شیوه های مختلفی برای تفکیک پدیده های موضوعی در تصاویر ماهواره ای وجود دارند. روش های متداول طبقه بندی، مبتنی بر پیکسل است. تصاویر ماهواره ای را به روش های شی - پایه نیز می توان طبقه بندی کرد. در این روش ها مجموعه ای پیکسل ها که پدیده را می سازند، مد نظر قرار می گیرند. به منظور مقایسه قابلیت روش های طبقه بندی پیکسل - پایه و شی - پایه در تفکیک تیپ های جنگل، تحقیق حاضر در جنگل آموزشی و پژوهشی خیرودکنار نوشهر بر روی داده های سنجنده + ETM انجام گرفت. تصاویر ابتدا مورد تصحیحات دقیق هندسی قرار گرفتند. سپس فنون مختلف بارزسازی مانند PCA، تسلدکپ و نسبت گیری بر روی آنها انجام شد. در روش پیکسل پایه از خوارزمی حداکثر احتمال استفاده شده و طبقه های راش خالص، راش آمیخته، ممرز خالص، ممرز آمیخته، توسکای آمیخته، تیپ آمیخته و مناطق جنگلکاری تفکیک شدند. در روش شی - پایه تصاویر در چند سطح قطعه بندی شدند. این قطعات اولیه با استفاده از فنون نزدیک ترین همسایه، توابع عضویت و تلفیقی از این دو فن مورد طبقه بندی قرار گرفتند. در فن نزدیک ترین همسایه، قطعات از طریق انتخاب پدیده های تعلیمی برای هر تیپ طبقه بندی شدند. در فن توابع عضویت، قطعات اولیه با استفاده از خصوصیات طیفی، شکلی، بافت و روابط بین پدیده ها در یک سلسله مراتب از طبقات، طبقه بندی شدند. در روش تلفیقی، طبقه بندی قطعات در چند مرحله و با استفاده از فنون نزدیک ترین همسایه و توابع عضویت صورت گرفت. به منظور برآورد میزان صحت و درستی نقشه های حاصل از طبقه بندی تصاویر به روش های مختلف، نقشه واقعیت زمینی تیپ های جنگل به صورت نمونه ای (193 قطعه نمونه) و به روش میدانی تهیه شد. نتایج بررسی صحت نشان می دهد که روش طبقه بندی شی - پایه در مقایسه با روش طبقه بندی پیکسل - پایه توانسته است موجب بهبود صحت کلی از 44 درصد به حدود 61 درصد و ضریب کاپا از حدود 0.255 به حدود 0.445 شود. در بین فنون شی - پایه، فن تلفیقی بهتر از فنون نزدیک ترین همسایه و توابع عضویت توانسته است قطعات اولیه حاصل از قطعه بندی را طبقه بندی کند.

طبقه بندی پیکسل های مخلوط یکی از مشکلات مهم در تجزیه و تحلیل اطلاعات سنجش از دور است، که بدلیل کوچکتر بودن ابعاد پیکسل های خالص از دقت مکانی سنجنده ها با توجه به محدودیت های فن آوری یا هزینه ها ایجاد می شود. الگوریتم های مختلفی برای تفکیک پیکسل های خالص در یک پیکسل مخلوط با معیار حداکثر صحت پیشنهاد شده است. در این بررسی ها مسائل زیرپیکسل ها در تصاویر بدو دسته تقسیم شده است: 1) تعیین درصد کلاس های خالص تشکیل دهنده یک پیکسل 2) تعیین محل آنها. در این مقاله پس از بررسی الگوریتم های متداول در این زمینه و مشکلات پیشرو، الگوریتم جدیدی برای افزایش دقت مکانی تصاویر پیشنهاد خواهد شد، که سعی در برطرف کردن نقاط ضعف الگوریتم های موجود دارد. در این الگوریتم یک جدول جستجوی مناسب با ادغام پیکسل های اطلاعات ورودی ایجاد می شود. با تعریف یک معیار مناسب برای شباهت پیکسل ها، برای هر پیکسل ورودی یک پیکسل مشابه در جدول جستجو پیدا می کنیم و نشان خواهیم داد این پیکسل های مشابه از ساختار زیرپیکسلی یکسانی تشکیل شده اند. در این جستجو، از اطلاعات دامنه پیکسل ها برای محاسبه نسبت زیرپیکسل ها و از اطلاعات بافت پیکسل های مجاور برای مکانیابی زیرپیکسله ای درون یک پیکسل مخلوط استفاده می شود. در انتها الگوریتم پیشنهادی بر روی داده های واقعی جهت افزایش دقت مکانی و طبقه بندی اطلاعات پیاده سازی شده و نتایج با طبقه بندی سخت مقایسه و ارائه شده است. نتایج شبیه سازیها حداقل 15% بهبود ضرایب طبقه بندی در بازسازی پیکسل های مخلوط نسبت به طبقه بندی سخت را نشان می دهند.

