نقشه کاربری محصولات کشاورزی

ارزیابی قابلیت های فناوری های سنجش از دور و GIS در تهیه نقشه کاربری محصولات کشاورزی استان همدان

علی نصیری[1]&– دانشگاه پیام نور - گروه علمی جغرافیا - تهران 4697 –19395- ج.ا.ایران

آدرس : تهران – خ. شهید همت – شهرک باقری - دانشگاه پیام نور - گروه جغرافیا – ساختمان 1 ط- اول . گروه جغرافیا - شماره تلفن [phone] [e-mail]

چکیده :

تولید آمار و اطلاعات دقیق و واقعی تر همیشه مهمترین دغدغه فکری مدیران و برنامه ریزان است. روش‎های گوناگونی برای تولید این نوع از آمار و اطلاعات وجود دارد، از جمله این روش‎ها می‎توان به روش‎های سنتی (نقشه برداری‏های زمینی) و پیشرفته (نقشه برداری‎های هوایی – ماهواره‎ای) اشاره کرد. در مورد روش‎های پیشرفته، فن‏آوری سنجش از دور به دلایل گوناگون از اهمیت ویژه‎ای برخوردار است، به گونه‏ای که با توسعه و گسترش این فن‏آوری، انقلابی در تولید آمار و اطلاعات مکاندار به وجود آمده و افق جدیدی را به روی مدیران و برنامه ریزان گشوده است.

          در این مقاله قابلیت های فناوری سنجش از دور و GIS در تهیه نقشه کاربری محصولات کشاورزی و تولید آمار و اطلاعات مربوطه در استان همدان مورد ارزیابی قرار گرفت. با توجه به نظام بهری برداری زراعی و وضعیت و اندازه قطعات (بزرگی و کوچکی ) زمین های زراعی و پیچیدگی و کیفیت محصولات و ویژگی های خاک در استان مورد مطالعه و همچنین ویژگی ها و کیفیت داده های سنجش از دور استفاده بهینه از فناوری سنجش از دور در کشور ما و استان مورد مطالعه مشخص نیست. نتایج حاصل از این مطالعه نشان می دهد که نتایج در تولید اطلاعات سطح کاربری های محصولات مختلف رضایت بخش ولیکن در برآورد مقدار محصول یا بعبارتی عملکرد چندان رضایت بخش نیست.

واژه گان کلیدی : فناوری سنجش از دور، سیستم اطلاعات جغرافیایی، کاربری محصولات کشاورزی، همدان   

مقدمه :

          برای مدیران و سیاستگذاران، آمار و اطلاعات جهت مدیریت موفق و برنامه‎ریزی، فوق العاده ضروری است به طوری که بدون این مهم، تدوین و اجرای هیچ برنامه و سیاستی امکان پذیر نمی‎باشد. در این میان آمار و اطلاعات مکاندار از اهمیت فوق العاده‎ای برخوردار است؛ بخصوص که در سال‎های اخیر کاربرد وسیع آن در کلیه عرصه‎های فنی و زیربنایی و به ویژه در علوم زیستی محیطی مشاهده می‎شود. از سوی دیگر توجه به مسایل زیست محیطی و توسعه پایدار در جهت استفاده بهینه از استعداد و قابلیت‎های اراضی در هر منطقه نقش و اهمیت آمار و اطلاعات مکاندار را بیش از پیش روشن می‎سازد.

روش‎های گوناگونی برای تولید این نوع از آمار و اطلاعات وجود دارد، از جمله این روش‎ها می‎توان به روش‎های سنتی (نقشه برداری‏های زمینی) و پیشرفته (نقشه برداری‎های هوایی – ماهواره‎ای) اشاره کرد. در مورد روش‎های پیشرفته، فن‏آوری سنجش از دور به دلایل گوناگون از اهمیت ویژه‎ای برخوردار است، به گونه‏ای که با توسعه و گسترش این فن‏آوری، انقلابی در تولید آمار و اطلاعات مکاندار به وجود آمده و افق جدیدی را به روی مدیران و برنامه ریزان گشوده است. در چند سال اخیر روش‎های سنجش از دور برای تولید آمار و اطلاعات مکاندار به دلایل کم هزینه بودن نسبت به سایر روش‎های موجود و همچنین سهولت و قابلیت استفاده از آن در مناطق وسیع با شرایط سخت و متفاوت کاربرد وسیعی یافته‎اند(نصیری).

موقعیت جغرافیایی و ویژگی‎های طبیعی و کشاورزی استان همدان

          استان همدان در بخش شمال غرب کشور بین عرض جغرافیایی َ59  ْ33 تا َ45  ْ35 شمالی و طول جغرافیایی َ45  ْ 47 الی  َ30  ْ 49 درجه شرقی قرار گرفته است.

