برآورد کیفیت و آشکارسازی تغییرات پهنه های جنگلی با استفاده از تصاویر ماهواره ای (مطالعة موردی: شهرستان رستم، فارس)

نوع مقاله: مقاله پژوهشی

نویسندگان

1 استادیار دانشکده علوم زمین، دانشگاه شهید بهشتی تهران

2 دانشجوی دکتری آب و هواشناسی، دانشگاه یزد

چکیده

هدف از این تحقیق، برآورد قابلیت داده­های ماهواره لندست در آشکارسازی پهنه­های جنگلی و ارزیابی تغییرات کیفی پوشش جنگلی، استخراج کاربری و درصد پوشش گیاهی در شهرستان رستم است. برای انجام تحقیق با استفاده از تصاویر ماهواره لندست (1366 و 1389)، نقشه­های کاربری اراضی جنگلی، شاخص نرمال شده اختلاف پوشش گیاهی (NDVI) و کسر شاخص پوشش گیاهی (RVI)، با استفاده از الگوریتم بیشترین شباهت و طبقه­بندی نظارت شده تهیه گردید. نتایج نشان داد که مساحت لایه‌های استخراج شده 78/48 کیلومترمربع برای لایه جنگل متراکم، 67/348 کیلومترمربع برای تراکم متوسط و 42/281 کیلومترمربع برای تراکم کم همچنین 81/68 کیلومترمربع برای مناطق بایر می‌باشد. ارزیابی نتایج طبقه­بندی بیانگر دقت کلی با 3/94، صحت تولید کننده 91 ، صحت کاربر با 95 درصد و همچنین خطای گماشته 09/0 و خطای حذف شده 05/0 می­باشد. که بالاترین صحت تولید کننده مربوط به جنگل با تراکم کم با 99 درصد و کم‌ترین جنگل متراکم با 80 درصد و بالاترین درصد صحت کاربر مربوط به کلاس بایر با 100 و کم‌ترین جنگل با تراکم متوسط با 87 درصد محاسبه شد. همچنین مقایسه نقشه­های درصد و کسر شاخص پوشش گیاهی در سال 1366 و 1389 تغییرات معنی­دار این شاخص را نشان نداد.

کلیدواژه‌ها


عنوان مقاله [English]

Quality assessment and detection of forest area changes using satellite images (Case study: Rustam, Fars)

نویسندگان [English]

  • Mahmoud Ahmadi 1
  • Mehdi Narangifard 2
1 Assis. Prof. College of Earth Sciences, Shahid Beheshti University
2 PhD. Student of Climatology, Yazd University
چکیده [English]

This paper has been conducted to estimate the detection capability of LandSat satellite data for the detection and qualitative assessment of forest area and vegetation changes, land uses and vegetation percent in Rustam city. In this regard, using Landsat satellite images (1987 and 2010), forest land use map, Normalized Difference Vegetation Index (NDVI) and Ratio Vegetation Index (RVI) were obtained by Maximum Likelihood and Supervised Classification algorithms. The results showed that the area of extracted layers of forests with high, moderate and low density as well as barren regions has been estimated as 48.78, 348.67 and 281.42 and 81.68 km2, respectively. Assessing the classification results indicated that the overall accuracy, producer accuracy and user accuracy were given as 94.3, 91 and 95%, respectively and also, Commission error and Ommission error have been computed as 0.09 and 0.05. The highest and lowest producer accuracy estimated as 99 and 80% was related to low-density and high density forests and the highest and lowest percent of user accuracy given as 100 and 87% was attributed to the barren and moderate density forest. Also, comparing maps of vegetation percent and Ratio Vegetation index during 1987 and 2010 has shown no significant changes.

کلیدواژه‌ها [English]

  • Forest
  • Landsat Satellite
  • Vegetation index
  • Supervised classification
  • Rustam county