1کاربری اراضی منعکس کننده ویژگی های تعاملی بین انسان و محیط زیست و توصیف نحوه بهره برداری انسان برای یک یا چند هدف بر روی زمین است. کاربری اراضی، معمولا بر اساس استفاده انسان از زمین، با تأکید بر نقش کاربردی زمین در فعالیت های اقتصادی تعریف می شود. تحقیق حاضر به منظور بررسی روند تغییرات کاربری اراضی حاشیه رودخانه گاماسیاب طی یک دوره 30 ساله با استفاده از سنجنده های TM و OLI انجام شد. نتایج نشان داد که روش شی گرا نسبت به الگوریتم های پیکسل پایه از صحت و دقت بهتری برای تهیه نقشه های کاربری برخوردار هستند. مقدار افزایش صحت د ر روش مبتنی بر طبقه بند ی شی گرا تا حد زیاد ی به انتخاب پارامترهای مناسب برای طبقه بند ی، تعریف قوانین و به کارگیری الگوریتم مناسب جهت به د ست آورد ن د رجه عضویت بستگی د ارد. به طوری که ضریب کاپا برای هر دو تصویر مورد استفاده تقریبا مقدار 90/0 را نشان می دهد. بنابراین این نقشه ها مبنای آشکارسازی تغییرات قرار گرفتند. با توجه به نتایج بدست آمده اراضی کشاورزی و مسکونی با افزایش و این افزایش با کاهش مراتع همراه بوده است. نگاهی کلی به این دوره 30 ساله نشان می دهد که زراعت آبی و دیم به ترتیب افزایشی 79/2418 و 61/719 هکتاری و مراتع نیز کاهشی 86/2848 هکتاری داشته اند. این در حالی است که کلاس مسکونی و عوارض انسان ساخت افزایشی 85/428 هکتاری یا رشدی 87/178 درصدی را نشان می دهند، که این امر بیانگر اهمیت کشاورزی در منطقه مورد مطالعه است.

تصاویر هوایی رقومی جنگل های شمال که با دوربین هوایی پیشرفته UltraCamD گرفته شده اند، منبع بسیار با ارزشی برای تولید اطلاعات مفید جنگل هستند. ویژگی های خاص این تصاویر، ضرورت تعیین روش بهینه طبقه بندی آنها را مطرح می سازد. در این تحقیق داده های ادغام شده این سنجنده در چهار باند طیفی 16 بیتی و با اندازه تفکیک مکانی 7 سانتی متر مربوط به سال 1387 از یک منطقه جنگلکاری در چمستان نور، با هدف تشخیص گونه های درختی، تجزیه و تحلیل شدند. در تصحیح هندسی دقیق تصاویر، علاوه بر داده های GPS و IMU همراه تصویر، از نقاط کنترل زمینی اخذ شده با DGPS نیز استفاده شد. بارزسازی های مناسب انجام گرفت و باندهای حاصل به همراه باندهای اصلی به کار گرفته شدند. نمونه های تعلیمی یکسان در هر دو روش طبقه بندی استفاده شدند. نقشه واقعیت زمینی برای ارزیابی نتایج طبقه بندی ها، به روش میدانی تهیه شد. در روش پیکسل- پایه، طبقه بندی نظارت شده به روش حداکثر تشابه انجام گرفت. در روش شی- پایه، ابتدا قطعه بندی تصویر با ترکیب های باندی و ضرایب مناسب شاخص های رنگ، شکل، فشردگی، همواری و مقیاس به اجرا درآمد و در ادامه، طبقه بندی به روش نزدیک ترین همسایه و بر مبنای منطق فازی در سطوح طبقات والد و وارث اجرا و بهترین حالت طبقه بندی با استفاده از معیارهای پایداری طبقه بندی، تفکیک پذیری طبقات و ارزیابی صحت تعیین شد. ارزیابی صحت نقشه های حاصل از دو روش در مقایسه با داده های مبنا، نشان دهنده برتری معنی دار از نظر صحت کلی و ضریب کاپای طبقه بندی شی- پایه است. ضمن اینکه نقشه های حاصل از آن، حالت نامناسب فلفل نمکی موجود در نقشه های پیکسل- پایه را ندارد. به علاوه روش شی- پایه با بهره گیری از اطلاعات مکانی موجود در تصویر، در کنار اطلاعات طیفی آن، در تفکیک گونه هایی که تشابه طیفی زیادی با هم داشتند، بسیار موفق عمل کرد. صحت طبقه بندی شی- پایه بر روی داده های با توان تفکیک مکانی زیاد، وابسته به نوع طبقات و ماهیت تفکیک پذیری آنها، کیفیت قطعه بندی، اندازه نمونه ها، کیفیت نمونه برداری، چارچوب و قالب طبقه بندی و توزیع مکانی و درجه آمیختگی جنگل است.