استان همدان از مناطق مرتفع و کوهستانی کشور است که بخش شمالی آن (شامل شهرستان‎های کبودرآهنگ و رزن) کم ارتفاع و هموارتر از بخش جنوبی بوده و اراضی وسیع دیم استان را تشکیل می‎دهند. بدین ترتیب رشته کوه‎های بلند الوند بیشتر در بخش جنوبی استان قرار دارند که دره‎های کوچک و بزرگ آن در ارتفاعات پایین از باغات پوشیده شده‎اند و در ارتفاعات بالاتر چمنزارها در دامنه‎های پرشیب پراکنده هستند. این ارتفاعات از پوشش گیاهی مختلف طبیعی پوشیده است که مراتع ییلاقی استان را شامل می‎شوند.

 

مواد و روش ها

          در تحقیق حاضر از دادهای ماهواره ای [2] IRS-1C و نقشه های توپوگرافی 1:250000 و 1:50000 استفاده شد. از نرم افزارهای GIS  مانند ARC/INFO ،GEOMATICA  و همچنین  GPS به منظور های مختلف مانند برای تولید فتومپ نمونه ها و طراحی الگوی نمونه برداری و نمونه گیری و نهایتا داده ها تجزیه و تحلیل شده و نتایج حاصله طی مراحل زیر بدست آمد. در موارد لازم و عملیات کنترل زمینی صورت گرفت.    

تصحیح هندسی تصاویر ماهواره‎ای

          داده‎های سنجش از دور از لحاظ فنی و هوشمندی بصورت متنوع با قابلیت های زیادی از قدرت تفکیک مکانی، طیفی، رادیومتری، زمانی و همچنین از نظر سطح پوشش زمینی توسعه پیدا نمودند. برخی از انواع این داده ها برای مشاهده الگوها بویژه دید یکپارچه از نواحی وسیع امکانات زیادی را ارائه می دهند..(ام. ان. دمرس[3]2002 به نقل از جن سن [4]2000). مدلهای GIS مرتبط با زیست محیطی (اکولوژی)، آمایش سرزمین و تولید آمار و اطلاعات کشاورزی، استفاده از داده های سنجش از دور را نباید دست کم گرفت. داده‎های ماهواره‎ای دارای خطاهای سیستماتیک و غیر سیستماتیک است. منابع خطا داده های سنجش از دور زیاد است. چرخش زمین در هنگام اخذ تصاویر، محدودیت نرخ اسکن برخی سنجنده ها، میدان دید لحظه ای وسیع برخی سنجنده ها، انحنای سطح زمین، غیر ایده آل بودن سنجنده ها، نوسان ارتفاعی، وضعیت و سرعت ماهواره ها، اثرات پانورامیک هندسه تصاویر وغیره از منابع عمده خطای سنجنده ها هستند(ریچارد 1986). خطاهای سیستماتیک در ایستگاه‏های گیرنده و گاهی در خود ماهواره تصحیح می‎شوند. اما برای تصحیح خطاهای غیر سیستماتیک از نقاط کنترل زمینی (GCP) با روش رگرسیونی کمترین مربعات درجه یک استفاده شده است. داده ها با نقشه ها مطابقت یافته و مختصات زمینی انها تعیین گردید. اخیرا تمامی خطاهای داده های سنجش از دور در ایستگاههای گیرنده تصحیح شده و به صورت ژئوکد[5] شده در اختیار مصرف کنندگان قرار می گیرد.

نقاط یاد شده با استفاده از نقشه‎های توپوگرافی 1:50000 سراسری ایران جمع آوری گردیدند. با بهره گیری از نقاط کنترل زمینی ، ضمن اصلاح خطاهای یاد شده، همچنین تصاویر به سیستم تصویر UTM منتقل گردیدند. پس از تصحیح هندسی به تصاویر مختصات نقشه اختصاص می‎یابد. پس از انجام محاسبات لازم، میزان کلی خطای نسبی برابر 02/1 پیکسل محاسبه شد که خطای حدود یک پیکسل (مجاز) قابل قبول می‎باشد.

 

موزاییک تصاویر

         با توجه به این که استان همدان با بیش از یک فریم، از داده‎های ماهواره‎ای[6] IRS-1C پوشش داده می‎شود، برای پردازش و تجزیه و تحلیل داده‎ها، ایجاد فایل تصویری (یا به عبارتی تهیه موزاییک تصاویر) به طوری که تمام سطح استان را پوشش دهد، لازم و ضروری است.

