مقایسه تکنیک‌های شیءگرا در شناسایی اراضی شور حاشیه شرق دریاچه ارومیه با استفاده از تصاویر ماهواره لندست8 سنجنده OLI

سابقه و هدف: شوری خاک یکی از مشکلات مهـم زیسـت محیطـی بـوده کـه نواحی گسترده‌ای را در بسیاری از کشورها تحت تأثیر قـرار مـی‌دهـد و این مسأله قابلیت تولید و باروری خاک را برای تولید مقرون بصرفه کاهش مـی دهـد شناسـایی و پایش مناطق شور برای کنترل رفتار تخریب زمـین و مـدیریت پایـدار 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 می‌باشد. 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 طبقه‌بندی کننده‌های موجود در محیط نرم افزار eCognition، به مقایسه بین الگوریتم‌های طبقه‌بندی کننده در زمینه شوری کمتر توجه شده است بنابراین ضروری است که الگوریتم های طبقه‌بندی کننده تصاویر مقایسه شده و الگوریتم‌هایی 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، الگوریتم‌های طبقه‌بندی کننده را نیز از لحاظ دقت نتایج بدست آمده ارزیابی و مقایسه نماید. مواد و روش‌ها: منطقه مورد مطالعه بخشی از مناطق شرق حوضـه آبریــز دریاچه ارومیه است که شامل دشت های تبریز، شبستر، اسکو، آذرشهر، ، عجبشیر و بناب، ملکان وقسمتی از مراغه می باشد. و در محــدوده 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 می‌باشد. در این تحقیق، از دو نوع داده شامل تصاویر ماهواره‌ای 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 شاخص‌های طیفی، برش منطقه، استک کردن باندهای تصویر در محیط نرم افزاری ENVI 5.1 صورت گرفت و پس از این اعمال، تصاویر و لایه‌های اطلاعاتی GIS شامل (اطلاعات توپوگرافی حاصل از DEM 30 متری منطقه، کلاس‌بندی خاک، شاخص پوشش گیاهی(NDVI) و سایر لایه‌های اطلاعاتی) به منظور طبقه بندی دانش پایه و اعمال الگوریتم‌های مختلف وارد محیط نرم افزار eCognation شد. در این مطالعه کارایی تکنیک فازی شیءگرا و روش نزدیک‌ترین همسایگی در استخراج نواحی شور حاشیه شرق دریاچه ارومیه بررسی شده است. یافته‌ها: جهت دستیابی به نتایج با دقت بالا، با استفاده از الگوریتم ESP اقدام به بهینه‌سازی مقیاس سگمنت‌سازی 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 نزدیک‌ترین همسایگی و فازی شیءگرا مورد پردازش قرار گرفت. در این پژوهش جهت انجام طبقه بندی نزدیک‌ترین همسایگی، ابتدا فواصل بین نمونه‌های تعلیمی با استفاده از الگوریتم FSO بهینه گردید. و برای تصویر مورد مطالعه هجدهمین بعد با فاصله تفکیک-پذیری 52/2 به‌عنوان بهترین بعد جهت جداسازی کلاس‌های موردنظر مشخص گردید. بررسی نتایج به دست آمده نشان می‌دهد که هر دو روش با کمی تفاوت نتایج نسبتاً مشابهی را به دست می‌دهند. روش نزدیک‌ترین همسایگی اراضی غیر شور را بیشتر از روش فازی شیءگرا برآورد نموده است و این می‌تواند به دلیل وجود پیکسل‌های آمیخته باشد. نتبجه‌گیری: 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 شوره‌زارهای حاشیه شرق دریاچه نسبت به الگوریتم نزدیک‌ترین همسایگی برتری دارد. همچنین مشخص گردید که شاخص روشنایی به عنوان مؤثرترین شاخص در شناسایی و تفکیک اراضی شور از نواحی غیر شور می‌باشد.