انجمن سنجش از دور ایران / دانشگاه شهید بهشتینشریه سنجش از دور و GIS ایران2008-59667120160220Tabu Search Based Competitive Location Model for Shopping Centersمکانیابی مراکز خرید در شرایط رقابتی با استفاده از روش جستوجوی تابو12095699FAسعیدرشیدیدانشگاه خواجه نصیرالدین طوسیمحمدنبیطالعیدانشگاه خواجه نصیرالدین طوسیاحیدنعیمیدانشگاه خواجه نصیرالدین طوسیJournal Article20151220Location of some facilities such as shopping centers has a crucial role in their success. Finding the location of a new shopping centers where there are existing ones belonging to competitors, asks to consider and evaluate confusing factors and objectives. In this research based on multiple objective decision making (MODM) approach, two objectives are considered to maximize the profit: maximizing demand response and maximizing accessibility to shopping centers. Demand objective is evaluate based on two criteria: population and competitive conditions. Accessibility is related to access to major roads, public transit stations, parking, parks and entertainment centers. There are many methods for solving multi-objective problems that have been generally divided into classic and evolutionary methods. Classical methods are faced with several shortcoming and recent researches are focused on utilizing the heuristicmethods. In the proposed model, first unsuitable locations are removed based on their land use and then Tabu Search, as a multi-objective evolutionary algorithm, is used as a competitive location model for finding the location of new shopping centers based on the trade-off between objectives. The proposed model is tested in a case study area in Karaj city and the result is compared with traditional overly analysis. Keywords: Shopping center, Competitive location models, Multi objective optimizing, Tabu Search.مکان فعالیتهای تجاری ازجمله مراکز خرید، نقش تعیینکنندهای در موفقیت یا عدمموفقیت هر فعالیت دارد. در مکانیابی مراکز خرید میبایست به معیارها و اهداف متنوعی توجه داشت. در پژوهش حاضر دو هدف حداکثرسازی جذب تقاضای موجود و حداکثرسازی دسترسی به مراکز خرید در نظر گرفته شد. هرکدام از این اهداف، معیارهای مختلفی مانند جمعیت، شرایط رقابتی بین مراکز خرید، دسترسی به معابر اصلی، ایستگاههای حملونقل و پارکینگهای عمومی، پارکها و مکانهای تفریحی را دربرمیگیرند. در این پژوهش، روش تصمیمگیری چندهدفه برای حل مسئله بهکار گرفته شد. روشهای گوناگونی برای حل مسئلههای چندهدفه ارائه شده است که به دو گروه کلی روشهای سنتی و تکاملی تقسیم میشوند. روشهای سنتی عموماً در حل مسئلههایی از این دست، نقصانهایی دارند که پژوهشگران را بهسوی استفاده از روشهای تکاملی سوق دادهاند. در پژوهش حاضر از میان روشهای تکاملی، الگوریتم جستوجوی تابوی چندهدفه بهکار گرفته شد. در این مدل، ابتدا با توجه به کاربری اراضی، مکانهای نامناسب از فضای مسئله حذف شدند و سپس الگوریتم جستوجوی تابو برای دستیابی به توازن اهداف در محیط رقابتی بهکار گرفته شد. بهمنظور ارزیابی موقعیتهای پیشنهادشده در مدل تابو، مراکز پیشنهادی با نتایج حاصل از همپوشانی نقشههای معیار اولیه مطابقت داده شدند. کلیدواژهها: مراکز خرید، مکانیابی در شرایط رقابتی، بهینهسازی چندهدفه، جستوجوی تابو. https://gisj.sbu.ac.ir/article_95699_b173fe79b293860a575bab7ba6128c37.pdfانجمن سنجش از دور ایران / دانشگاه شهید بهشتینشریه سنجش از دور و GIS ایران2008-59667120160220A Novel Approach for Epipolar Rearrangement of Linear Pushbroom Satellite Imageries Based on Multiple Projection Centers