هر فریم IRS-1C (باندهای 2، 3 و 4) سطحی برابر با 141 × 141 کیلومتر و باند 5 آن سطحی برابر 148 ´ 148 کیلومتر را پوشش می‎دهد و دو فریم از داده‎های مذکور تقریباً سطح استان را می‎پوشاند که بدین ترتیب چهار فریم از داده‎های ماهواره‎ای در دو تاریخ 7 خرداد (برابر 10 June 1997) و 28 تیر (برابر 28 June 1997) قابل دسترس بود. بنابراین دو موزاییک از تصاویر استان تهیه گردید که در آن بخش کوچکی از سطح استان در نزدیکی مرزهای آن، فاقد داده ماهواره‏ای بود. برای تولید نقشه کاربری اراضی استان از سایر داده‎ها مانند تصاویر آنالوگ TM سال 1998 و اطلاعات برداشت شده از عملیات صحرایی جهت استخراج اطلاعات کاربری نواحی مذکور استفاده شد.

برای برآورد سطح زیرکشت محصولات عمده کشاورزی استان، برای نواحی اشاره شده، اطلاعات مناسبی در دسترس نبود.

  تعیین نواحی آموزشی

         اطلاعات آموزشی مورد استفاده در این طرح شامل اطلاعات سگمنت هایی ‎[7] است که برای برآورد سطح زیرکشت محصولات عمده کشاورزی استان همدان با استفاده از روش AFS جمع آوری شده بود. به دلیل اهمیت بیشتر موضوع و آشنایی بهتر با نحوه نمونه گیری در روش فوق، شرح مختصری ارایه می‎شود. سگمنت‎های یاد شده با استفاده از روش نمونه گیری سیستماتیک تصادفی منظم با آستانه[8] معین تولید شدند. این روش توسط گالگو[9] در سال 1996 در مرکز تحقیقات جامعه مشترک اروپا طرح و پیاده گردیده است. جامعه مورد نظر در روش نمونه گیری مذکور شامل بخشی از سطح زمین (سطح استان همدان) می‎باشد. روش نمونه گیری بیان شده شامل مراحل عمده زیر است:

الف – تهیه نقشه کاربری و پوشش اراضی جامعه و همچنین تعیین نرخ نمونه گیری بر اساس ویژگی‎های خاص هر طبقه. این امر به منظور حذف طبقات غیر لازم از جامعه جهت کاهش هزینه و حجم عملیات و کیفیت بهتر کار با توجه به هدف کشاورزی طرح انجام گردید.

ب – بلوک‏بندی جامعه وسپس شبکه‏بندی بلوک‎های مذکور به واحدهای‏کوچکتر به نام سگمنت.

پ – تلفیق و تطابق نقشه کاربری و پوشش اراضی با شبکه‎ سگمنت‎ها به منظور تعیین تعداد سگمنت‎های مورد نیاز، بر اساس نرخ نمونه گیری هر طبقه و همچنین تعیین مختصات زمینی مرکز آنها.

نقشه کاربری و پوشش اراضی استان همدان

 نقشه کاربری فوق با استفاده از داده‏های ماهواره‏ای TM تولید شده، و از 9 طبقه مختلف تشکیل شده است. بر اساس هدف کشاورزی بودن طرح، طبقات اراضی آبی، دیم و اراضی مخلوط آبی و دیم با استفاده از آن انتخاب گردیدند.

n تعیین نرخ نمونه‏گیری در کل جامعه

مسئله مهم در نمونه گیری قائل شده شانس مساوی برای هریک از طبقات به لحاظ قرار گرفتن در نمونه است و یا بعبارتی نمونه بایستی نماینده واقعی از جامعه باشد(مشکانی 1374).  این امر که تا چه اندازه می توانیم نمونه را "نماینده" جامعه تلقی کنیم بستگی به تعریف ما از جامعه و نحوه انتخاب نمونه (نمونه گیری هدفمند) دارد. برای بدست آوردن نتایج معتبری در باره جامعه، نمونه ها باید آیینه تمام نمای جامعه و بر اساس قواعد نمونه گیری و قوانین احتمال انتخاب شوند. تعداد نمونه ها به اندازه ای تعیین شود که میزان خطاها تحت کنترل باشند(وحیدی اصل 1385). نمونه لازم با توجه به دقت مورد نظر بر اساس فرمول فرییز[10] به شرح زیر محاسبه گردید():

                                                                   (1)                

n : تعداد نمونه لازم

: واریانس جمعیت (در این پروژه = مساحت)

t : ارزش t استیودنت در سطح اطمینان مورد نظر

E : فاصله اطمینان بیان شده (خطا)

n تعیین نرخ نمونه‏گیری در طبقات

کسب اطلاعات لازم و کافی از طبقات جامعه در تعیین نرخ نمونه‏گیری اهمیت فوق‏العاده دارد. برای تعیین نرخ نمونه‏گیری در طبقات مختلف می‏توان از روش‏های زیر استفاده نمود (فرییز 1990):

- در روش معمول که کاربرد علمی نیز دارد، تعیین نرخ نمونه بر اساس نسبت سطح هر طبقه انجام می‏گیرد. بنابراین تعداد نمونه در هر طبقه از رابطه زیر بدست می‏آید:

                   (2)       (مساحت کل / مساحت طبقه) ´ n = طبقه n

n  : تعداد نمونه

کاربرد این روش بسیار ساده بود و مشکل آن عدم در نظر گرفتن واریانس بین نمونه‏هاست.

