مقایسه تکنیک های شیءگرا در شناسایی اراضی شور حاشیه شرق دریاچه ارومیه با استفاده از تصاویر ماهواره لندست 8 سنجنده OLI

شوری خاک یکی از مشکلات مهم زیست محیطی بوده که نواحی گسترده ای را در بسیاری از کشورها تحت تاثیر قرار می دهد و این مساله قابلیت تولید و باروری خاک را برای تولید مقرون بصرفه کاهش می دهد شناسایی و پایش مناطق شور برای کنترل رفتار تخریب زمین و مدیریت پایدار آن به ویژه در نواحی نیمه خشک ضروری می باشد. گسترش روند شور شدن خاک از چالش های مهم زیست محیطی حاشیه شرق دریاچه ارومیه می باشد. نتایج پژوهش پژوهشگران بیانگر آن است که در زمینه ی شوری با استفاده از روش های شیءگرا کمتر کار شده و همچنین در میان انواع طبقه بندی کننده های موجود در محیط نرم افزار eCognition، به مقایسه بین الگوریتم های طبقه بندی کننده در زمینه شوری کمتر توجه شده است بنابراین ضروری است که الگوریتم های طبقه بندی کننده تصاویر مقایسه شده و الگوریتم هایی که دقت خوبی در استخراج عوارض تصویر دارند، مشخص گردند به همین منظور مطالعه حاضر سعی بر آن دارد علاوه بر اینکه شوری خاک در حاشیه شرق دریاچه ارومیه را از روی تصاویر لندست استخراج نماید، الگوریتم های طبقه بندی کننده را نیز از لحاظ دقت نتایج بدست آمده ارزیابی و مقایسه نماید.

منطقه مورد مطالعه بخشی از مناطق شرق حوضه آبریز دریاچه ارومیه است که شامل دشت های تبریز، شبستر، اسکو، آذرشهر، ، عجبشیر و بناب، ملکان وقسمتی از مراغه می باشد. و در محدوده 37درجه و9دقیقه تا 38درجه و 11دقیقه عرض شمالی و 45درجه و 41دقیقه تا 46درجه و 17دقیقه طول شرقی در شمال غرب ایران واقع گردیده است. مساحت محدوده مورد مطالعه 6012/3847 کیلومتر مربع می باشد. در این تحقیق، از دو نوع داده شامل تصاویر ماهواره ای لندست و داده-های بدست آمده از GPS در طی عملیات میدانی استفاده گردید. ابتدا مراحل پیش پردازش تصویر از جمله تصحیح رادیومتریک جهت محاسبه شاخص های طیفی، برش منطقه، استک کردن باندهای تصویر در محیط نرم افزاری ENVI 5.1 صورت گرفت و پس از این اعمال، تصاویر و لایه های اطلاعاتی GIS شامل (اطلاعات توپوگرافی حاصل از DEM 30 متری منطقه، کلاس بندی خاک، شاخص پوشش گیاهی(NDVI) و سایر لایه های اطلاعاتی) به منظور طبقه بندی دانش پایه و اعمال الگوریتم های مختلف وارد محیط نرم افزار eCognation شد. در این مطالعه کارایی تکنیک فازی شیءگرا و روش نزدیک ترین همسایگی در استخراج نواحی شور حاشیه شرق دریاچه ارومیه بررسی شده است.

جهت دستیابی به نتایج با دقت بالا، با استفاده از الگوریتم ESP اقدام به بهینه سازی مقیاس سگمنت سازی گردید و مقیاس 170 با ضریب شکل 3/0 و ضریب فشردگی 5/0 به عنوان مقیاس مناسب انتخاب گردید. در مرحله بعد تصویر مورد نظر با استفاده از دو الگوریتم نزدیک ترین همسایگی و فازی شیءگرا مورد پردازش قرار گرفت. در این پژوهش جهت انجام طبقه بندی نزدیک ترین همسایگی، ابتدا فواصل بین نمونه های تعلیمی با استفاده از الگوریتم FSO بهینه گردید. و برای تصویر مورد مطالعه هجدهمین بعد با فاصله تفکیک-پذیری 52/2 به عنوان بهترین بعد جهت جداسازی کلاس های موردنظر مشخص گردید. بررسی نتایج به دست آمده نشان می دهد که هر دو روش با کمی تفاوت نتایج نسبتا مشابهی را به دست می دهند. روش نزدیک ترین همسایگی اراضی غیر شور را بیشتر از روش فازی شیءگرا برآورد نموده است و این می تواند به دلیل وجود پیکسل های آمیخته باشد.

بررسی نتایج به دست آمده نشان داد که روش فازی شیءگرا به دلیل استفاده از توابع درجه عضویت دارای دقت کلی 94/0 و ضریب کاپای 91/0 بوده و در استخراج شوره زارهای حاشیه شرق دریاچه نسبت به الگوریتم نزدیک ترین همسایگی برتری دارد. همچنین مشخص گردید که شاخص روشنایی به عنوان موثرترین شاخص در شناسایی و تفکیک اراضی شور از نواحی غیر شور می باشد.