دانلود پایان نامه درمورد کاربری اراضی، تصاویر ماهواره ای

دانلود پایان نامه ارشد

ولي در مورد ساير اراضي تداخلات زيادي وجود داشت به طوري که امکان تهيه لايه هاي مجزا ميسر نبود. اين تداخلات بين معادن رس با ديمزارهاي رها شده، رخنمون سنگي با مناطق مسکوني و صنعتي، معادن آهن با مناطق مسکوني صنعتي، فضاي سبز شهري با خطوط ترابري، مراتع با کوه ها ديده ميشد که استفاده از روشهاي ديگر طبقه بندي را لازم کرد. به منظور طبقه بندي بهتر از طبقه بندي شاخصNDBI, ، cap,NDVI Tasseld و ترکيبات باندي مختلف آناليزPCA استفاده شد.
براي تفکيک اراضي کشاورزي، ساده ترين راه استفاده از حد آستانه بود. جهت تفکيک باغات از اراضي کشاورزي ابتدا تصوير NDVI براي منطقه تهيه گرديد. در ادامه تصوير NDVI با تصوير رنگي کاذب ادغام ونمونه برداري هاي صحرايي از تصوير با ترکيب باندي4:3:NDVI استفاده شد ولايه نهايي باغات از اراضي کشاورز ي تفکيک گرديد.
جهت تفکيک لايه رخنمون سنگي با توجه به نقشه هاي توپوگرافي و بازديد هاي زميني نمونه هاي تعليمي بر روي داده هاي رقومي سنجنده مشخص گرديد. جهت آشکار سازي محدوده فوق بر روي تصوير PCA با با باند گرمايي مؤلفه اصلي تفکيک شد [36]. اراضي حاوي آهن با ترکيب باندي مؤلفه هاي اصلي5 PCA4:PCA3: PCA تفکيک شد و کاربري جهت تفکيک معدن آهن با استفاده از باندهاي خروجي حاصل از Tasseled Cap و اعمال ماسک بر روي مناطق مسکوني و صنعتي به دست آمد. معادن رس، به دليل تداخلات متعدد ساير کاربري ها با آن ماسک شد.
3-6-1- سايه و ابر
با توجه به وجود سايه رخنمون هاي سنگي و غيره در محدوده تصوير، لازم بود ابتدا سايه ها به شکل لايه اي از تصوير جدا شد. به همين جهت از طبقه بندي نظارت شده با ترکيب باندي 4و3 و 2 استفاده گرديد. که سايه رخنمون جدا گرديد.

3-7-تهيه نقشه پوشش گياهي
3-7-1- محاسبه شاخص پوشش گياهي
از شاخصهاي بکار گرفته شده در منابع موجود ليستي تهيه و از آنها براي توليد نقشه پوشش گياهي استفاده گرديد. اين شاخصها براساس ترکيب باند هاي مختلف ETM+ نيز معرفي شده اند. شاخصهاي استفاده شده بيشتر از باندهاي مادون قرمز نزديک و باند قرمز سنجندههاي مختلف استفاده ميکنند جدول(3-2). علاوه بر اين شاخصها، ترکيبات باندي نيز در ساخت شاخصهاي پوششگياهي استفاده شد. کليه شاخصهاي مورد آزمون در تهيه مدل ها مختلف وارد آناليز رگرسيون هم گرديدند.

3-8- آناليز رگرسيون و تعيين مدل
به منظور تهيه مدل مناسب که تعيين کننده ميزان پوشش زمين براساس 88DN تصاوير و شاخص ها باشد نياز به وارد کردن دو سري داده تحت عنوان متغيير هاي وابسته و مستقل وجود دارد. به اين منظور اعداد درصد پوشش گياهي مربوط به هر نقطه نمونه برداري حاصل از عمليات ميداني، به عنوان متغيير وابسته و اعداد حاصل از باندهاي اصلي، شاخصها به عنوان متغيير مستقل، وارد نرم افزار SPSS17 گرديد [52]. جهت برازش مدل و تهيه بهترين معادله از آزمون رگرسيون گام به گام89استفاده شد.آزمون بررسي فرضهاي اساسي رگرسيون نرمال بودن توزيع خطاها و ثبات واريانس ارزيابي شد. با اعمال روشهاي فوق و بررسي آزمون ها و فرض ها، با توجه به مقادير بالاتر آماره R2، بهترين متغييرهايي که بايستي در مدل رگرسيوني قرار گيرند، مشخص شد و بهترين مدل براي هر شاخص انتخاب و معرفي گرديد.