- تخصیص نرخ مساوی : تعیین نرخ نمونه‏گیری بر اساس مساحت محصول در هر طبقه صورت می‏گیرد. این روش مفید نبوده زیرا در هر طبقه بیشتر از یک محصول وجود دارد.

- تخصیص نرخ نمونه‏گیری بهینه : در این روش، هدف کاهش خطای استاندارد نمونه‏هاست. این روش با انتخاب نمونه‏ بیشتری در طبقات که تغییر پذیری زیادی دارند، انجام می‏شود.

معمولاً نتایج روش اختصاص بهینه پایین ترین واریانس را در بین برآورد کننده‏ها نشان می‏دهد اما به دلیل این که آگاهی از واریانس درون طبقات در روش یاد شده لازم است و از طرف دیگر به دلیل این که برآورد واریانس مشکل می‏باشد ،  نمی‏توان در این پروژه از آن  استفاده کرد. تعیین دقیق نرخ نمونه‏گیری در هر طبقه بر اساس دانش، شناخت و در نهایت قضاوت کارشناسی انجام می‏پذیرد.

برای کاهش هزینه و حجم عملیات از روش طبقه‏بندی برای انتخاب نرخ‏ نمونه‏گیری در هر طبقه استفاده گردید. بدین ترتیب ابتدا سگمنت‏ها به طور تصادفی در یک بلوک مورد نظر با حداکثر نرخ نمونه‏گیری معین هر طبقه انتخاب شدند. سپس برای بلوک‏هایی که در طبقه با نرخ نمونه کمتری واقع شده بودند تعدادی از سگمنت‏ها را به طور تصادفی حذف شدند تا نرخ نمونه‏گیری به نرخ مورد نظر در طبقه‏ مذکور برسد. این روش فقط برای یک بلوک در هر طبقه انجام شده و برای سایر بلوک‏های باقیمانده (الگوی آن) تکرار می‏شود .

شبکه بندی

هدف از شبکه بندی (یا به عبارتی بلوک بندی) جامعه ارایه طرح استانداردی از روش نمونه‏گیری می‏باشد، به شکلی که الگوی مناسبی از توزیع مکانی نمونه‏ها در سطح جامعه از یک سو، تسهیلات و کارآیی هر چه بیشتر فرآیندهای نمونه‏گیری را از سوی دیگر موجب ‏شود. همچنین تقسیم جامعه به بلوک‏ها با توجه به ناهمگن بودن آن امکان بهتری را برای پژوهشگر جهت تعیین نرخ دقیق نمونه‏ها در کل طبقات جامعه فراهم می‏سازد و بدین طریق موجب افزایش دقت نرخ نمونه‏گیری می‏گردد.

اندازه بلوک‏ها با توجه به دانش و تجربه متخصص، دقت نمونه‏گیری، مقیاس مطالعه، هزینه و شرایط طبیعی و زیست محیطی منطقه تعیین شده است. در این طرح اندازه 16 ´ 16 کیلومتر برای هر بلوک مناسب تشخیص داده شد. هر بلوک نیز به نوبه خود به واحدهای کوچکتر به نام سگمنت به ابعاد 1 ´ 1 کیلومتر تقسیم بندی گردید. بدین ترتیب جمع سگمنت‏های هر بلوک به 256 عدد رسید. لازم به ذکر است که برخی از پژوهشگران از جمله فرییز تعداد 100 تا 400 سگمنت را برای هر بلوک پیشنهاد کردند. در تعیین تعداد سگمنت شرایط طبیعی و زیست محیطی منطقه، دانش و تجربیات کارشناسی، زمان، حجم عملیات و دقت مورد نظر و … از عوامل بسیار موثر می‏باشند. از سگمنت‏های تعیین شده در بلوک سگمنت اول به شکل تصادفی و پنج سگمنت بقیه با در نظر گرفتن حد آستانه 5/3 کیلومتر از همدیگر انتخاب شدند و این حداکثر نرخ نمونه گیری (درصد 3/2 = 256/6) مورد نظر است که بدین ترتیب انتخاب گردید. برای اطمینان از توزیع مناسب نمونه‏ها در سطح بلوک حد آستانه 5/3 کیلومتر در نظر گرفته شد.

بدین ترتیب در بلوک‏های مربعی شکل مذکور، نمونه‏ها از طریق انتخاب تصادفی سیستماتیک یک الگو در یک بلوک و تکرار آن در سایر بلوک‏ها در سطح کل جامعه تعیین شدند. این روش توزیع مناسب‏تری را از نمونه‏ها ارایه می‏دهد. به روش مذکور تعیین نمونه‏ها، روش الگوی تکراری نیز گفته می‏شود. ضمناً مختصات زمینی مرکز سگمنت‏ها نیز از شبکه‏بندی فوق استخراج می‏شود.