Modelروشی نوین برای بازآرایی اپیپلار تصاویر با هندسة خطی پوشبروم مبتنی بر مدل مراکز تصویر چندگانه213895716FAمجتبیجنتیدانشگاه خواجه نصیرالدین طوسیمحمدجوادولدانزوجدانشگاه خواجه نصیرالدین طوسیعلیمحمدزادهدانشگاه خواجه نصیرالدین طوسیJournal Article20151220The result of epipolar rearrangement process is pseudo normal images; which conjugate points are located along their rows or columns. But, unlike normalized images resulted from epipolar resampling process, there is no guarantee that parallel parallax of conjugate points to be linearly proportional with z-coordinate of corresponding point in the object space. However, pseudo normal images can positively affects many photogrammetric activities such as image matching, automatic aerial triangulation, automatic digital elevation model and orthophoto generation, and stereo viewing. In present paper, a novel approach for epipolar rearrangement of linear pushbroom satellite imagery is proposed based on Multiple Projection Centers model, and rearrangement procedure is separately investigated for both Cross Track and Along Track imaging systems. The proposed method is developed based on refinement of trajectory and attitude parameters of the sensor. One of advantages of this method is the capability of the correction of off-nadir viewing of the sensor through the physical interpretation of its parameters. According to the results of the accuracy assessment of pseudo normalized images using the proposed method in independent check points, the mean of residual vertical parallaxes in stereo model is determined 0.94 pixels; that corroborates the feasibility, correctness, and applicability of the method. Keywords: Photogrammetry, Epipolar rearrangement, Pseudo normal image, Pushbroom linear imagery, Multiple projection centers model, Trajectory refinement, Along track and cross track imaging system. نتیجة فرایند بازآرایی اپیپلار، تولید تصاویر شبهنرمال است که نقاط متناظر در آنها در امتداد سطرها یا ستونها قرار میگیرند. برخلاف تصاویر نرمالِ حاصل از فرایند بازنمونهبرداری اپیپلار، هیچ تضمینی برای تناسب پارالاکس موازی و ارتفاع نقاط متناظر در این تصاویر وجود ندارد. بااینحال، تولید تصاویر شبهنرمال میتواند انجام طیف وسیعی از کارهای فتوگرامتری نظیر تناظریابی، مثلثبندی هوایی خودکار، تولید مدل رقومی زمین، تولید ارتوفتو، و برجستهبینی را میسر سازد. در پژوهش حاضر، روش جدیدی مبتنی بر مدل مراکز تصویر چندگانه برای بازآرایی اپیپلار تصاویر خطی پوشبروم ارائه شد و روند بازآرایی برای دو سیستم تصویربرداری Cross Track و Along Track جداگانه بررسی گردید. اساس روش پیشنهادی، تصحیح مسیر حرکت و پارامترهای وضعیتی سنجندة توسعهیافته است. از مزایای این مدل میتوان به امکان تصحیح اثر دید غیرقائم سنجنده بهسبب تعبیرپذیری فیزیکی پارامترهای مدل اشاره کرد. برمبنای نتایج حاصل از ارزیابی دقت تصاویر شبهنرمال تولیدشده بهروش پیشنهادی برای یک زوج تصویر استریوی Cross Track در سطح نقاط چک، متوسط پارالاکس قائم باقیمانده در سطح مدل 94/0 پیکسل بهدست آمد، که میتواند مؤید صحت و کارایی مدل پیشنهادی باشد. کلیدواژهها: فتوگرامتری، بازآرایی اپیپلار، تصویر شبهنرمال، تصاویر خطی پوشبروم، مدل مراکز تصویر چندگانه، تصحیح مسیر حرکت سنجنده. https://gisj.sbu.ac.ir/article_95716_ed6177498df269d0a321fd4919b4ed88.pdfانجمن سنجش از دور ایران / دانشگاه شهید بهشتینشریه سنجش از دور و GIS ایران2008-59667120160220Designing a Multi-objective Optimization Model of Land Use, based