1نویسنده مسئول، استادیار پژوهش، بخش تحقیقات جنگلها و مراتع، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان لرستان، سازمان تحقیقات، آموزش و ترویج کشاورزی، خرم آباد، ایران
2دانشیار، گروه مهندسی طبیعت دانشکده منابع طبیعی و علوم زمین، دانشگاه شهرکرد، ایران
3دانشیار پژوهش، بخش تحقیقات جنگلها و مراتع، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان لرستان، سازمان تحقیقات، آموزش و ترویج کشاورزی، خرمآباد، ایران
چکیده
سابقه و هدف: امروزه بررسی و ارزیابی تغییرات ناشی از آشفتگیها با استفاده از تصاویر ماهوارهای به یکی از زیرشاخههای مهم در علوم منابع طبیعی تبدیلشده است و ابزاری برای نظارت و کنترل در اکوسیستم جنگل و مرتع میباشد. ازجمله این تغییرات و آشفتگیها بهویژه در سطح مراتع مناطق خشک و نیمهخشک میتوان به چرای علفخواران و آتشسوزی اشاره نمود. در مطالعات متعدد استفاده از سنجشازدور بهمنظور تهیه نقشه از مناطق سوختهشده موردبررسی قرارگرفته است. شاخصهای طیفی یکی از پرکاربردترین ابزارهای سنجشازدوری هستند که بهمنظور پایش و نظارت بر تغییرات پوشش گیاهی مراتع بهویژه در زمانهای مختلف پس از وقوع آتش و تهیه نقشههای مناطق سوختهشده استفاده میشوند. با توجه به وسعت مراتع کشور و صعبالعبور بودن غالب مراتع کوهستانی بهمنظور شناسایی و تفکیک مراتع دچار حریقشده از دادههای سنجشازدور چند طیفی استفاده گردید. پژوهش حاضر باهدف، تعیین مؤثرترین دادههای کمکی بهمنظور افزایش دقت طبقهبندی بهمنظور شناسایی و تفکیک مراتع نیمهاستپی سوختهشده همچنین تعیین وسعت این مراتع جهت اتخاذ برنامههای مدیریتی مناسب پس از وقوع آتش با استفاده از تصاویر ماهواره لندست-8 انجام گردید. مواد و روش : ابتدا با توجه به اطلاعات و دادههای موجود در بخش حفاظت و حمایت اداره کل منابع طبیعی استان چهارمحال بختیاری همچنین اطلاعات افراد محلی آگاه و بهرهبرداران، نسبت به انتخاب سایتهای مرتعی دچار حریقشده اقدام شد. درمجموع، 17 سایت آتشسوزی شده بر اساس قدمت آتش (یک تا سه سال و سه تا پنج سال پس از آتشسوزی) همچنین شدت چرای زیاد و متوسط، انتخاب و محدودهی سایتها توسط دستگاه موقعیتیاب GPS بهصورت پلی گون ثبت گردید. سپس جهت بررسی امکان شناسایی و تفکیک محدودههای مرتعی سوختهشده از مناطق مجاور آن از الگوریتم طبقهبندی حداکثر احتمال (MLC) توسط نرمافزار Idrisi TerrSet استفاده شد. همچنین برای تعیین مؤثرترین دادههای کمکی نظیر باندهای خام Pan-sharpen (توان تفکیک مکانی 15 متر)، شاخص روشنایی تبدیل تسلدکپ (TC-B)، مدل رقومی ارتفاع (DEM)، سه مؤلفه اول شاخص PCAs و شاخص آتش NBRT در افزایش دقت طبقهبندی کلاسهای آتش، علاوه بر ارزیابی و محاسبهی مقادیر دقت کلی و دقت کاپای موجود در ماتریس خطا از آزمون رتبهبندی فریدمن استفاده گردید. نتایج و یافتهها: نتایج پژوهش حاضر نشان داد که از بین دادههای کمکی مورداستفاده جهت افزایش دقت طبقهبندی کلاسهای مختلف آتش مجموع دادهی کمکی DEM-NBRT با توجه به ماهیت مطالعه موردنظر بیشترین اثرگذاری را برافزایش دقت طبقهبندی کلاسهای مختلف آتشسوزی با شدتهای مختلف چرایی در مراتع نیمهاستپی با میزان دقت کلی (66%) و دقت کاپای (63%) را به خود اختصاص داده است. شاخص آتش NBRT با توجه به اینکه مبتنی بر باندهای طیفی مادونقرمز نزدیک (NIR)، مادونقرمز با طولموج کوتاه 1 و2 (SWIR1,2) همچنین مادونقرمز حرارتی (Thermal1) است بنابراین میتواند بهعنوان شاخصی مهم و کارآمد در تفکیک و جداسازی مراتع نیمهاستپی سوختهشده با قدمتهای مختلف آتش و شدتهای چرایی متفاوت مورداستفاده قرار گیرد. نتیجهگیری: نتایج بهدستآمده بیانگر توانایی و قابلیت دادههای سنجشازدور چند طیفی تصاویر ماهواره لندست-8 و تأثیرات کاربرد ترکیبی لایههای کمکی در افزایش دقت شناسایی و تفکیک مراتع نیمهاستپی سوختهشده میباشد. همچنین به قابلیت الگوریتم طبقهبندی حداکثر احتمال باوجود شباهت رفتار طیفی پوشش گیاهی احیاء شده پس از گذشت زمان نسبت به مناطق مجاور آن میتوان اشاره نمود. توانایی شاخص طیفی NBRT در شناسایی و تفکیک مراتع نیمهاستپی سوختهشده را میتوان ناشی از سه مؤلفهی اصلی تشکیلدهندهی این شاخص یعنی باندهای طیفی مادونقرمز نزدیک (NIR)، مادونقرمز با طولموج کوتاه 1 و2 (SWIR1,2) همچنین مادونقرمز حرارتی (Thermal1) و حساسیت بالای این باندها به تغییرات پوشش گیاهی پس از وقوع آتشسوزی نسبت داد.
Evaluating of multi-spectral remote sensing data in capability to distinguish burned rangelands during grazing gradient (case study: semi-arid rangelands of CHB province, Iran)
نویسندگان [English]
Ali Mohammadian1؛ Esmail Asadi-Broujeni2؛ Reza Siahmansour3
1Assistant Professor, Research Division of Forests and Rangeland, Khorramabad Agricultural and Natural Resources Research and Education Center, Agricultural Research Education and Extension Organization (AREEO), Khorramabad, Iran
2Associate Professor, Department of Nature Engineering, Faculty of Natural Resources and Earth Sciences, Shahrekord University, Iran
3Associate Professor, Research Division of of Forests and Rangeland, Khorramabad Agricultural and Natural Resources Research and Education Center, Agricultural Research Education and Extension Organization (AREEO), Khorramabad, Iran.
کلیدواژهها [English]
Maximum Likelihood Algorithm, Separability, Burn Index, Landsat-8, Semi-Arid Rangelands