بنابر روش بیان شده، مشکل وقوع مکانی نزدیک به هم نمونه‏ها در روش انتخاب تصادفی که اطلاعات تکراری تولید می‏نماید، رفع می‏گردد. به روش فوق روش نمونه‏گیری تصادفی سیستماتیک منظم شده با تعیین آستانه نیزگفته می‏شود.

 اندازه نمونه‏ها (ابعاد نمونه‏ها)

از عوامل موثر در تعیین اندازه سگمنت، می‏توان به درجه تنوع کاربری، اندازه مزارع، هزینه، دقت برداشت اطلاعات و … اشاره نمود. تجربیات و نتایج حاصل از اجرای عملیات صحرایی برداشت اطلاعات سگمنت‏ها نشان می‏دهد که انتخاب اندازه سگمنت از 25 تا 100 هکتار، بهترین حالت را خواهد داشت. زمان لازم برای جمع‏آوری اطلاعات  هر سگمنت یک روز کاری در نظر گرفته شده است. ابتدا در اجرای این طرح، اندازه سگمنت‏ها در تمام طبقات یکسان 1000 ´ 1000 متر انتخاب شده بود. سپس در مراحل بعدی، پس از اجرای عملیات صحرایی جمع‏آوری اطلاعات سگمنت‏ها، مشخص شد که به دلیل اختلاف زیاد در اندازه مزارع آبی و دیم و حجم زیاد عملیات جمع‏آوری اطلاعات از یک سو، محدودیت زمان و تنوع زیاد کاربری‏ها از سوی دیگر، سگمنت‏ها با اندازه‏های (ابعاد) کوچکتر انتخاب گردید. بر اساس پیشنهاد گالگو[11] ، 20 تا 30 مزرعه در یک سگمنت، الگوی مناسبی است در غیر این صورت کار با مشکل مواجه می‏شود. با توجه به موارد یاد شده انجام اصلاحات لازم، سگمنت‏ها با ابعاد زیر انتخاب شدند:

اراضی آبی       500 ´ 500 متر

اراضی دیم           700 ´ 700 متر

اراضی مخلوط آبی و دیم                         700  ´ 700 متر

جدول شماره 3 تجزیه و تحلیل اندازه سگمنت‏ها

 

طبقه	تعداد متوسط کاربری در یک سگمنت	اندازه پیشین سگمنت	اندازه مناسب نمونه (30 مزرعه در نمونه)
اراضی آبی	97	1000 ´ 1000	577 ´ 577
اراضی دیم	45	"	820 ´ 820
اراضی مخلوط (آبی و دیم)	43	"	836 ´ 836

مطالعات انجام شده بیانگر افزایش خطای برداشت اطلاعات نمونه‏ها در نتیجه کاهش اندازه آنهاست. در شکل‏های شماره 9 و 10 افزایش خطای استاندارد در اثر کاهش مساحت نمونه نشان داده شده است. در شکل شماره 10 خطای نمونه‏ها نسبت به خطای نمونه 100 هکتاری سنجیده شده و تغییرات خطا را نشان می‏دهد. با توجه به مبحث فوق‏، در جدول شماره 4 تعداد نمونه‏ها در هر طبقه، سطح کل هر طبقه و… بیان شده است.

 

جدول شماره 4 نرخ نمونه‏گیری در طبقات کاربری مورد نظر در روش AFS

 

طبقات کاربری	تعداد نمونه زمینی	مساحت طبقه(هکتار)	ابعاد نمونه	نرخ‏واقعی‏نمونه‏گیری (درصد)	نسبت‏تعدادنمونه‏ها به‏مساحت‏طبقه
اراضی آبی	55	371994	500	37/0	015/0
اراضی دیم	79	667381	700	58/0	012/0
مخلوط و آبی	47	351792	700	65/0	013/0
جمع	181	1391167	-	-	-

نرخ متوسط نمونه‏گیری در سطح استان 4/0 درصد بوده است.

 

  نقشه بلوک بندی با نقشه کاربری اراضی استان ترکیب شده، بدین ترتیب نمونه‏های خارج از استان و همچنین در طبقات غیر لازم حذف گردید، تا تعداد نمونه‏ها با توجه به نرخ نمونه‏گیری تعیین شده در هر طبقه اصلاح و سپس مختصات زمینی نمونه‏ها از نقشه مذکور استخراج شد.

