جمعه هفدهم آذر 1385
امکان بکارگیری .....
چکیده
بررسی ها نشان میدهد که در استان بوشهر نسبت به سایر استانها در سازمانها و واحدهای اجرا از تکنیک و علم سنجش از دور و سیستم اطلاعات جغرافیایی استفاده نشده و یا احیاناً توجه اندکی شده که این موضوع یعنی عدم بکارگیری RS وGIS در تهیه نقشه سبب اتلاف وقت، تولید نقشه های در سطوح کم و افزایش هزینه طرح مي گردد و در نتیجه عدم نظارت مستمر بر تحولات پوشش گياهي، درگير بودن کارشناسان و سازمان مربوطه با يك قسمت از پروسه كار در زمان طولاني و در نتيجه بازماندن از ساير بخشهای طرح، ايجاد فاصله زماني بين اطلاعات و عدم تصميم گيري نهايي و برنامه ريزي را در بر دارد. اين روند ميتواند در دراز مدت فاصله جبران ناپذيري را با اطلاعات جديد ايجاد نمايد( به هنگام نبودن اطلاعات) و به طور غيرمستقيم ساير بخشهاي تحقيقاتي و اجرايي را متأثر سازد. در اين منطقه به لحاظ شرايط حساس و شكننده، تحقق هر نوع مديريت و برنامه ريزي در زمينه منابع طبيعي تجديدشونده از جمله پوشش گياهي نياز به اطلاعات دقيق، بهنگام و مستمر دارد. داده هاي ماهوارهاي به لحاظ يكپارچه بودن در يك مقياس وسيع، رقومي بودن، چند طيفي بودن، قدرت تفكيك مكاني(۳۰ متر) و طيفي( ۰تا255)بالا، پردازش آنها با نرم افزارهاي مختلف سنجش از دور و سيستم اطلاعات جغرافيايي، سهل الوصول بودن آنها، روزانه بودن اطلاعات و بسياري مزاياي ديگر ابزار بسيار قدرتمند و كارآمدي در مديريت منابع طبيعي تجديد شونده و تهيه نقشه پديده هاي پويا از جمله پوشش گياهي به شمار ميروند.
بررسی های انجام شده در شرق استان بوشهر در تهیه نقشه استفاده های فعلی از اراضی با پردازش تصاویر ماهواره ای و سیستم اطلاعات جغرافیایی نشان داد که امکان تهیه نقشه های موضوعی با دقت قابل قبول در سطح بسیار وسیع و با هزینه بسیار کم( در مقایسه با تهیه نقشه به روش معمول) در استان بوشهر وجود دارد.
واژه های کلیدی: استان بوشهر، تصاویر ماهواره ای، نقشه های موضوعی، هزینه، زمان، دقت، توسعه
جمعه هفدهم آذر 1385
تعريف چند واژه جنگل
1- جنگلي: عبارت است از بخشي از جنگل كه حداقل انبوهي آن ده درصد بوده و از 25 درخت و نهال پراكنده در هكتار كمتر نداشته باشد.
2- غير جنگلي: عبارت است از بخشي از جنگل كه انبوهي آن از 10% كمتر باشد.
3- نوع جنگل: عموم جنگلهاي شمال بر حسب اكثريت گونههاي موجود به انوع جنگل قبيل جنگل
بلوط و يا راش و مخلوط تقسيم شده است.
4- جنگل مخلوط: جنگل هايی كه از گونههاي مختلف درختان تشكيل يافته باشد.
5- جنگل تجارتي: جنگلهايي كه در دسترس بوده و يا با ساختن راه بتوان با در نظر
گرفتن موازين اقتصاد از آنها بهرهبرداري كرد. جنگلهاي بهرهبرداري شده كه
موجودي فعلي درختان خوب آنها بيش از 20% باشد نيز جزو اين بند منظور
ميشود.
6- دستجات حجم: جنگل شمال كشور بر حسب ميزان چوب موجود در هر هكتار دستهبندي شده
است مثلاً ميزان چوب موجود از صفر تا ۴۹ متر مکعب در يك سته قرار داده
ميشود.
7- جنگلهاي غير تجارتي: به جنگلهايي گفته ميشود كه بهرهبرداري از آنها بعلت شيب بسيار
زياد يا ترس از فرسايش يا براي تفريح و تنرج مردم حفظ و غيرقابل
بهرهبرداري اعلام شده است. جنگلهايي كه در آنها قطع بيرويه صورت
گرفته و از طرف سازمان جنگلباني قرق اعلام شده نيز جزو اين دسته
بشمار ميآيند.
8- درختان الواري: به درختاني گفته ميشود كه قطر برابر سينه آنها از سانتیمتر۳۰بيشتر باشد.
9- حجم كل موجود: شامل حجم كليه درختاني است كه قطر برابر سينه آنها از ۱۳ سانتیمتر بالا
باشد.
