نوع مقاله : علمی - پژوهشی

نویسندگان

1 دانشجوی کارشناسی ارشد سنجش از دور و سیستم اطلاعات جغرافیایی، دانشکده منابع طبیعی و محیط زیست، دانشگاه آزاد اسلامی واحد علوم و تحقیقات، تهران، ایران

2 استادیار گروه سنجش از دور و سیستم اطلاعات جغرافیایی، دانشکده منابع طبیعی و محیط زیست ، دانشگاه آزاد اسلامی واحد علوم و تحقیقات، تهران، ایران

چکیده

در بسیاری از کشورها به‌ویژه ایران، برنج به یکی از اقلام اساسی به لحاظ امنیت غذایی تبدیل‌شده است. در این تحقیق، به‌منظور تهیه نقشه سطوح شالیزاری، با توجه به خصوصیات فنولوژیکی گیاه برنج و به کمک داده‌های سالانه دمای سطح زمین سنجنده مودیس، در ابتدا برنامه زمانی برای انتخاب تصاویر سری زمانی ماهواره لندست 8 تنظیم گردید. پس از اخذ داده‌های ماهواره‌ای، به روش شیء مبنا و با بهره‌گیری از توابع فازی به طبقه‌بندی تصاویر و درنهایت استخراج اراضی شالیزاری در حوزه شهرستان رشت پرداخته شد. به منظور بهبود و ارتقاء نتایج، در این تحقیق طی فرآیند طبقه‌بندی تصاویر ماهواره‌ای، از داده‌های متنوعی از قبیل مدل رقومی زمین، داده های دمای سطح زمین و شاخص های طیفی همچون NDVI، EVI، NDBI و LSWI در کنار اطلاعاتی درباره ویژگی‌های خاص عوارض و اشیاء داخل تصویر استفاده گردید. با توجه به خصوصیات ویژه اراضی شالیزاری، از مدل رقومی ارتفاعی 12.5 متری برای تشخیص بهتر اراضی شالیزاری از دیگر پوشش‌های گیاهی استفاده شد. همچنین مقایسه‌ای بین نتایج حاصل از طبقه‌بندی به روش شیء مبنا و پیکسل مبنا صورت گرفت که درنهایت نتایج مبین این موضوع بود که روش طبقه‌بندی شیء مبنا می‌تواند با ملاحظات خاصی نتایج بهتری نسبت به روش پیکسل مبنا داشته باشد. با روش طبقه‌بندی پیکسل مبنا نتیجه طبقه‌بندی پس از اعتبارسنجی، دقت کلی 92 درصد را نشان داد و ضریب کاپا در این روش 0.89 برآورد گردید. با روش طبقه‌بندی شی‌ء مبنا نتایجی با دقت کلی 94 درصد به دست آمد و ضریب کاپا در این روش 0.92 حاصل گردید.

کلیدواژه‌ها

عنوان مقاله [English]

Detection of rice fields in Rasht township using multi-temporal Landsat-8 images

نویسندگان [English]

  • امیر هدایتی 1
  • Mohammad H Vahidnia 2
  • حسین آقامحمدی 2

1 دانشجوی کارشناسی ارشد سنجش از دور و سیستم اطلاعات جغرافیایی، دانشکده منابع طبیعی و محیط زیست، دانشگاه آزاد اسلامی واحد علوم و تحقیقات، تهران، ایران

2 Science and Research Branch, Islamic Azad University

چکیده [English]

Rice has become one of the most important food security items in many countries, especially Iran. In this study, a model was proposed to select Landsat-8 satellite time-series images in order to prepare a map of paddy lands. The method is based on the phenological characteristics of rice plants and annual surface temperature data from the MODIS sensor. After preprocessing satellite images, they were classified using an object-based approach and fuzzy functions. Various data such as a digital elevation model, land surface temperature, and spectral indices including NDVI, EVI, NDBI and LSWI are used to improve the classification process. In addition, information about the segmentation of the image is employed during the process of classification. Because of the different traits of paddy fields, a digital elevation model with a resolution of 12.5 meters was used to help differentiate paddy lands from other vegetation. In addition, a comparison was made between the results of classification based on object-based and pixel-based methods. The results showed that the object-based classification yields better results than the pixel-based method with special considerations. The classification result following validation using ENVI software pixel-based classification indicated an overall accuracy of 92 percent and a kappa value of 0.89. This is in contrast to the object-based classification technique in the eCognition software, which yielded an overall accuracy of 94 percent and a kappa coefficient of 0.92.

کلیدواژه‌ها [English]

  • LANDSAT 8
  • Object-base classification
  • Paddy fields
  • pixel-base classification