  تهیه عکس نقشه‏ سگمنت به منظور جمع‏آوری اطلاعات سگمنت‏ها : برای این منظور عکس‏های هوایی مقیاس 40000 : 1 هر سگمنت مشخص شده و با قدرت تفکیک مکانی (DPI 300) برابر 4/3 متر برای هر پیکسل اسکن گردید. سپس عکس‏های هوایی تصحیح هندسی شده به سیستم تصویر UTM برگردانده شد و پس از آن عکس نقشه‏های هر نمونه در مقیاس‏های 5000 : 1 و 10000 : 1 چاپ گردید (شکل شماره 14 و 15). برداشت و جمع‏آوری اطلاعات هر سگمنت در عملیات زمینی با استفاده از عکس نقشه 5000 : 1 انجام گرفت.

  تعیین مسیر و موقعیت دقیق هر سگمنت در زمین با استفاده ازGPS

  نقشه برداری عوارض داخل سگمنت و برداشت اطلاعات نمونه‏ها

  بازبینی نقشه‏های ترسیم شده و در صورت لزوم انجام اصلاحات نهایی، سپس نقشه‏های مذکور رقومی شده و به تصاویر منتقل شدند.

  اصلاح خطای جابجایی نمونه‏ها در روی تصاویر که این خطا از تصحیح هندسی تصاویر، رقومی کردن نمونه‏ها، تصحیح هندسی عکس‏های هوایی، خطای فنی ترسیم نقشه، خطای تعیین مختصات نمونه‏ها و خطای ناشی از انطباق نمونه‏ها با تصاویر و … ناشی می‏شود. بنابراین نمونه‏ها پس از انتقال روی تصاویر از نظر موقعیت مکانی جابجایی نشان می‏دادندکه نهایتاً خطای مذکور با بررسی تک تک نمونه‏ها تصحیح گردید. در شکل شماره 17 خطای مذکور و تصحیح آن نشان داده شده است.

 

 نمونه‏گیری از نواحی آموزشی

پس از انتقال نواحی آموزشی (سگمنت‎ها) به تصاویر ماهواره‏ای، نمونه‏گیری از طبقات مختلف با توجه به واریانس داده‏های طیفی آنها انجام گرفت. در طبقات ناهمگن و پیچیده تعداد نمونه بیشتری انتخاب شد. برای کاهش خطای پردازش داده‏ها سعی شد حتی‏المقدور نمونه‏برداری از پیکسل‏های مخلوط مرزی بین طبقات اجتناب شود. در هر طبقه به طور معمول بنا به پیش فرض‏های آماری تعداد نمونه بیشتر از حداقل لازم یعنی  n 30  (n = تعداد باند مورد استفاده) برداشت گردید. نواحی آموزشی که در پوشش ابری قرار گرفته بودند، از نمونه‏برداری حذف گردیدند. در جدول شماره 6 تعداد نمونه برداشت شده در هر طبقه اشاره شده است.

جدول شماره 6 تعداد نمونه‏های آموزشی در کلاس‏های کاربری مختلف

   

نام کلاس	کد	تعداد نمونه (بر حسب پیکسل)
باغ (مخلوط)	40	514
اراضی بایر	42	423
مرتع	46	2473
تاکستان	54	173
گندم و جو آبی	101	1460
گندم و جو دیم	102	3545
یونجه	103	804
سیب زمینی و گوجه فرنگی	104	198
سایر محصولات دیم	105	447
سایر محصولات آبی	106	302
شخم و آیش	107	1247

 استخراج و محاسبه پارامترهای آماری طبقات

          اطلاعات طیفی کلاس‎های مختلف از داده‏های ماهواره‏ای استخراج گردید. سپس پارامترهای مختلف از قبیل میانگین، انحراف معیار، واریانس، ماتریس واریانس و کواریانس و … هر طبقه محاسبه شد.  در تعیین عضویت پیکسل‏ها به هر یک از طبقات فوق از پارامترهای بیان شده استفاده می‏شود. با توجه به این که گسترش طبقات در منطقه متفاوت است، احتمال اولیه وقوع طبقات در جامعه نیز به یک اندازه نیست بدین جهت از احتمال اولیه محاسبه شده هر طبقه در پردازش داده‏ها استفاده بعمل آمد.

در محاسبه احتمال اولیه بیشتر از اطلاعات آماری حاصل از روش‏های طرح جاری آمار و روش AFS استفاده شده است.  مقدار کمٌی احتمال اولیه محاسبه شده برای هر کلاس در جدول شماره 7 نوشته شده است. پارامترهای آماری برای کلاس گندم و جو آبی استخراج شد.

