1کارشناس ارشد پژوهشی مؤسسه تحقیقات جنگلها و مراتع کشور
2عضو هیات علمی مؤسسه تحقیقات جنگلها و مراتع کشور
چکیده
رشد سریع جمعیت در ایران مانند دیگر کشورهای در حال توسعه سبب استفاده بیش از حد ظرفیت و وارد آمدن فشـار مضاعف بر منابع طبیعی شده است که نتیجه آن سبب تغییرات سریع پوشش زمین[1] و کاربری اراضی گردیده است. بنابر این شناخت سریع و دقیق انواع پوشش زمین شامل مراتع، اراضی کشاورزی آبی و دیم، تاسیسات و… میتواند نقش موثری در برنامهریزی و مدیریت منابع طبیعی داشته باشد. تحقیق حاضر با انگیزه یافتن روشی سریع و دقیق برای طبقهبندی اراضی مرتعی و شناخت انواع پوشش زمین با استفاده از تصاویر ماهواره لندست[2] (سنجنده TM) در حوضه آبخیز نمرود انجام شد. تصاویرتهیه شده با استفاده از نقشه توپوگرافی 1:50000 و نقاط کنترلی, زمین مرجع شدند. با استفاده از تکنیکـهای آشکارسازی (ترکیب رنگی کاذب[3]، تجزیه و تحلیل مولفههای اصلی[4]) و تجزیه و تحلیل تصاویر(شاخص پوشش گیاهی NDVI [5]و طبقهبندی نظارت شده[6]) در محیطGIS (نرم افزار ILWIS)، انواع پوشش زمین شامل اراضی کشاورزی آبی، اراضی کشاورزی دیم، مناطق صخرهای (توده سنگی)و انواع طبقات مرتع (خوب، متوسط و فقیر) با دقت 5/89 درصد از هم تفکیک شدند.
In Iran, like many other developing countries, high population growth rate causes unfairly uses of natural resources and consequently land cover change. Therefore, detection of land cover (rangelands, irrigated and rainfed agricultural lands, urban areas…) changes can influence local planning and natural resource management. Present study efforts to find a rapid and exact method of recognition different land covers using Landsat satellite data. Methods used in this research were image enhancement, false color composite (FCC), principal components analysis (PCA) and Image classification, i.e. normalized different vegetation index (NDVI) and supervised classification. A GIS environment, ILWIS software, was used. Results showed that irrigated agriculture, rainfed agriculture, rock out crop, rangeland classes (fair, moderate, poor condition) could be separated with overall accuracy of 89%.
کلیدواژهها [English]
Remote Sensing, TM satellite image, land use, land cover, vegetation index, Namrood watershed