نقشه های قابل اعتماد از تیپ جنگل ها نقش مهمی در اتخاذ تصمیمات بهینه برای مدیریت اکوسیستم های جنگلی در نواحی وسیع ایفا می کنند. در سال های اخیر تهیه این نقشه ها از طریق طبقه بندی رقومی داده های سنجش از دور به عنوان جایگزینی مناسب مورد توجه قرار گرفته است. نتایج حاصله در این زمینه برحسب روش های طبقه بندی مورد استفاده، وضعیت پوشش جنگلی، شرایط منطقه مورد مطالعه و داده های بکار گرفته شده متفاوت بوده است. هدف از این تحقیق، مقایسه روش های طبقه بندی پیکسل پایه و شی پایه و درخت تصمیم برای تهیه نقشه تیپ های جنگل با استفاده از تصویر ماهواره ای SPOT5 در محدوده ای از جنگل آستارا واقع در شمال ایران است. اطلاعات زمینی با استفاده از 153 پلات به صورت تصادفی در مساحت های یک هکتاری تهیه گردید. نوع تیپ در هر پلات بر اساس درصد فراوانی کل نوع گونه ها تعیین شد و شامل تیپ های انجیلی آمیخته، پهن برگ مخلوط، ممرز آمیخته، راش آمیخته و حفاظتی بود. برای تهیه نقشه این تیپ ها، در روش پیکسل پایه با استفاده از داده های طیفی و طبقه بندی کننده شبکه عصبی، صحت کلی 52.04 درصد و ضریب کاپای 0.39 حاصل شد و در روش طبقه بندی شی پایه با روش نزدیکترین همسایه و توابع فازی، صحت کلی 63.3 درصد و ضریب کاپای 0.54 بدست آمد. به دلیل تشابه طیفی تیپ های آمیخته جنگل و تفکیک پذیری پائین آنها از یکدیگر در محدوده باندهای طیفی از اطلاعات بافت و داده های توپوگرافی موثر در پراکنش مکانی تیپ ها شامل ارتفاع، جهت، شیب و فاصله از شبکه آبراهه برای کلاسه بندی تیپ های آمیخته جنگل استفاده گردید. بکارگیری داده های کمکی در روش های طبقه بندی پیکسل پایه و شی پایه حاکی از مفید بودن مدل رقومی ارتفاع در مقایسه با سایر داده های کمکی در تفکیک تیپ ها داشت. استفاده از داده های مربوط به فاکتورهای محیطی بعنوان متغیرهای کمکی در کنار داده های طیفی در روش درخت تصمیم به صحت کلی 76.5 درصد و ضریب کاپای 0.7 در تفکیک تیپ های آمیخته جنگل منجرشد که نشان دهنده افزایش قابل ملاحظه صحت می باشد. مقایسه نتایج حاصل از روش های طبقه بندی بکار گرفته شده در این تحقیق بیانگر پتانسیل بالای روش شی پایه در بکارگیری داده های طیفی برای کلاسه بندی تیپ های آمیخته جنگل در مقایسه با روش طبقه بندی پیکسل پایه بود. همچنین تیپ های آمیخته جنگل با استفاده از داده های کمکی در کنار داده های طیفی با روش درخت تصمیم بهتر از روش های پیکسل پایه و شی پایه در محدوده مطالعه تفکیک شد.

امروزه در علم سنجش از دور به دلیل وجود سنجنده های با توان تفکیک فضایی و طیفی بالا و به کارگیری انواع شاخص های گیاهی، امکان شناسایی و تفکیک دقیق ساختار پدیده های طبیعی با استفاده از داده های ماهواره ای فراهم شده است. بر این اساس کسب اطلاعات از ساختار جنگل ها با استفاده از داده های ماهواره ای در راستای مدیریت منابع تجدید پذیر مورد توجه قرار گرفته است. در این تحقیق با بهره گیری از داده های ماهواره GeoEye-1 و الگوریتم های طبقه بندی مختلف در روش های پیکسل پایه، شی پایه و مدل پایه نسبت به تهیه نقشه های مراحل تحولی جنگل های طبیعی منطقه تنکابن در شمال ایران اقدام شد. صحت نقشه های خروجی با پارامترهای صحت کلی و ضریب کاپا ارزیابی گردید. نتایج نشان داد که حداکثر دقت (78 درصد) در روش شی پایه متکی به قطعه بندی ناظر به شاخص NDVI و الگوریتم حداکثر احتمال برآورد شد. همچنین الگوریتم های تابع الگوهای ساختاری در توزیع پیکسل ها، دقت بالاتری را ارایه دادند. به طور کلی نتایج این تحقیق پتانسیل قابل توجه داده های GeoEye-1 در تهیه نقشه های مراحل تحولی جنگل را نشان داده که می تواند در اقدامات مدیریتی مورد استفاده قرار گیرد.