جدول شماره 7 مقدار احتمال اولیه کلاس‎های مختلف

نام کلاس	کد کلاس	درصد احتمال اولیه
گندم و جو    (آبی)	101	44/2
گندم و جو    (دیم)	102	64/5
یونجه    (آبی – دیم)	103	1
سیب زمینی و گوجه فرنگی	104	29/0
سایرمحصولات دیم(هندوانه، نخود و آفتابگردان)	105	21/0
سایر محصولات آبی (ذرت، لوبیا، آفتابگردان،	106	63/0
چغندرقند،هندوانه،نخود،شبدر،شوید و گشنیز)
باغ (مخلوط)	40	29/0
تاکستان	54	31/0
شخم و آیش	107	24/7
مرتع	46	18/5
بایر	42	33/0

 

 پردازش و تجزیه و تحلیل داده‏ها

           در کل می توان نقشه های موضوعی را در زمینه ها و مسائل و شرایط پیچیده و گوناگونی محیطی تهیه نمود: الف ) در مسائل زمانی – فضایی نظیر تهیه نقشه های رقومی خاک و یا طبقه بندی واحد های زمین شناسی ب) در مسائل تقریب و پیش بینی های مکانی مانند تهیه نقشه های آلودگی، مدلهای توپو – اقلیمی، ج) در مسائل مدل سازی تراکم احتمالات بعنوان مثال شرایط توزیع ارتباط فضایی یا محلی داده ها و سیستم های خبره قابل دسترس(میکائیل کانوسکی[12]2008 ). در سیستم های پشتیبان تصمیم گیری محیطی[13] و تجزیه و تحلیل داده های دورکاوی روشهای آمار- پایه بسیار حائز اهمیت هستند(ال. فارستی[14] ،.. و ام. کاونسکی 2008  و همکاران م. 4). در شناسایی نواحی همگن بسته به نوع عوارض، مدلهای داده ای مختلف مانند نقطه ای، خطوط و یا سطوح استفاده می شود. مهمترین ویژگی سیستم اطلاعات جغرافیایی قابلیت ترکیب توابع گوناگون جهت انجام عملیات مورد نظر با مدلهای داده های مذکور است(سی دا لیا فونته[15] و همکاران 2008). متداولترین روش تجزیه و تحلیل رقومی داده های سنجش از دور طبقه بندی است(مخدوم و همکاران 1380). تحقیق حاضر نیز استخراج اطلاعات مربوط به سطح زیر کشت محصولات عمده کشاورزی از طریق پردازش یا طبقه بندی داده‏های طیفی با استفاده از روش حداکثر درست نمایی (MLC[16])  انجام گرفت. این روش، از روش‏های استاندارد طبقه‏بندی تصاویر ماهواره‏ای است(نصیری 1377). اساس مدل مورد استفاده در روش فوق فاصله حداقل ماهالانوبیز[17] می‏باشد. در این روش مقدار حداکثر درست نمایی تک تک پیکسل‏ها در کلاس‏های مختلف با استفاده از مدل مذکور محاسبه شده و با ارزیابی نتایج، هر پیکسل به طبقه‏ای اختصاص می‏یابد که بیشترین مقدار درست نمایی را در آن داشته باشد. بدین طریق کلیه تصاویر طبقه‏بندی شده و نقشه مورد نظر تولید می‏شود و عملیات تا حصول نتایج مطلوب و با دقت مورد نظر دنبال می‏شود. نتایج بدست آمده مربوط به اطلاعات سطح زیر کشت محصولات عمده کشاورزی استان همدان با استفاده از روش بیان شده برای طبقات مختلف در جدول شماره 8 بیان شده است.

جدول شماره 8 سطح زیر کشت محصولات عمده کشاورزی استان همدان در سال 1376

برآورد شده از فناوری سنجش از دور

کد محصول	نام محصول	مساحت : (هکتار)
101	گندم و جو آبی	152898
102	گندم و جو دیم	344291
103	یونجه	38217
104	سیب زمینی و گوجه فرنگی	10664
105	سایر محصولات آبی	5571
106	سایر محصولات دیم	6577
107	آیش و شخم	305892
40	باغ	18981
54	تاکستان	12235
42	اراضی بایر	84429
46	* مرتع	672480
0	نامشخص (NULL)	7/294243
جمع	-	7/1946478

* لازم به بیان است که به دلیل وجود ابر بخشی از مراتع در کلاس (0) نامشخص قرار گرفتند و این مشکل در جدول شماره 12 با استفاده از اطلاعات حاصل از عملیات زمینی (field visit) و تصاویر آنالوگ TM رفع گردیده است، از سوی دیگر چون در این طرح، هدف، برآورد سطح زیر کشت محصولات عمده کشاورزی استان بوده، بیشتر به سطح زیر کشت محصولات عمده کشاورزی توجه شده و سایر طبقات (آن چه که در جدول شماره 9 دیده می‏شود) مورد نظر نبودند، همچنین گردش کار دو طرح مذکور نیز متفاوت بوده و ضمناً در تولید نقشه کاربری و پوشش اراضی عملیات کنترل زمینی (Check Field) انجام شده، به همین خاطر نتایج حاصل از آن دارای سطح اطمینان بیشتری می‎باشد.

ترکیب طبقاتی مشهود در جدول فوق‏ بر اساس نتایج حاصل از تجزیه و تحلیل تفکیک پذیری طیفی طبقات مزبور به منظور افزایش دقت نتایج، با توجه به توان تفکیک طیفی داده‏های ماهواره‏ای انجام گرفته است.

