استفاده از تلفیق تصاویر نوری و راداری برای تیپ‌بندی مراتع

نوع مقاله : مروری

نویسندگان

دانشگاه خواجه نصیرالدین طوسی

چکیده

 سنجش از دور را می‌توان به‌عنوان ابزاری قدرتمند با به‌کارگیری داده از منابع مختلف و تلفیق آنها با یکدیگر برای طبقه‌بندی انواع پوشش گیاهی و کاربری اراضی به‌کار گرفت. طبقه‌بندی انواع مراتع، اطلاعات اصلی را برای آنالیز بهره‌وری کشاورزی، محاسبة کربن و شناسایی تنوع زیستی فراهم می‌کند. نخستین مجموعه داده‌های استفاده‌شده در مطالعة حاضر، تصویر لندست (Thermatic Mapper) TM و دومین مجموعة داده‌ها، تصویر راداری ENVISAT ASAR برای منطقة مورد مطالعه واقع در محدودة شمال‌غربی شهر تهران (البرز جنوبی) است. در پژوهش حاضر، پس از اعمال چندین روش تصحیح توپوگرافی تصویر نوری که همگی جزو روش‌های غیرلامبرتی‌اند و با توجه به معیارهای ارزیابی این روش‌ها، تصحیح توپوگرافی تصویر نوری انجام شد. در ادامه، سودمندی و بهبودی که با استفاده از ویژگی‌های استخراج‌شده از تصویر راداری و نوری که شامل بافت آنهاست و در تلفیق با باندهای طیفی تصویر نوری به‌کار رفته است. روی نتایج طبقه‌بندی نهایی بررسی شد. برای انتخاب ویژگی‌های مستقل که منتج به بالاترین صحت نتایج شود از الگوریتم ژنتیک استفاده شد. تأثیر استفاده از داده‌های ارتفاعی منطقه و شاخص‌های گیاهی تصویر نوری بر نتایج نهایی طبقه‌بندی در بخش دیگری از تحقیق بررسی و باندهای بهینه انتخاب شدند. نتایج به‌دست‌آمده نشان‌دهندة افزایش صحت کلی و ضریب کاپای طبقه‌بندی بیشترین شباهت از 04/77 و 7317/0 برای تصویر نوری اولیه به 1/78 و 7495/0 در حالت استفاده از الگوریتم ژنتیک و 37/83 و 8036/0 در حالت استفاده از داده‌های ارتفاعی و شاخص‌های گیاهی است.  کلید‌واژه‌ها: تلفیق تصاویر، طبقه‌بندی مراتع، تصحیح توپوگرافی، بافت تصویر، سنجش از دور.

عنوان مقاله [English]

Using a Combination of Optical and Radar Imagery for Pasture Classification

چکیده [English]

Remote sensing can be used as a powerful tool by using data from different sources and combine them for vegetation and land cover classification. Pasture type classification provides key information for analysis of agricultural productivity, carbon accounting and biodiversity.The firstdata set thatused in thisstudyLandsatTM (Thematic Mapper)optical image and the second ENVISAT ASAR radar image for the study area located within the North-West of Tehran (South Alborz). In this study after applying several methods which all of them are non-lambertian and regarding to evaluate them, topographic correction was performed for optical image. The usefulness and improvement of using texture features extracted from optical and radar images in integration with spectral bands of the optical image has been evaluated on the final classification results and genetic algorithm used to select features that are independent to derive the most accurate results. In another part of the study, the impact of elevation data and optical image vegetation indices evaluated on final classification result and optimal bands selected. The results indicate increase in the overall accuracy and maximum likelihood Kappa coefficientfrom 77.04 and 0.7317 for original optical image to 78.71 and 0.7495 incaseof usinggenetic algorithm and 83.37 and 0.8036 incaseof usingelevation data and vegetation indices. Keywords:Image Fusion, Pasture Classification, Topographic Correction, Image Texture, Remote Sensing.