چکیده:
مدیریت بهینه منابع طبیعی نیازمند اطلاعات به هنگام و صحیح است. در این راستا نقشه های کاربری اراضی یکی از مهمترین منابع اطلاعاتی در مدیریت منابع طبیعی محسوب می شود. در حقیقت نقشه های کاربری اراضی در برگیرنده روش استفاده از سطح زمین برای نیازهای مختلف است. امروزه، روش های تشخیص تغییر بصورت دیجیتال با استفاده از چند دوره تصاویر ماهواره ای به درک پویایی چشم انداز کمک می کند. تحقیق حاضر با هدف طبقه بندی پوشش اراضی با استفاده از تصاویر ماهواره ای و تکنیک فیوژن با رویکرد پردازش شی گرای تصاویر در حوضه آبخیز قزل اوزن انجام شد. برای انجام این تحقیق از تصویر ماهواره ای لندست ۸، سنجنده OLI/TIRS استفاده شد. که پس از انجام تصحیحات مورد نیاز در مرحله پیش پردازش، اقدام به بارزسازی یا فیوژن تصویرمورد نظر با استفاده از باند پانکروماتیک نمودیم. و قدرت تفکیک مکانی تصویر مورد استفاده را از ۳۰ متر به ۱۵ متر ارتقاع دادیم. سپس با طبقه بندی از نوع شی گرا در محیط نرم افزار eCognition، نقشه پوشش/ کاربری اراضی تهیه و نتایج نهایی ارائه شد. همچنین ضرایب ارزیابی صحت استخراج شده (دقت کلی ۸۹. ۴۱% و ضریب کاپای ۸۷/۰) نشان دهنده دقت بالای این روش طبقه بندی می باشد. باتوجه به نتایج بدست آمده در این تحقیق پیشنهاد می شود که برای تهیه نقشه های پوشش/کاربری اراضی و آشکار سازی تغییرات از تصویر به روز و مناسب، تکنیک افزایش قدرت تفکیک مکانی تصاویر (فیوژن) و همچنین روش دقیق طبقه بندی شی گرا استفاده شود.
The optimal management of natural resources requires timely and accurate information. In this regard, land use plans are one of the most important sources of information on natural resource management. In fact, land use plans include the use of land for different needs. Today, digitization detection methods help to understand the panorama of a landscape using several satellite imagery. The purpose of this study was to classify landslide using satellite imagery and fusion techniques with object image processing approach in Ghezel Ozan watershed. To carry out this research, Landsat 8 satellite image, OLI / TIRS sensor was used. After making the necessary corrections in the preprocessing stage, we made the appearance or fusion of the pictorial image using a panchromatic band. We improved the spatial resolution of the image used from 30 meters to 15 meters. Then, with an object-oriented classification in the eCognition software environment, a map of land cover / land use and final results were presented. Also, the accuracy of the extracted accuracy (total accuracy of 89.41% and kappa coefficient of 0.87) indicate the accuracy of this classification method. Based on the results obtained in this study, it is suggested to use a technique for increasing the spatial resolution of images (fusion) as well as a precise object-oriented classification for the preparation of land-cover / land-use maps and the detection of changes from the image to the present day.