بنابراین طبقه سایر محصولات آبی (کد 106 ) شامل محصولات هندوانه آبی، چغندرقند، لوبیا، ذرت، گشنیز، شبدر، شوید و نخود می‏باشد که به شکل یک طبقه مختلط درآمده است، همچنین طبقه مرکب سایر محصولات دیم (با کد 105) شامل هندوانه، آفتابگردان و نخود دیم است که یک طبقه مخلوط را تشکیل دادند.

ماتریس خطای نتایج طبقه‏بندی حاصل از روش حداکثر درست نمایی برای طبقات مختلف (محصولات) در جدول شماره 10 نوشته شده است.

نقشه زراعت (کاربری) تولید شده با استفاده از روش فوق ‏در شکل شماره 20 مشهود است. نقشه مذکور توزیع مکانی محصولات عمده کشاورزی استان همدان را نشان می‏دهد.

جدول شماره 9 نمونه‏ نقاط تست جمع آوری شده به منظور تعیین میزان خطای نقشه‏ کاربری استان همدان (نصیری 1377)

شماره ‏نقطه	شماره شیت	مختصاتUTM نقاط		موقعیت مکانی نقطه	کاربری نقشه	کاربری	صحیح
کنترلی	1:100000	شرقی‏ (E)	شمالی (N)		1:100000	مشاهده
1	5758	291157	3818631	نقاط جاده ازندریان با جاده ملایر	زراعت آبی	مخلوط&	-
2	5858	299373	3812084	تقاطع جاده قوزان به شریف آباد	دیم + مرتع	دیم+ مرتع	ü
3	5758	279361	3798135	جاده ملایر به نهاوند – تقاطع جاده	مرتع	باغ	-
4	5758	281124	3813874	تقاطع جاده زیر ابیه با جاده ملایر	زراعت آبی	آبی	ü
5	5758	311775	3872157	تقاطع‏جاده‏روستای‏گوشه‏باجاده اراک	مرتع	مرتع	ü
6	5858	323267	3774170	تقاطع جاده ده چانه با جاده اراک	زراعت آبی	دیم	-
7	5658	253222	3792410	تقاطع‏جاده‏ ده‏موی‏با‏روستای‏محمودآباد	مخلوط‏مرتع‏ودیم	مرتع‏و دیم	ü
8	5658	252172	3819021	تقاطع‏جاده‏امیرآباد50مترتاپل زسنج	مرتع	آبی	-
9	5658	264434	3820848	تقاطع‏جاده‏میان‏‏دره‏باجاده جمیل‏آباد	مرتع + دیم	دیم	-
10	5659	252432	3865577	نرسیده به آب باریک	مرتع	دیم	-
11	5659	231704	3843184	تقاطع جاده اسدآباد به خسروآباد و سیف آباد نصرت آباد	آبی	آبی	ü
12	5659	249104	3823260	تقاطع‏ جاده‏ تویسرکان‏ اسدآباد با فرسنج	دیم	دیم	ü
13	5659	259083	3830792	تقاطع کرزان وباباپیرپس ازتویسرکان	مرتع	مرتع	ü
14	5659	229372	3836732	تقاطع‏ جاده ‏خسروآباد(اسدآباد) و چشمه ‏گنداب‏ سه ‏راه	دیم	دیم	ü
15	5559	220016	3845982	تقاطع سه راهی سنقر به اسدآباد	دیم	دیم	ü
16	5760	287793	3880386	تقاطع جاده کوریجان با جاده تهران	مرتع	مرتع	ü
17	5760	313870	3881414	تقاطع جاده بالاتر از روستای     همه کسی به طرف جهان آباد	آبی	آبی	ü

& مخلوط باغ و زراعت

 

پیشنهادات :

به منظور استفاده بهینه از داده‎های ماهواره‎ای و اجرای بهتر طرح‎های مورد نیاز در همین رابطه، شایسته است که موارد زیر مد نظر قرار گیرد:

کیفیت داده‏ها و نیز زمان دریافت آنها با توجه به تقویم زراعی محصولات کشاورزی، در دقت نتایج، فوق‏العاده دارای اهمیت است. بدین منظور تهیه داده‏های مناسب در زمان مناسب لازم و ضروری است.

با توجه به تجربیات و نتایج بدست آمده از طرح مذکور عکس‏های هوایی 40000 : 1 در جمع‏آوری اطلاعات آموزشی، کارایی فوق‏العاده‏ای دارند.

استفاده از اطلاعات جانبی و "Field Data" به همراه داده‏های ماهواره‏ای دقت نتایج را افزایش می‏دهد.

کنترل و بازبینی زمینی [18] نتایج بدست آمده، در افزایش دقت نتایج، فوق العاده موثر است.

---

                                                            

 

[3]