on Genetic Algorithms (Case study: Kerman- Rodbar Watershed)طراحی مدل بهینهسازی کاربری اراضی مبتنی بر الگوریتم ژنتیک چندهدفه با رویکرد آمایش سرزمین (مطالعة موردی: رودبار جنوب – استان کرمان)395795724FAعلیاکبرمتکاندانشگاه شهید بهشتی0000-0001-5394-4599علیرضاشکیبادانشگاه شهید بهشتیبابکمیرباقریدانشگاه شهید بهشتیمهرانشایگاندانشگاه تربیت مدرسمحمدتناساندانشگاه شهید بهشتیJournal Article20151220With the increase in population and consequent increasing needs of society, land use planning is of particular importance. Land use planningdue to being involved with several conflicting aims, multi- objective evolutionary algorithm would be a useful tool to solve land use planning. But use of these algorithms should be examined according to the type of issues. In the study, addition to introducing a model to optimize land use, effective solution for the application of multi- objective genetic algorithm on a variety of problems related to land use planning was presented. In order to land uses optimization in the study, the algorithm NSGA-II was use in the model. Output of the model might be introduced patterns for reduction of erosion to an acceptable level and enhancing the economic benefits. This will be skillfully carried out while the land use adaptation is in the highest level and land use changes are easy with high level of continuity.An innovative operator which producing the initial population and an innovative operator with an appropriate Crossover of land use planning issues were developed.The developed model in the study was implemented in Kerman-Rodbar watershed. Evaluation results show that the model is able to suggest patterns to land use planning that reduce erosion about 30 to 35%. While the economic benefits of the changes will be about 40 to 50 %. Furthermore all models have a high consistency and low difficulty to change. These operators have had a significant impact on problem solving. Keywords: Multi- objective optimization, NSGA-II algorithm, Innovative Operators, Land use planning, Ecological potentiality با افزایش جمعیت و بهتبع آن افزایش نیازهای جامعه، آمایش سرزمین اهمیت ویژهای یافته است. بهدلیل پیوند آمایش سرزمین با چندین هدف متضاد، استفاده از الگوریتمهای تکاملی چندهدفه ـ درصورت تناسب الگوریتم با نوع مسئلهـ میتواند مفید باشد. در پژوهش حاضر ضمن ارائة مدلی بهمنظور بهینهسازی کاربری اراضی، راهحلی مؤثر برای بهکارگیری الگوریتم ژنتیک چندهدفه در انواع مسائل مربوط به آمایش سرزمین معرفی میگردد. مدل طراحیشده در پژوهش حاضر بهمنظور بهینهسازی کاربری اراضی از الگوریتم NSGA-II بهره میبرد. خروجیهای این مدل، الگوهایی برای آمایش سرزمین هستند که فرسایش منطقه را تا حد زیادی کاهش میدهند و سطح منفعت اقتصادی منطقه را بالا میبرند. در این مدل، کاربریها دارای بالاترین سازگاری، کمترین دشواری تغییر و بیشترین پیوستگی هستند. بهمنظور استفاده از الگوریتم ژنتیک چندهدفه در حل مسائل آمایش سرزمین در این پژوهش راهکاری ابتکاری برای تولید جمعیت اولیه و عملگر ابتکاری ترکیب متناسب با مسائل آمایش سرزمین شرح و بسط داده شد. مدل طراحیشده در منطقة رودبار جنوب واقع در استان کرمان پیادهسازی شد. نتایج بهدستآمده نشان دادند که الگوهای آمایش سرزمین پیشنهادشده در این مدل میتوانند درحدود 30 تا 35 درصد فرسایش منطقه را کاهش دهند؛ درعینحال سطح منفعت اقتصادی حاصل از تغییر کاربری بین 40 تا 50 درصد رشد خواهد داشت. همچنین تمامی الگوها دارای سازگاری بالا و دشواری تغییر اندک هستند. با بررسی