10- حجم دوبله: حجمي كه درختان زندهي در جنگل دارا ميباشند.
11- حجم خالص: حجم درختان بدون احتساب پوسيدهگي
12- درجه مرغوبيت چوب: درختان جنگل بر حسب تعداد گرههاي موجود در تنه و سالم بودن چوب
آن بدرجات مختلف مرغوبيت تقسيم ميشوند.
13- درختان نخبه يا درجه 1: به درختان و نهالهايي اطلاق ميشود كه قطر آنها از cm 13 بيشتر و
حداقل در m4 اول بدون ضايعه بوده و علامت مرگ و مير در درخت
ديده نشود.
14- درختان درجه 2: شامل درختاني است كه حداقل 5/2 متر از گوده بين اول آن سالم بوده و به
علل طبيعي از جمله آفت زدهگي يا كهولت قسمتي از تاج آن خشك شده
باشد.
15- درختان درجه 3: شامل درختاني است كه در اثر دخالتهاي بشر در جنگل مانند قطع تاج و غيره
جزو اين دسته قرار گرفته باشد.
16- حجم ناسالم: شامل حجم درختان سالم ولي كج و تاخورده و حجم درختان پوسيده و خشك
شده ميباشد.
17- سرشاخه: قسمتي از تنه درخت است كه در دنبالة محور اصلي درخت واقع شده باشد و قطر
آن از ۲۰ سانتیمتر كمتر باشد حجم شاخههاي جانبي و تاج درخت كه قطر آنها از
۲۰ سانتیمتر كمتر ميباشد نيز جزو سرشاخه محسوب ميشود.
۱۸- درختان سالم ولي كج و تابخورده: درختاني گفته ميشود كه قطر برابر سينة آنها از
۱۳ سانتیمتر بيشتر و تنه آنها تاب خورده و شاخهدار
بوده و نميتوان آنها را جزو درختان الواري بحساب آورد.
19- درختان پوسيده: به درختان زندهاي گفته ميشود كه قطر آنها از ۱۳ سانتیمتر بيشتر بوده و در
حدود 50% يا بيشتر از حجم درخت پوسيده باشد.
20- درختان مرده: به درختاني گفته ميشود كه قطر آنها از۱۳ سانتیمتر كمتر نبوده و در حدود
يكسال از خشك شدن آنها ميگذرد.
21- رويش ساليانه: رويش درخت را در يكسال رويش ساليانه مينامند و ميزان آن با مته سال
سنج اندازهگيري ميشود.
22- برداشت ساليانه: ميزان چوبي است كه هرگاه بطور ساليانه از جنگل برداشت شود به
موجودي جنگل لطمه وارد نشود.
جمعه هفدهم آذر 1385
خلاصه مقاله:
در راستاي شناخت قابليت وكارايي داده هاي ماهواره اي در تفكيك واحدهاي اراضي ساحلي بخشي از ناحيه خليج و عماني، داده هاي رقومي + ETM ماهواره لندست ۷ مربوط به ۱۵ آوريل ۲۰۰۰ مناطق نايبند ، عسلويه در استان بوشهر استفاده شد. در بررسي كيفيت اين داده ها خطاهاي راديومتري و هندسي خاصي وجود نداشت. درتطابق هندسي تصاوير با نقشه هاي توپوگرافي ۱:۲۵۰۰۰ ، ابتدا با تكنيك مرجع زميني Corners قطعات اسكن شده اين نقشه ها مرجع زميني و سپس داده هاي ماهواره اي به كمك اين نقشه ها با تكنيك مرجع زميني Tiepoints مرجع زميني گرديدند و كنترل زميني برخي از اين نقاط تصوير با GPS انجام شد و در نتيجه دقت مطلوب (پيكسل ۳۱/۰=RMSE) بدست آمد.براي بررسي قابليت و كارايي داده ها بر روي آنها پردازش هاي مختلف و متناسب با هدف مطالعه، از جمله تجزيه مولفه هاي اصلي ، نسبت گيري و كشش خطي انجام شد . براي انتخاب بهترين گروه سه باندي از روش محاسبه حد شاخص مطلوبيت (OIF ) براي باندهاي اصلي، شاخص ها و تجزيه مولفه ها استفاده شد. نمونه هاي تعليمي در عمليات ميداني تعيين، و با كمك اطلاعات حاصل از تفسير عكسهاي هوايي بر تعداد نمونه ها افزوده شد و نمونه ها از نظر آماري به حدكافي رسيدند. نمونه ها از نظر ميانگين، انحراف معيار و تداخل كلاس مورد بررسي قرار گرفته، اصلاح و بهبود يافتند و در نهايت با ۴كلاس شامل جنگلهاي حرا ، اراضي ساحلي شور مرطوب، اراضي ساحلي شور خشك و آبهاي خليج فارس درمحدوده مورد مطالعه گروه هاي باندي مناسب به روش نظارت شده با طبقه بندي كننده حداكثراحتمال طبقه بندي شدند بهترين نتيجه طبقه بندي در مقايسه با نقشه واقعيت زميني ۴ كلاسه اي در GIS ، با استفاده از مجموعه باندهاي PCA1 ,IR2 ,IPVI با دقت كلي ٨٩ درصد و ضريب كاپاي ۵/۸۵ درصد بدست آمد. بنابراين دستيابي به صحت كلي ٨٩ درصد بيانگر قابليت و كارايي خوب داده هاي+ETM در تفكيك واحدهاي اراضي نواحي ساحلي است. با دستيابي به چنين نتايجي انتظار مي رود كه بتوان با داده هاي +ETM واحدهاي اراضي ساحلي ناحيه خليج و عماني را تفكيك نمود
كلمات كليدي:
ماهواره لندست ۷، داده هاي سنجنده+ ETM، بوشهر، نواحي خليج وعماني، عسلويه و نايبند ، دريا ، اراضي ساحلي شور مرطوب و خشك ، جنگلهاي حرا، طبقه ب ندي نظارت شده ، طبقه بندي كننده حداكثر احتمال
چهارشنبه پانزدهم آذر 1385
An investigation on the suitability of ETM+ imagery for discrimination of land units of coastal area
Abstract
