ارزیابی داده‌های ماهواره‌ای ETM+ و LISS III برای تهیه نقشه تیپ در جنگل‌های زاگرس (مطالعه موردی: جنگل‌های قلاجه استان کرمانشاه)

نوع مقاله : علمی- پژوهشی

نویسندگان

1 دانشجوی کارشناسی ارشد جنگل‌داری، دانشگاه علوم کشاورزی و منابع طبیعی گرگان

2 دانشیار، دانشگاه علوم کشاورزی و منابع طبیعی گرگان

3 کارشناس ارشد پژوهش، مرکز تحقیقات کشاورزی و منابع طبیعی استان کرمانشاه

4 استادیار، دانشگاه علوم کشاورزی و منابع طبیعی گرگان

چکیده

به‌منظور ارزیابی و مقایسه تصاویر ماهواره‌ای ETM+ و LISS III در تهیه نقشه تیپ در جنگلهای زاگرس، پنجره‌ای از تصاویر چندطیفی و پانکروماتیک سنجنده‌های ETM+ ماهواره Landsat 7 و LISS III ماهواره IRS-P6 از جنگلهای قلاجه استان کرمانشاه انتخاب گردید. پس از بررسی کیفیت داده‌ها هیچ‌گونه خطای رادیومتری مشاهده نگردید. تطابق هندسی تصاویر با استفاده از 55 نقطه کنترل زمینی و خطای RMSE برابر 39/0 در جهت محور X و 46/0 در جهت محور Y برای تصاویر ETM+ و با 34 نقطه کنترل زمینی و RMSE برابر 67/0 در جهت محور X و 58/0 در جهت محور Y برای تصاویر LISS III انجام گردید. عملیات ‌پردازش تصاویر از جمله تبدیل PCA، تبدیل تسلدکپ و ایجاد شاخص‌های گیاهی مناسب منطقه بر روی تصاویر مربوطه صورت گرفت. برای تهیه نمونه‌های تعلیمی و برآورد صحت طبقه‌بندی‌ها، نقشه واقعیت زمینی نمونه‌ای از طریق آماربرداری منظم- تصادفی (سیستماتیک) و با 114 قطعه نمونه به ابعاد 60×60 متر تهیه شد و تعداد 5 تیپ بلوط خالص، بلوط غالب، بنه غالب، کیکم غالب و آمیخته از طریق درصد غلبه تاج‌پوشش گونه‌ها تعیین گردید. پس از انتخاب نمونه‌های تعلیمی و مجموعه باندهای مناسب، طبقه‌بندی داده‌ها به‌روش نظارت‌شده و با استفاده از روشهای حداقل فاصله از میانگین، الگوریتم حداکثر تشابه و متوازی‌السطوح انجام شد که الگوریتم حداکثر تشابه برای طبقه‌بندی مناسب تشخیص داده شد. نتایج ارزیابی‌ها نشان داد که میزان صحت کلی و ضریب کاپا برای تیپ‌بندی پنج طبقه‌ای برای تصاویر ETM+، به‌ترتیب 57/44% و 18/0 و برای تصاویر LISS III، به‌ترتیب 6/50% و 32/0 بوده است. پس از ادغام طبقات 1 و 2 مقدار صحت کلی و ضریب کاپا به‌ترتیب برابر 08/61 و 21/0 برای تصاویر ETM+ و 44/71 و 33/0 برای تصاویر LISS III بدست آمد که در نهایت با ادغام طبقات 3، 4 و 5، طبقه‌بندی برای 2 تیپ کلی بلوط و آمیخته انجام شد که این مقادیر به‌ترتیب 1/74 و 37/0 برای تصاویر ETM+ و 7/77 و 41/0 برای تصاویر LISS III بدست آمد. باز بودن تاج‌پوشش و همچنین اختلاط بازتاب خاک و پوشش گیاهی در این منطقه مانع از دستیابی به نتایج مطلوب‌تر گردید. نتایج نشان‌دهنده قابلیت نسبتاً بهتر داده‌های سنجنده LISS III در مقایسه با ETM+ می‌باشد و انجام تحقیقات مشابه در مناطق دیگر و استفاده از داده‌های با قدرت تفکیک طیفی بیشتر توصیه می‌گردد.