عملکرد عملگرهای ابتکاری ارائهشده، مشخص شد این عملگرها تأثیر بسزایی در روند حل مسئله داشتند. کلیدواژهها: بهینهسازی چندهدفه، الگوریتم NSGA-II، توسعة عملگرهای ابتکاری، آمایش سرزمین، توان اکولوژیک. https://gisj.sbu.ac.ir/article_95724_f1f980a7d8ff556944decbb240bd2076.pdfانجمن سنجش از دور ایران / دانشگاه شهید بهشتینشریه سنجش از دور و GIS ایران2008-59667120160220Developing a Spatial Micro-scale Model for Optimum Arrangement of Urban Land Uses based on Multi-Objective Particle Swarm Optimization Algorithmتوسعة مدل مکانی ریزدانه بهمنظور چینش بهینة کاربریهای شهری597995735FAزهرهمعصومیدانشگاه زنجانمحمدسعدیمسگریدانشگاه خواجه نصیرالدین طوسیJournal Article20151220Optimizing of the arrangement of the land uses is one of the main goals of urban land use planning. This issue involves a variety of spatial data and analyses. Moreover, existing different arrangements for diverse land uses causes in complex and wide search space. In view of these matters, the land use arrangement can be supposed as a spatial multi-objective optimization problem. In this research, Multi-Objective Particle Swarm Optimization algorithm along with GIS is applied in the seventh distinct of Tehran to find optimum arrangement of urban land uses. GIS is used to generate and analysis different scenarios of land use arrangements for the optimization algorithm. The proposed approach provides a variety of optimized solutions, giving the possibility of choosing the most desirable results to decision-makers. A new aspect of this research is using the land parcels as the spatial unit. In addition, making dynamic decision on the different types of land uses is one advantages of this method. The test of the method shows an acceptable level of implementation speed along with a high level of repeatability and stability of the algorithm. Keywords: Optimization, Land use planning, GIS, MOPSO, Multi-Objective, Micro Scale, Decision making. افزایش نیاز به زمین و محدودیت عرضة آن، نحوة استفاده از زمین را به چالشی اساسی در عرصة برنامهریزی شهری تبدیل کرده است. در این میان، چینش مناسب و بهینة کاربریها در کنار یکدیگر از چالشهای اصلی برنامهریزی کاربری اراضی شهری بهشمار میآید. هدف اصلی پژوهش حاضر، بهکارگیری الگوریتم بهینهسازی چندهدفة تجمعی ذرات (MOPSO) بهمنظور دستیابی به چینش بهینة کاربریهای شهری در سطح ریزدانه است. در تدوین مدل پیشنهادی، از سامانة اطلاعات مکانی (GIS) بهعنوان مولد گزینهها و سناریوهای مکانی بررسیشده استفاده گردید. به این منظور پارامترهای روش بهکار گرفتهشده با کاربرد مورد نظر سازگار شدند و گزینههای تصمیمسازی برمبنای توابع هدف و شروط مسئله ایجاد گردید. سپس با نمایش جوابهای بهینه و تفاوت میان آنها، به کاربر امکان تصمیمگیری داده شد. این مدل در یک محدوده از منطقة هفت تهران اجرا شد و نتایج آن بهدست آمد، که نشاندهندة تکرارپذیری و ثبات روش بهکار گرفتهشده است. در چینش کاربریها در سطح ریزدانه با توجه به تعدد قطعات و تنوع کاربریها و نیاز به برآوردهکردن همزمان چند هدفِ گاه ناسازگار با هم، استفاده از MOPSO میتواند تا حد زیادی پیچیدگیهای مربوط به انتخاب و ارزیابی گزینههای تصمیمگیری را حل کند. ریزدانهبودن مدل ارائهشده، حالت دینامیک آن در پشتیبانی از تصمیمگیری مکانی، و ایجاد حالتهای گوناگون از چینش کاربریها برای تصمیمگیری براساس توابع هدف، از نوآوریهای پژوهش حاضر است. کلیدواژهها: چینش بهینة کاربری شهری، سیستم اطلاعات مکانی، الگوریتم بهینهسازی چندهدفة تجمعی ذرات (MOPSO)، تصمیمگیری