In order to study the capability of ETM+ imagery for discrimination of land units of coastal areas, apportion of Khalidj-o-Omani district was selected. For these studies ETM+ images of Landsat 7 of April 15, 2000 were used. The radiometric and geometric errors of images were investigated and they were not so significant for this study. The scanned topographic map (scale = 1:50000) were georeferenced using corners georeference technique, and then they were used for georeferencing the images by tiepoints georeference technique. Also the reference points were checked in the field by GPS. Finally the results showed 0.31 pixel accuracy of RMSE.
In this study the aerial photographs of the study area were visually interpreted and checked by field study. Finally a digital map was produced (scale = 1:50000). In the next blush, analyzing of map were performed in the Geographical Information System (GIS) and the final phenomena (classes) were separated to use as the ground truth for assessment of classified color composites. Principal Component Analysis (PCA), rationing, Linear stretch, and density slicing were applied to ETM+ images. During field study, training samples for classifying were recognized. In addition more training samples were introduced based on the data developed from aerial photographs.
The different band combinations were classified by maximum likelihood classification method. Optimum Index Factor (OIF) was used to select the best color composites. The statistical parameters of training samples including: average, standard deviation, and also overlapping of samples were studied. Three final classes were mapped, including: Avicina marina, Halocnemun strobilaceum, and Sea.
Maximum likelihood classification was used in this study. The best color composite was IPVI, IR2, and PC1 with overall accuracy and Kappa coefficient 90% and 88.5% respectively. Final results showed that ETM+ data can be used to discriminate the coastal phenomena located in the Khalidj-o-Omani area.
Key words: Landsat 7, ETM+ Images, Bushehr, Khalidj-o-Omanian region, Asaloyeh, Nayband,Saline Area, Halophyte Plants, Remote Sensing, Maximum likelihood, Mangrove Forests.
چهارشنبه پانزدهم آذر 1385
Discrimination of Coastal Sandy Areas in the West of Bushehr Province by ETM+ Images Of Landsat 7
Discrimination of Coastal Sandy Areas in the West of Bushehr Province by ETM+ Images Of Landsat 7
Abstract
In order to study the usability of landsat 7 data for discrimination of coastal sandy areas in the west of Bushehr province an area were selected which exactly located in land number NH39-10 of sari K55-1 on topographical map (scale = 1:250000) of Genaweh. In the first step, by using of topographical map, aerial photographs, field study, and GPS, the total surface of the sandy area were calculated 1766 hectares and this map was digitized. Geographical error of ETM+ images of April, 2000 were corrected and georeferenced. Different processing including color composites study was applied and the best color composites were visually selected. In the next step the ground truth and color composites were overlaid. Processing of images showed the surface of sandy areas 1500 hectares that in comparison to the ground truth map the overall accuracy was 84.9 %. The accuracy was low because the pixel value of low vegetated areas was similar to coastal sandy areas.
This accuracy for discrimination of coastal sandy areas from other phenomena such as sea is satisfying. In order to get better results for southern coastal areas, more image processing including rationing, OIF calculation to find the best image combinations, Jeffrey's matzos method, Linear stretch, density slicing, unsupervised and supervised classification (different classification methods) such as maximum likelihood is needed.
Key words: Coastal Sandy Iand Discrimination, West Province of Bushehr, Coastal Areas, ETM+data, Landsat 7.