کلیدواژه‌ها


عنوان مقاله [English]

Evaluation of Landsat-ETM+ and IRS-LISS III satellite data for forest type mapping in Zagros forests (Case study: Ghalajeh forest, Kermanshah province)

نویسندگان [English]

  • Rohollah Porma 1
  • Sha'ban Shataee Joybari 2
  • Yahya Khodakarami 3
  • Hashem Habashi 4
1 M.Sc. of Forestry, Gorgan University of Agricultural Science and Natural Resources
2 Associate Prof., Gorgan University of Agricultural Science and Natural Resources
3 Research Expert, Research Center of Agricultural and Natural Resources of Kermanshah province
4 Assistant Prof., Gorgan University of Agricultural Science and Natural Resources
چکیده [English]

In order to evaluate and compare the capability of ETM+ and LISS III data for forest type mapping in the Zagros forests, a small window of panchromatic and multispectral images of Landsat-ETM+ and IRS-P6-LISS III satellite data were selected from Ghalajeh forests in the Kermanshah province. No radiometric error was found using the quality investigations. Orthorectification of ETM+ was done using 55 ground control points with RMS error of 0.39 for X axis and 0.46 for Y axis and for LISS-III imagery with 34 ground control points with RMS error of 0.67 for X axis and 0.58 for Y axis. Some suitable image processing functions such as principal component analysis, tasseled cap transformation and appropriate vegetation indexes were applied for classification processes. In order to assess the classification results, a sample ground truth was generated using a systematic network with 60m×60m sample area. By computing the canopy cover percent of species, four forest types were determined in the study area. By selecting 25% of samples for each class as training samples, the best band sets were selected using transformed divergence separability index. Classification was performed by supervised method using minimum distance (MD), maximum likelihood and parallel epiped (PPD) classifiers. Results of classification showed that overall accuracy and kappa coefficient for 5 classes for ETM+ images were obtained %44.57 and 0.18 and for LISS III Images %50.6 and 0.32, respectively. After merging the classes of 1 and 2 due to spectral overlapping, the overall accuracy and kappa coefficient for 4 classes using ETM+ images were obtained %61.08 and 0.21 and for LISS III Images, %71.44 and 0.33, respectively. Finally, by merging the classes of 3, 4 and 5, classification was done with two types and the overall accuracy and kappa coefficient obtained %74.1 and 0.37 for ETM+ and %77.7 and 0.41 for LISS III, respectively. Being open canopy cover as well as conflicts between soil and vegetation reflectance caused preventive of obtaining the more favorite results. Result showed fairly more capability of LISS III data in compare to ETM+. Similar research in other regions and using of higher multispectral resolution data is suggested

کلیدواژه‌ها [English]