چندهدفه. https://gisj.sbu.ac.ir/article_95735_c1fdc4a6bda5b5c4586497f8a9e4c567.pdfانجمن سنجش از دور ایران / دانشگاه شهید بهشتینشریه سنجش از دور و GIS ایران2008-59667120160220Integration of Fuzzy Multi-Classifiers results using Connectivity Rules in Fuzzy Topological Spaceتلفیق نتایج چند طبقهبندیکنندة فازی با استفاده از قوانین اتصال در فضای توپولوژی فازی819495745FAحمیدرضااورعیدانشگاه خواجه نصیرالدین طوسیمهدیمختارزادهدانشگاه خواجه نصیرالدین طوسیحمیدعبادیدانشگاه خواجه نصیرالدین طوسیJournal Article20151220 Classification is one of the most widely used remote sensing analysis techniques. In the conventional remote sensing supervised classification, training information and classification result are represented in a one-pixel-one-class method. Fuzzy methods have been widely applied in image classification, which are believed to be more appropriate for handling uncertainty and mixed pixels in remote sensing. Also recent researches show that using neighborhood information with spectral information lead to higher accuracy in classification. Due to the dependence on initial classifier,the use of neighborhood information in the post processing of classification results is one of the reasons for its use in this research. Connectivity rules in fuzzy topological space are one of methods for using neighborhood information in post processing step. In case of using more than one classifier, it is possible to integrate the results. In this research two methods have been proposed for spatial integration results by using connectivity rules in fuzzy topological space. In first method, one of the two classifiers will be based and in second method, only pixels that are classified in the same manner in both and simultaneously not boundary pixel, will keep their own labels in final image. The results show that first method Provides better accuracy compared with second method and generally accuracy is improved when spatial integration results is used in compare with using only one classifier. The maximum overall accuracy and overall kappa values are obtained respectively 89.01 and 88.98 when maximum likelihood classifier is based in first method. Keywords: Fuzzy Classification, Fuzzy Topological Space, Integration, Connectivity Rules. طبقهبندی، تکنیکی در تحلیل تصاویر سنجش از دور است که بهطور وسیع در کاربردهای مختلف استفاده میشود. در روشهای طبقهبندی نظارتشدة سنتی، اطلاعات آموزشی و نتایج طبقهبندی مبتنی بر اصل «هر پیکسل-یک کلاس» نمایش داده میشوند. در مواردی که عدماطمینان و پیکسلهای مختلط در سنجش از دور وجود دارد، استفاده از روشهای فازی توصیه میشود. مطالعات اخیر نشان میدهند که استفاده از اطلاعات مجاورت بههمراه اطلاعات طیفی میتواند به صحت بالاتری در طبقهبندی بینجامد. استفاده از اطلاعات مجاورت در پسپردازش نتایج طبقهبندی بهدلیل وابستگینداشتن به طبقهبندیکنندة اولیه از دلایل استفاده از آن در پژوهش حاضر است. قوانین اتصال در فضای توپولوژی فازی یکی از روشهای استفاده از اطلاعات مجاورت در بخش پسپردازش است. درصورتیکه از بیش از دو طبقهبندیکننده استفاده شود، میتوان امکان تلفیق نتایج را بررسی کرد. در این پژوهش برای تلفیق مکانی نتایج با استفاده از قوانین اتصال در فضای توپولوژی فازی، دو راهکار پیشنهاد شده است. در راهکار نخست، یکی از دو طبقهبندیکننده مبنای تلفیق قرار میگیرد و در راهکار دوم فقط پیکسلهایی که در هر دو روش طبقهبندی، بهصورت یکسان طبقهبندی شدهاند و همزمان پیکسل محدوده نیستند، در تصویر