر  با استفاده از سنجه هایی نظیربافت ، شاخص تفاضل نرمال شده پوشش گیاهی  ، هندسه ، ترکیب سطوح خاکستری پیکسل و درجات روشنایی طبقه بندی شدند که در این رابطه الگوریتم طبقه بندی class Assign مورد استفاده قرار گرفت. سپس با مطابقت دادن نقشه مستخرج با ۱۳۰ نقطه تعلیمی،دقت و صحت طبقه بندی با ضریب کاپا مشخص شد. در ادامه نقشه کاربری و پوشش زمین ها به منظور مدلسازی خدمات زیستگاهی وارد نرم افزار InVEST شد. نتایج و بحث: نتایج و آمار به دست آمده برای دقت و صحت طبقه بندی با پردازش شیءگرا نتایج قابل قبولی را بیان کرد به طوریکه ضریب کاپای طبقه بندی معادل ۰.۹۳ برآورد شد. در محدوده مورد مطالعه طبقات کاربری و پوشش زمین ها در شش طبقه شامل کشاورزی آبی و دیم، جنگل، مرتع، منطقه های انسان ساخت و منبع های آب تهیه شدند. بنابر نتایج،مرتع هاو جنگل با درصد مساحت ۳۹.۸ و ۳۳ درصد بیش از ۷۲.۸ درصد سطح استان لرستان را به خود اختصاص داده اند. از جمله مشکلات تهیه نقشه کاربری زمین ها به عدم توانایی تصاویر ماهوارهای لندست با ابعاد پیکسلی ۳۰ متری در تفکیک زارعت دیم، مرتع ها و جنگلهای کمتراکم به دلیل تشابه طیفی آنها و همچنین منطقه های روستایی به دلیل سطح کوچک آنها اشاره نمود. بنابراین سعی شد که با استفاده از تغییر ویژگی های سگمنت نظیر شکل، تن، بافت و همچنین مطالعات جانبی این محدودیت برطرف شود. برای هر طبقه کاربری زمین ها درجه مطلوبیت زیستگاه در نظرگرفته شد. همچنین حساسیت هریک از تیپ های زیستگاه به تهدیدات موردنظردر منطقه موردمطالعه وزن دهی شد. عاملهای تهدید انسانی موثر بر کیفیت زیستگاه در سه گروه زمینهای کشاورزی، منطقه های مسکونی و جاده هاقرار گرفتند. در نهایت با اجرای مدل، سنجه کیفیت زیستگاه با ارزشی بین صفر تا یک حاصل شد. نتیجه گیری: رویکردهای مختلفی برای نقشه سازی خدمات اکوسیستم وجود دارد که یکی از آنها استخراج مطالعات خدمات اکوسیستم به طور مستقیم از نقشه های کاربری و پوشش زمینها است. چنین رویکردی برای آن دسته از منطقه های بزرگ مقیاس مناسب است که از نظردادههای دردسترس و نیروی متخصص محدودیت دارند و خدمت مورد بررسیبهطور مستقیم با کاربری زمین ها مرتبط است.

کلیدواژه ها

InVEST, Landsat, Sentinel, خدمات زیستگاهی

اطلاعات بیشتر در مورد COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.