Geographical Researches

fa تهیه نقشه کاربری اراضی با طبقه‌بندی تصاویر ماهواره لندست به روش ترکیبی Land Use Mapping by Classification of Landsat Images Using Synthetic Method جغرافيای ناحیه‌ای Regional Geography پژوهشی اصیل Original Research اهداف: تهیه نقشه کاربری اراضی اهمیت زیادی در مدیریت بهینه اراضی دارد. روش‌های مختلفی برای تهیه نقشه کاربری اراضی وجود دارد که هر کدام مزایا و معایب خاص خودشان را دارند. هدف این پژوهش تهیه نقشه کاربری اراضی با تلفیق روش‌های نظارت‌شده، نظارت‌نشده، شی‌گرا، طیفی، شاخص‌های گیاهی و خاکی و نقشه‌های ارتفاع و شیب از منطقه فندقلو بود. روش‌شناسی: این پژوهش به روش توصیفی-تحلیلی در منطقه فندقلو انجام شد. ابتدا تصویر پیش‌پردازش و سپس شاخص گیاهی تفاوت نرمال‌شده و شاخص خاکی درخشندگی استخراج و با باندهای تصویر ادغام شد. طبقات کشاورزی، آیش، مرتع و پهنه‌های آبی با استفاده از روش بیشینه احتمال استخراج شدند و روش‌های فیلتر انطباقی و برش تراکمی به ترتیب برای استخراج طبقات اراضی بایر و جنگل مورد استفاده قرار گرفتند. طبقات مناطق مسکونی و باغ نیز با استفاده از روش شی‌گرا استخراج شدند. در نهایت با استفاده از دانش کارشناسی و شناخت از منطقه مورد مطالعه و بر مبنای نقشه‌های کمکی شیب و ارتفاع، نقشه نهایی کاربری اراضی منطقه مورد مطالعه استخراج شد. یافته‌ها: دقت کلی و ضریب کاپا برای روش ترکیبی نظارت‌شده، نظارت‌نشده، شی‌گرا، طیفی، شاخص‌های گیاهی و خاکی و نقشه‌های ارتفاع و شیب به‌ترتیب 28/97% و 96/0 به‌دست آمد. نتیجه‌گیری: به منظور تهیه نقشه کاربری اراضی، با توجه به ویژگی‌های هر منطقه از نظر همگنی، تعداد طبقات و نوع تصویر ماهواره‌ای مورد استفاده، باید از ترکیب‌های متفاوتی از روش‌ها، شاخص‌ها و نقشه‌های کمکی استفاده کرد.   Aims: Land use mapping is very important in optimal land management. There are different methods of land use mapping that each of them has its own advantages and disadvantages. This research aimed to land use mapping by combining supervised, unsupervised, object-oriented, spectral methods and using vegetation and soil indices and ancillary maps (DEM and slope) in the Fandoghlo region. Methodology: This research was carried out by a descriptive-analytical method in the Fandoghlo region. At the first, the Landsat8 image was pre-processed and then the normalized difference vegetation index and brightness index were extracted and stacked with image bands. Agriculture, fallow, pasture, and water body classes were extracted using the maximum likelihood method. Then matched filtering analysis and density slice methods were used to extract barren lands and forest classes respectively. Residential and garden classes’ were extracted using object-oriented method. Finally, using expert knowledge and recognition of the study area and based on ancillary maps (slope and DEM), the final land use map was extracted. Findings: The overall accuracy and Kappa coefficient of the synthetic method were 97.28% and 0.96, respectively, that is more suitable and practical for land use planning and management than the conventional methods of satellite image classification and land use mapping. Conclusion: Based on the results of this research, it can be said that in order to land use mapping, according to the characteristics of each region in terms of homogeneity and the number of classes, as well as the type of satellite image, it is better to use different combinations of methods, indices, and ancillary maps are used for land use mapping. بیشینه احتمال,برش تراکمی,آنالیز فیلتر انطباقی,شی‌گرا,نقشه‌های کمکی Maximum Likelihood, Density Slice, Matched Filtering Analysis, Objected Oriented, Ancillary Maps 35 43 http://georesearch.ir/browse.php?a_code=A-10-1472-2&slc_lang=fa&sid=1 S. Varameshc سعید ورامش 100319475328460015287 100319475328460015287 Yes Department of Forest Science and Engineering, Faculty of Agriculture and Natural Resources, University of Mohaghegh Ardabili, Ardabil, Iran گروه علوم و مهندسی جنگل، دانشکده کشاورزی و منابع طبیعی، دانشگاه محقق اردبیلی، اردبیل، ایران S. Mohtaram Anbaran سهراب محترم عنبران 100319475328460015288 100319475328460015288 No Department of Forest Science and Engineering, Faculty of Agriculture and Natural Resources, University of Mohaghegh Ardabili, Ardabil, Iran گروه علوم و مهندسی جنگل، دانشکده کشاورزی و منابع طبیعی، دانشگاه محقق اردبیلی، اردبیل، ایران