جدول 3-2- شاخص هاي گياهي به کار رفته براي تهيه نقشه پوشش گياهي

نام شاخص
فرمول
منبع
MSI
TM5/TM4
4و12
MIR
TM5/TM7
4 و12
MINI
(TM7-TM4)/(TM7+TM4)
4و12
MIRV1
(TM7-TM3)/(TM7+TM3)
4و12
TNDVI
(((TM4-TM3)/(TM4+TM3))+5/0)^2
4و12
VI
TM4-TM3
4و12
MND
(TM4-(1.2´TM3))/(TM4+TM3)
4و12
NDVI
(TM4-TM3)/(TM4+TM3)
4و12
TVI
(TM4-TM3)/(TM4+TM3)+5/0
4و12
PD31
TM3-TM1
4و12
PD32
TM3-TM2
4و12
SAVI
(TM4-TM3)/(TM4+TM3+5/0)*5/1
4و12

3-8-1- اعمال مدل رگرسيوني برداده هاي ماهواره اي و توليد نقشه
پس از استخراج مدل مناسب، با توجه به آناليزهاي آماري انجام شده مدل انتخابي بر تصاوير سنجنده اعمال و نقشه اوليه از اين مدل استخراج شد. سپس با رسم هيستوگرام نقشه فوق، دامنه و برد فراواني هريک از کلاس هاي نقشه تعيين و بررسي و با در نظر گرفتن برد داده هاي زميني نمونه برداري شده در صحرا و با استفاده از روش تفکيک تاري و روش نمونه برداري مجدد به کلاسهاي مختلف طبقه بندي و در نهايت نقشه درصد پوشش گون زار تهيه شد. لازم به ذکر است که پديدههايي مانند رخنمون سنگي، اراضي کشاورزي، باغات، آيش، ديم و مناطق مسکوني و صنعتي، سايه رخنمون سنگي، معادن رس، خطوط ترابري و مسيل ها به عنوان پديدههاي ثابت فرض شد و پس از تفکيک اين پديده ها و کاربري ها با روش هاي مختلف که در فوق ذکر شد، نقشه نهايي تهيه گريد.

3-9- ارزيابي صحت نقشه هاي توليد شده
دراين مطالعه براي تعيين دقت کلي نقشههاي توليدي اعم از نقشه گون زار ها و همچنين کاربري اراضي به عنوان آخرين مرحله تهيه نقشه، صحت نقشه هاي توليدي با روش ماتريس خطا برآورد شد. براي اين منظور از منطقه مورد مطالعه بازديد مجدد شد و براي تعيين صحت نقشه تهيه شده تعداد40 نقطه کنترل زميني براي نقشه گونزار ها و 50 نقطه کنترل زميني براي کاربري اراضي به صورت تصادفي با استفاده از دستگاه GPS برداشت گرديد. اين نقاط با نقشههاي توليدي نظير به نظير مقايسه و کنترل گرديد اينها بر روي لايه حاصله به صورت پلي گون جدا شده و ماتريس خطا براي طبقات ايجاد شده تشکيل داده شد و با استفاده از اطلاعات ماتريس خطا، دقت کلي نقشه ها به دست آمد.