نهایی برچسب خود را حفظ میکنند. نتایج نشان میدهند که راهکار نخست درمقایسه با راهکار دوم دقت بهتری را بهدست میدهد. بیشترین مقادیر صحت کلی و کاپای کلی بهدستآمده مربوط به زمانی است که روش طبقهبندیِ بیشترین شباهت در راهکار نخست تلفیق مکانی مبنا قرار میگیرد و بهترتیب 01/89 و 98/88 هستند. بهطور کلی، تلفیق مکانی نتایج درمقایسه با وضعیتی که فقط از یک طبقهبندیکننده استفاده شود، دقت را بهبود میدهد. کلیدواژهها: طبقهبندی فازی، فضای توپولوژی فازی، تلفیق، قوانین اتصالhttps://gisj.sbu.ac.ir/article_95745_3b945743c81b8a7d9e98ca97ce48b78d.pdfانجمن سنجش از دور ایران / دانشگاه شهید بهشتینشریه سنجش از دور و GIS ایران2008-59667120160220Mapping Desert Deposits Areas using ASTER Multi-spectral Dataتهیة نقشة نهشتههای مناطق بیابانی با استفاده از دادههای چندطیفی ASTER9511595756FAامیرحسینهاتفی اردکانیدانشگاه سمنانسعیدخدائیاندانشگاه شهید بهشتیسعیدقرهچلودانشگاه سمنانJournal Article20151220Obtaining and Production of accurate and realistic information from mineral resources is one of the intellectual concerns of managers. To produce this kind of data and information, there are various methods that can be traditional methods combined with the field data and remote sensing techniques. Measurement and generation data using of satellite data and remote sensing methods especially, in desert areas because existing unfavorable conditions, opened up a new horizon to the managers to overcome the problems of traditional conventional methods.The purpose of this paper evaluate remote sensing and GIS techniques is to map evaporate minerals in the eastern part of Semnan using ASTER data.We used field data and false color, PCA and Tasseled cap transformation, ratio and data fusion techniques to estimate amount of gypsum, salt, sodium and magnesium sulfate soils. Regression and correlation relationships between satellite and field data were determined. The results showed that the thermal bands 9, 10, 12 and PCA 9, 10 and 12 can be used for separating Gypsum, Halite as well as sulfate. Finally using maximum likelihood classification map was used to map Gypsum, halite and sulfate contents with accuracy of 73.33, 66.67, 66.67% also using Kappa coefficient were prepared respectively, 0.61, 0.53 and 0.55. Keywords: Evaporate minerals, Gypsum, Salt, Sulfate, Remote sensing. تولید و بهدستآوردن آمار و اطلاعات دقیق و واقعی از منابع معدنی دغدغة همیشگی مدیران است. برای تولید این نوع آمار و اطلاعات روشهای گوناگونی وجود دارد که ازجمله میتوان به روشهای سنتی همراه با پیمایشهای زمینی و روشهای پیشرفتة سنجش از دور اشاره کرد. سنجش و تولید اطلاعات با استفاده از دادههای ماهوارهای و روشهای دورکاوی، بهویژه در مناطق کویری و بیابانی بهدلیل شرایط نامساعد آنها، افق جدیدی را بهروی مدیران گشوده که راهکاری است برای غلبه بر مشکلات روشهای مرسوم سنتی. هدف پژوهش حاضر ارزیابی تکنیکهای سنجش از دور و GIS در تهیة نقشة املاح تبخیری در منطقة شرقی دشت سمنان با استفاده از تصاویر ماهوارهای ASTER است. برای این منظور ابتدا نمونهبرداری بهروش تصادفی منظم از منطقه انجام شد و سپس پردازشهایی از قبیل بسط تصویر، ایجاد تصاویر رنگی کاذب، تجزیة مؤلفههای اصلی، تبدیل تسلدکپ، ادغام و نسبتگیری طیفی روی تصاویر صورت گرفت. مقادیر گچ، نمک و سولفات سدیم و منیزیم خاک با ارزش طیفی استخراجشده از باندهای اصلی و فرعی تلاقی داده شدند و روابط همبستگی و رگرسیونی بین دادههای ماهوارهای و زمینی مورد بررسی قرار گرفتند. نتایج تحقیق نشان دادند که باندهای حرارتی