  • ETM+
  • LISS III
  • maximum likelihood
  • forest type mapping
  • sampling ground truth
  • Zagros
- امینی، م. ر.، 1385. بررسی روند تغییرات گستره جنگل و ارتباط آن با عوامل فیزیوگرافی و انسانی با استفاده از تصاویر ماهواره‌ای و GIS (مطالعه موردی جنگلهای آرمرده بانه). پایان‌نامه کارشناسی ارشد، دانشکده جنگل‌داری و فناوری چوب، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، 144 صفحه.
- خداکرمی، ی.،1381. بررسی شرایط رویشگاهی پسته وحشی در جنگلهای قلاجه و باینگان استان کرمانشاه. پایان‌نامه کارشناسی ارشد، دانشگاه گیلان، 87 صفحه.
- شتایی جویباری، ش.، 1382. بررسی امکان تهیه نقشه تیپ‌های جنگل با استفاده از داده‌های ماهواره‌ای (مطالعه موردی جنگل آموزشی و پژوهشی خیرودکنار نوشهر). رساله دکتری، دانشگاه تهران، 155 صفحه.
- شتایی جویباری، ش.، نجارلو، س.، جباری ارفعی، ش. و معیری، م. ه.، 1386. ارزیابی قابلیت تصاویر چندطیفی و ادغام شده ماهواره‌های لندست 7 و IRD-1D در تهیه نقشه گستره جنگل. مجله علوم کشاورزی و منابع طبیعی گرگان، 5 (14): 22-11.
- عباسی، م.، 1380. بررسی امکان تهیه نقشه تیپ راش با استفاده از داده‌های سنجنده ETM+ در سری چلیر جنگل خیرودکنار نوشهر. پایان‌نامه کارشناسی ارشد، دانشگاه تهران، 114 صفحه.
- فتاحی. م.، 1384. روشهای مدیریت جنگلهای زاگرس. مجله دهاتی، سال سوم، 52: 42-23.
- کریمی آشتیانی، م.، 1378. ادغام تصاویر TM و Spot با استفاده از تبدیل موجک (منطقه تهران). پایان‌نامه کارشناسی ارشد، دانشگاه تربیت مدرس، 120 صفحه.
- لطیفی، ه.، عادلی، ک.، اولادی، ج. و حاجی ‌آبادیان، ج.، 1385. بررسی توان داده‌های ماهواره‌ای ETM+ جهت تفکیک تیپ‌های پوششی جنگل در جنوب زاگرس (مطالعه موردی: دزفول). همایش ژئوماتیک 85، 10 صفحه.
- لطیفی، ه.، اولادی، ج.، ساروئی، س. و جلیلوند، ح.، 1386. ارزیابی قابلیت داده‌های ماهواره‌ای ETM+ جهت تهیه نقشه طبقات پوششی جنگل، اراضی درختچه‌ای، مرتع (مطالعه موردی حوضه نکا- ظالم‌رود، مازندران). مجله علوم و فنون کشاورزی و منابع طبیعی، 4 (11): 447-439.
- ناصری، ف.، 1382. طبقه‌بندی تیپهای جنگلی و برآورد مشخصه‌های کمی آنها با استفاده از داده‌های ماهواره‌ای در جنگلهای خشک و نیمه‌خشک. رساله دکتری، دانشگاه تهران، 202 صفحه.
- Albertz, J., Lehmann, H., Mehlbreuer, A., Scholten, F. and Tauch, R., 1988. Herstellung hochauflosender Satelliten-Bildkarten durch Kombination Multisensoraler Datensätze. Internationales Jahrbuch für Kartographie, band 28, Ulm, Universitatsverlag: 11-27.
- Chavez, P.S., Sides, S.C. and Anderson, J.A., 1991. Comparison of three different methods to merge multiresolutional and multispectral data: landsat TM and SPOT panchromatic. Photogrammetric Engineering & Remote Sensing, 57 (3): 295-303.
- Günlü, A., Sivrikaya, F., Baskent, E.Z., Keles, S., Cakir G. and Kadiogullari, A.I., 2008. Estimation of Stand Type Parameters and Land Cover Using Landsat-7 ETM Image: A Case Study from Turkey. Sensors 8: 2509-2525.
- Kumar, S.J., Arochiasamy, D.I. and Britto, S.J., 2002. Forest type mapping and vegetation analysis in part of Kolli hills, eastern parts of Tamil Nadu. Center for Natural Resources Study, St.JosephsCollege (Autonomous), Tiruchirapalli–2, Tamil Nadu, India, International Society for Tropical Ecology, 43 (2): 345-349.
- Mather, P.M., 2001. Classification Methods for Remote Sensed Data. First Edition, Taylor & Francis, 332 p.
- Porwal, M.C. and Pant, D.N., 1989. Forest cover type and land use mapping using Landsat Thematic Mapper false color composite- A case study for chakarta in western Himalayas, U.P. Journal of the India Society of Remote sensing, 17: 33-40.
- Richard, J.A. and Xiuping, J., 1999. Remote Sensing Digital Image Analysis. 3rd Edition, Springer,    363 p.
- Roy, P.S., Kaul, R.N., Sharma, M.R. and Garbyal, S.S., 1985. Forest Type stratification and delineation of shifting cultivation area in eastern part of Arunachal Pradesh using Landsat MSS data. International Journal of Remote Sensing, 6: 411-418.
- Shetigara, V.K., 1992. A Generalized Component Substitution Technique for Spatial Enhancement of Multispectral Images Using a Higher Resolution Data Set. Photogrametric Engineering and Remote Sensing, 58 (5): 561-567.
- Sivrikaya, F., Keles, S., Cakir, G., Baskent, E.Z. and Kose, S., 2006. Comparing accuracy of classified Landsat data with land use maps reclassified from the stand type maps. Trabzon, Turkey. Proceedings, 7th International Symposium on spatial Accuracy Assessment in Natural Resource and Environmental Science: 643-652.
- Sujimol, M.R., Pandey, K., Sharma, N.K. and Tiwari, A.K., 2004. Evaluation of IRS-P6 AWIFS data for Forest Classification: A case study of part of DoonValley. Bulletin of the National Natural Resources Management System (A special issue on Resourcesat-1 Applications), NNRMS (B), 29:   42-48.
- Unni, N.V.M., Roy, P.S. and Parthasarathy, V., 1983. Feasibility of mapping economically important forest species by landsat data. Journal of Indian society of remote sensing, 11: 37-48.
- Zhang, Y., 1999. A new merging method and its spectral and spatial effects. International Journal of Remote Sensing, 20: 2003-2014.
- Zhang, Y., 2004. Understanding Image Fusion. Photogrammetric Engineering and Remote Sensing, 70 (6): 657-661.