از جمله شروط مهم برای بهره برداری بهینه از زمین، دستیابی به اطلاعاتی در ارتباط با الگوهای کاربری اراضی و تغییرات آن در طول زمان می باشد. کاربری اراضی، معمولا بر اساس استفاده انسان از زمین، با تأکید بر نقش کاربردی زمین در فعالیت های اقتصادی تعریف می شود .امروزه فناوری سنجش از دور به عنوان عنصر اصلی در پایش کاربری اراضی به شمار می رود. هدف از پژوهش حاضر استخراج نقشه های کاربری اراضی سال های 2000 و 2021 در منطقه فیروز آباد خلخال و بررسی تغییرات ایجاد شده در بازه ی زمانی مورد مطالعه در منطقه با استفاده از تصاویر سنجنده های ETM و OLIماهواره ی لندست می باشد. همچنین بررسی قابلیت روش های پیکسل پایه و شی گرا جهت طبقه بندی کاربری اراضی هدف دیگر این مطالعه است. در پژوهش حاضر برای طبقه بندی کاربری اراضی از الگوریتم نزدیکترین همسایه تکنیک شیءگرا و روش ماشین بردار پشتیبان الگوریتم پیکسل پایه استفاده شده است. سپس برای صحت سنجی این دو روش، صحت کلی و ضریب کاپا استخراج شد نتایج این ارزیابی نشان دهنده ی دقت بالای روش شی گرا در استخراج طبقات کاربری اراضی می باشد. براساس نتایج حاصله از آشکارسازی تغییرات کاربری اراضی در دوره زمانی مورد مطالعه، بیشترین میزان تغییرات اتفاق افتاده مربوط به کاربری مرتع خوب به مرتع ضعیف با مقدار 72/51 کیلومتر مربع و بعد آن جنگل به مرتع خوب با مقدار 11/30 است و کمترین تغییرات مربوط به کاربری مرتع به آب با مقدار 03/0 کیلومتر مربع می باشد. دلایل این تغییرات افزایش جمعیت، چرای بی رویه دام، استفاده نادرست و غیرقاونی از اراضی مختلف می ‍ باشد. استفاده از پارامترهایی بیشتری نظیر مقیاس، شکل، فشردگی، رنگ، بافت، معیار نرمی و الگو، برای طبقه بندی کاربری اراضی در تکنیک شیءگرا می توان به عنوان نوآوری مطالعه ی حاضر مد نظر قرار داد.

یکی از روش های تهیه نقشه تیپ های گیاهی، استفاده از تکنیک های مختلف طبقه بندی تصاویر ماهواره ای است. هدف مطالعه حاضر، مقایسه دقت روش های طبقه بندی پیکسل پایه و طبقه بندی شیءگرا در تهیه و تفکیک نقشه پوشش گیاهی در مرتع مرجن شهرستان بروجن است. در این مطالعه علاوه بر تصاویر ماهواره لندست 8 مربوط به سال 2017، از تصاویر گوگل ارث نیز به عنوان داده های مرجع (با استفاده از تفسیر چشمی) جهت طبقه بندی اولیه 6 تیپ گیاهی موجود در منطقه (شامل Astragalus verus، Bromus tomentellus، Scariola orientalis، Astragalus verus-Bromus tomentellus، Astragalus verus-Stipa hohenikeriana، Bromus tomentellus-Stipa hohenikeriana) و یک تیپ کاربری اراضی کشاورزی استفاده شد. سپس تصاویر لندست با استفاده از تکنیک طبقه بندی شی ءگرا و پیکسل پایه (بیشترین شباهت) در نرم افزار TerrSet طبقه بندی شدند. برای پردازش طبقه بندی تصاویر ماهواره ای به روش شیءگرا، تصویر با اندازه کرنل (پهنای پنجره) 3 و تحمل تشابه (دامنه شباهت) 10 و با مقیاس و فشردگی 5/0 استفاده شد. سپس مهم ترین روش های ارزیابی صحت شامل ماتریس خطا، دقت کل و ضریب کاپای طبقه بندی استخراج شدند. با مقایسه نتایج به دست آمده و مقایسات آماری تی-جفتی دو روش می توان نتیجه گرفت که روش شی ءگرا با ضریب کاپای 63/0 و دقت کل 80/0 نسبت به روش نظارت شده (بیشترین شباهت) با ضریب کاپای 59/0 و دقت کل 77/0 از دقت بالاتری برخوردار است و برای طبقه بندی پوشش گیاهی روش مناسب تری می باشد.