PCA9, PCA10, PCA12 میتوانند در تفکیک املاح گچ، هالیت و سولفات مفید باشند. درنهایت، ازطریق طبقهبندی حداکثر احتمال روی باندهای مذکور، نقشههای گچ، هالیت و سولفات محدودة مطالعاتی با صحت کلِ بهترتیب 33/73، 67/66، 67/66 درصد و با ضریب کاپای بهترتیب 61/0، 53/0 و 55/0 تهیه شدند. کلیدواژهها: املاح تبخیری، گچ، نمک، سولفات، سنجش از دور. https://gisj.sbu.ac.ir/article_95756_e65801d75dec78c19d47f0ea376a240c.pdfانجمن سنجش از دور ایران / دانشگاه شهید بهشتینشریه سنجش از دور و GIS ایران2008-59667120160220Investigating Capability of OLI Data of Landsat 8 for Estimation of Canopy Density in Zagros Forestsبررسی قابلیت دادههای طیفی سنجندة OLI ماهوارة لندست8 در برآورد مشخصة تراکم جنگلهای زاگرس میانی (مطالعة موردی: منطقة حفاظتشدة مانشت استان ایلام)11713295711FAجلالعزیزدانشگاه گیلانامیراسلامبنیاددانشگاه گیلانایرجحسنزاد ناورودیدانشگاه گیلانJournal Article20151220In this study for evaluation capability, OLI data of Landsat8 to estimate canopy density 2300 ha. in protected Manesht area in Zagros forests of Iran was selected. For ground truth data, 100 square plots (0.36 ha) were measured and systematic random sampling method was used. The dimensions of network inventory were 500m×400m. In each plot, crown cover was measured and then canopy percent in each plot was calculated. For classification and mapping, maximum likelihood and minimum distance to mean classifiers were used. The Transformed Divergence index was used to determine best combination of image bands. Result of this study showed that minimum distance to mean classifier had overall accuracy and kappa coefficient of 80% and 0.68 respectively on OLI image data. In addition, the maximum likelihood classifier had overall accuracy and kappa coefficient of 60% and 0.35 respectively. The result of this study showed that minimum distance to mean classifier was most suitable classifier for canopy classification of Zagros forests on the OLI image data. Keywords: Ilam, Landsat8, OLI sensor, Zagros forest. بهمنظور ارزیابی قابلیت تصاویر سنجندة OLI ماهوارة لندست8 در تهیة نقشة تراکم تاجپوشش جنگلهای زاگرس، ابتدا پنجرهای از تصاویر سنجندة مذکور از جنگلهای منطقة حفاظتشدة مانشت با مساحت 2300 هکتار در استان ایلام انتخاب شد.برای تهیة نمونههای تعلیمی و برآورد صحت طبقهبندیها، نقشة واقعیت زمینی بهشکل نمونهای از طریق نمونهبرداری بهروش منظم-تصادفی با 100 قطعهنمونة مربعیشکل (36/0 هکتاری) روی شبکهای با ابعاد 500×400 متر تهیه شد. در هر قطعهنمونه، سطح تاجپوشش تمامی درختان اندازهگیری شد و درصد تاج پوشش در هر قطعهنمونه بهدست آمد. پس از انتخاب نمونههای تعلیمی و مجموعة باندهای مناسببا استفاده از معیار واگرایی تبدیلشده، طبقهبندی دادهها بهروش نظارتشده و با استفاده از خوارزمیهای حداقل فاصله از میانگین و حداکثر احتمال انجام شد.نتایج حاصل از طبقهبندی با استفاده از معیارهای تعیین صحت نشان دادند که خوارزمیِ حداقل فاصله از میانگین با صحت کلی و ضریب کاپای 80 درصد و 68/0 در مقایسه با خوارزمیِ حداکثر احتمال با صحت کلی و ضریب کاپای 60 درصد و 35/0 در طبقهبندی تراکم تاجپوشش بهتر عمل میکند. بازبودن تاجپوشش و همچنین اختلاط بازتاب خاک و پوشش گیاهی در این منطقه مانع دستیابی به نتایج مطلوبتر گردید. بهطور کلی نتایج پژوهش حاضر، قابلیت نسبتاً مناسب دادههای سنجندة OLI را در طبقهبندی تراکم تاجپوشش جنگلهای زاگرس نشان میدهند. کلیدواژهها: استان ایلام، جنگلهای زاگرس، سنجندة OLI، لندست8. https://gisj.sbu.ac.ir/article_95711_010eeb21efed01544a44c7d52058242a.pdf