فصل چهارم
نتایج

در اين فصل به نتايج حاصل از اين مطالعه پرداخته ميشود:
4-1- نتايج حاصل از پردازش و پیش پردازش تصاویر
4-1-1- نتايج پيش پردازش تصوير
بعد از توليد تصوير کاذب با استفاده از LAYER STACK کردن 6 باند اصلي(به استثناي باند حرارتی و پانکروماتيک) سنجنده ETM+، عمليات تصحيح هندسي تصاوير مربوط به تاريخ 9/03/1385 معادل با 30 مي 2006، در محيط نرم افزار ERDAS imagine,9.2 با استفاده از 28 نقطه کنترل زميني، با خطاي کمتر از 1/0 پيکسل با الگوريتم نمونه برداري مجدد و روش نزديک ترين همسايه کليه باندها همراه با باندپانکروماتيک ثبت داده شد. شکل(4-1) محدوده ی منطقه مطالعاتی ثبت داده شده و برش داده شده را نشان میدهد.

شکل4-1- محدوده منطقه مطالعاتي

4-2- نتایج حاصل از پردازش تصاویر ماهواره ای برای تهیه نقشه کاربری اراضی
4-2-1-تهيه بهترين ترکيب رنگي
جهت بارزسازي تصاوير اقدام به توليد تصاوير رنگي کاذب از باندهاي مختلف سنجنده شد. در انتخاب ترکيبهاي باندي، از باندهاي حراراتي به دليل ماهيت متفاوت با باندهاي انعکاسي صرف نظر گرديد، حسيني و همکاران(1386)، واحدي(1379). در مقايسه چشمي تصاوير هم اين حذف شدگي مناسب بود. تصاوير رنگي کاذب توليد شده با متمايز کردن پديدهها دقت تصميم گيري براي انتخاب مناطق آموزشي در مرحلهي طبقه بندي را افزايش دادند [12،53].
از رابطه (2-1) درفصل دوم، تعداد ترکيبات باندي ممکن محاسبه شد، با توجه به 6 باند استفاده شده در توليد تصوير رنگي تعداد ترکيبات 3 تايي حاصله برابر است با 20 ترکيب محاسبه شد.
جدول (4-1) ميزان همبستگي بين باندها را نشان ميدهد و جدول (4-2) ميزان شاخص فاکتور بهينه ترکيبات باندي که بالاترين ميزان شاخص مطلوبيت را دارند، نشان ميدهد. از بين ترکيبات معرفي شده در ترکيب باندهاي مصنوعي، ترکيب باندهاي 4:5:7 حاصل از آناليز 6 باند سنجنده مورد استفاده قرار گرفت. مقدار شاخص مطلوبيت براساس واريانس و همبستگي بين باندهاي مختلف به شرح رابطه (3-1) محاسبه گرديد:
جدول4-1- ميزان همبستگي بين باندها

Band1
Band2
Band3
Band4
Band5
Band7
standard dev
Band1
1

3/8712
Band2
82297/0
1

1521/4
Band3
56772/0
56772/0
1

1159/6
Band4
37522/0
504396/0
734593/0
1

6636/6
Band5
084676/0
218494/0
288125/0
229057/0
1

8929/7
Band7
367177/0
708103/0
859878/0
74731/0
298662/0
1
6694/5

جدول 4-2- ميزان شاخص فاکتور بهينه

OIF Band
OIF Index
1
1 2 3
5/39
2
2 3 4
7/49
3
4 2 5
4/46
4
3 4 5
2/50
5
4 5 7
4/61

4-2-2- آناليز تجزيه مؤلفه اصلي
بررسي جداول حاصل از آناليز هاي انجام شده در IDRISI, taiga,16 ميزان درصد مشارکت هر باند را در ساخت مؤلفه هاي مختلف و همچنين درصد واريانس هر کدام از مؤلفه ها را تعيين کرد. جدول (4-3) اطلاعات مربوط به مؤلفه هاي حاصل از 6 باند سنجنده ETM+ را نشان ميدهد.
الف ) جدول خلاضه اجزا مؤلفه هاي حاصل از 6 باند سنجنده ETM+
COMPONENT
C 1 
C 2
C 3
C 4
C 5
C 7
% var.
66/0311
26/3263
6/5376
/08383
/01735
/00932
eigenval.
531/5592
211/9301
52/6288
6/7488
1/3966
/07501
eigvec.1
/02693
-/02308
-/04482
/06750
-/00949
/04569
eigvec.2
/03633
-/01890
-/03934
/00818
-/00124
-/08189
eigvec.3
/05456
-/03289
-/01706
-/06732
-/00298
/03332
eigvec.4
/02724
/08735
-/03579
-/00817
/01466
/00808
eigvec.5
/04644
/01955
/05029
/01566
-/06824
-/00548
eigvec.7
/04559
-/00405
/04840
/02310
/07091
-/00085

ب) همبستگي بين اجزا جديد با هر يک از باند هاي اصلي باند سنجنده ETM+
LOADING 
C 1
C 2
C 3
C 4
C 5
C 7
Band1
/0778281
-/042106
-/040747
/0219772
-/001405
/0049596
Band2
/0900994
-/029601
-/030699
/0022859
-/000157
-/007629
Band3
/0922782
-/035117
-/00908
-/012827
-/000259
/0021165
Band4
/043553
/0881771
-/018002
-/001472
/0012014
/000485
Band5
/0915197
/0243238
/0311883
/0034771
-/006894
-/000405
Band7
/0943086
-/00529
/0315023
/0053847
/0075179
-/000066
جدول 4-3- الف و ب اطلاعات مربوط به مؤلفه هاي حاصل از 6 باند سنجنده ETM+

4-2-3- فيوژن تصاوير
داده هاي سنجنده ETM+، دارايباند پانکروماتيک با قدرت تفکيک مکاني 15 متر مي باشند. فيوژن کردن اين باند با ساير باندها با قدرت تفکيک مکاني 30 متر ميتواند باندهاي ديگر هم به قدرت مکاني بالاتر تبديل کند. براي انجام اين فرايند در نرم افزار ERDAS imagine,9.2 و با استفاده از عملگرMerge Resolution و دستور Transform Brovey با الگوريتم نزديکترين همسايه، ادغام صورت گرفت. با استفاده از اين روش، باندهاي داراي قدرت تفکيک مکاني 30 متر به باندهايي با قدرت تفکيک مکاني 15 تبديل گرديدند. بدين ترتيب تصاوير به دست آمده از اين فرايند ميتوانند نقش مهمي را در طبقه بندي تصاوير و ايجاد شاخص هاي گياهي جهت طبقه بندي طبقات پوشش گياهي و کاربري اراضي ايفا کنند. با اين روش به اطلاعات زير يک پيکسل هم ميتوان دست يافت.

4-2-4- تعديل هيستوگرام
از بسط تباين خطي90 که استفاده شد وضوح و روشنايي تصوير بيشتر شد و به تفسير بصری و چشمی بهتر کمک کرد .از تعدیل هیستوگرام برای دید بصری بهتر برای طبقه بندی کاربری اراضی استفاده شد اما در تهیه نقشه طبقات خطر آتش کلیه آنالیز ها برروی تصاویر خام که فقط تصحیح هندسی بر روی آن صورت گرفته انجام شد. (4-2) شکل هيستوگرام دادههاي مؤلفه دوم PCA را قبل و بعد از تعديل نشان ميدهد. اختلاف خصوصيات آماري هيستوگرام در شکل مشخص است.

الف

ب
شکل 4-2- (الف)هيستوگرام دادههاي مؤلفه دوم قبل از Stretch (ب)، هيستوگرام دادههاي مؤلفه دوم بعد از Stretch

4-2-5- طبقه بندي تصاوير
4-2-5-الف- طبقه بندي نظارت نشده
با استفاده از طبقه بندي نظارت نشده و با الگوريتم خوشه بندي و دادههاي هم ارزش 16 کلاس بر روي باندهاي اصلي و مؤلفه اصلي تصوير اعمال گرديد. اين طبقه بندي خوشه هايي براساس تشابه طيفي پيکسل ها ايجاد ميکند. بنابراين نتايج حاصله، نياز به استفاده از اطلاعات جانبي و تکميلي براي تفسير و شناسايي را دارد. در

پایان نامه
Previous Entries دانلود پایان نامه درمورد نقطه مرکز، کاربری اراضی، برداشت داده Next Entries دانلود پایان نامه درمورد بندي، لايه، اصلي