این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
مرتع، جلد ۱۶، شماره ۲، صفحات ۳۵۶-۳۷۰
عنوان فارسی توسعه دستورالعمل تفسیر چشمی تصاویر گوگل ارث به‌منظور تعیین واحدهای اکولوژیک گیاهی مراتع نیمه استپی
چکیده فارسی مقاله سابقه و هدف: تصاویر گوگل ارث با توجه به قدرت مکانی بالایشان، منبع ارزشمندی برای شناخت و مطالعه اکولوژیکی عرصه­های طبیعی هستند. این تصاویر سالیان متمادی است در اختیار همگان قرار گرفته اما در کشور ما بهره کافی از این دادهای ارزشمند به­ویژه در راستای مطالعه پوشش گیاهی و مدیریت بهینه عرصه‌های طبیعی نشده است. لذا نیاز به استاندارد سازی استفاده از این تصاویر جهت مطالعات واحدهای اکولوژیکی گیاهی به­عنوان مبنایی برای مدیریت منابع طبیعی ضروری به­نظر می­رسد. بنابراین در این مطالعه، دستورالعملی برای تفسیر چشمی تصاویر گوگل ارث جهت استخراج واحدهای اکولوژیک گیاهی با استفاده از شش شاخص کلیدی شکل، بافت، رنگ، تن، الگو و سایه توسعه یافته است. مواد و روش­ها: در این مطالعه، از داده­های تصاویر سامانه گوگل ارث مربوط به سال 1397 استفاده شد. بدین منظور ابتدا با استفاده از نرم‌افزار Offline Map Maker تصاویر مربوط به منطقه مورد مطالعه از گوگل ارث با حداکثر بزرگنمایی مورد نیاز (بزرگنمایی-20) مورد استفاده قرار گرفت. برای تهیه دستورالعمل تفکیک واحدهای اکولوژیک گیاهی از شش شاخص کلیدی تفسیر چشمی تصاویر استفاده شد. به­‌منظور داشتن تکرار کافی در تعریف و به­کارگیری این شاخص­ها از نظر سه کارشناس بهره گرفته شد. این سه کارشناس با در اختیار داشتن تصاویر گوگل ارث منطقه مورد مطالعه و بر اساس این دستورالعمل اقدام به تفسیر چشمی و تفکیک واحدهای اکولوژیک گیاهی در نرم­افزار GIS10.5 Arc کردند در نهایت سه نقشه رقومی تهیه شد. به­‌منظور ارزیابی ثبات دستورالعمل توسعه یافته، نقشه کنترل زمینی نیز با بازدید میدانی و برداشت تعداد 200 نقطه مشاهده از واحدهای مذکور تهیه شد. بعد از تهیه نقشه واحدهای اکولوژیک گیاهی توسط هر یک از کارشناسان، جهت تجزیه‌وتحلیل دقت و اعتبارسنجی نقشه­ها از آنالیز ماتریس خطا استفاده شد. به­طوری که با استفاده از نقشه واقعیت زمینی حاصل از نقاط کنترل زمینی برای هرکدام از نقشه­ها به صورت جداگانه میزان دقت تولید کننده، دقت کاربر، ضریب توافق کاپا و دقت کل محاسبه شد. نتایج: با توجه به شاخص­های کلیدی تفسیر چشمی تصاویر تعریف شده در این دستورالعمل نقشه­های جداگانه­ای از واحد­های اکولوژیکی گیاهی توسط هر یک از کارشناسان تهیه شد. نتایج آنالیز ماتریس خطا نشان می­دهد که دقت تولید کننده برای واحدهای مورد مطالعه بین 69 تا 96 درصد متفاوت بوده است اما در بیشتر موارد دارای دقت تولید کننده بیش از 80 درصد داشته­اند. هم­چنین اکثر واحدهای اکولوژیک گیاهی با یک گونه غالب دقت تولید کننده بالاتری را در مقایسه با واحدهایی با غالبیت دو گونه داشته است. در مورد دقت کاربر نیز میزان دقت بین63 تا 96 درصد متغیر است. واحدهای اکولوژیک دوم و سوم دارای دقت کاربر 96 درصدی بودند. شاخص توافق کاپا نیز گویای توافق از 68 درصدی تا 95 درصدی بین نقشه واقعیت زمینی واحدهای اکولوژیک با نقشه­های حاصل از طبقه­بندی (تفسیر چشمی) کارشناسان بوده است. در حالی که واحد اکولوژیک گیاهی هفتم توافق 68 درصدی را نشان داده است ولی واحدهای اول و چهارم توافقی 95 درصدی را با نقشه واقعیت زمینی نشان داده­اند. برای واحدهای اکولوژیک گیاهی با دو گونه غالب علاوه بر میزان دقت تولید کننده، میزان دقت کاربر و ضریب توافق کاپا نیز کاهش یافته است. میزان دقت کلی نقشه­های تولید شده توسط سه کارشناس به­ترتیب شامل 93، 80 و 90 درصد است که از میزان صحت کلی خوبی برخوردار هستند که نشان دهنده میزان دقت و توان تفکیک مکانی بسیار بالای تصاویر گوگل ارث می­باشد. نتیجه­‌گیری: نتایج نشان داد که در تفسیر چشمی تصاویر گوگل ارث با استفاده از دستورالعمل توسعه یافته، بین کارشناسان توافق معنی­داری وجود دارد. بنابراین، تفکیک واحدهای اکولوژیک گیاهی و تهیه نقشه با دقت نسبتاً بالایی امکان­پذیر می­باشد. با توسعه چنین دستورالعملی، با استفاده از عناصر کلیدی معرفی شده، کارشناسان مبتدی و کم‌تجربه می­توانند نقشه­های با دقت قابل قبولی را برای مدیریت و ساماندهی بهتر اکوسیستم­های مختلف تهیه کنند. اما با توجه به یافته­های این تحقیق توصیه می­شود این امر برای واحدهایی که از لحاظ ساختاری تفاوت های متمایزی دارند بیشتر استفاده شود تا نقشه های قابل قبول­تری را ارائه دهند. همچنین نتایج این تحقیق نشان داد که بیشترین اختلاف نظر بین کارشناسان برای واحدهایی با دو گونه گیاهی بوده است. لذا توصیه می­شود مناطقی که ترکیب پوشش گیاهی در آن بیشتر با غالبیت تک گونه­های گیاهی ظهور می­یابد استفاده از این دستورالعمل می­تواند منجر به دقت قابل قبول تر تفسیر چشمی تصاویر گوگل ارث شود.
کلیدواژه‌های فارسی مقاله شاخص‌های کلیدی تفسیر چشمی تصاویر، مرتع، نقشه پوشش اراضی، دقت کلی
عنوان انگلیسی Development of a Google Earth Image's Visual Interpretation Protocol to Determine Plant Ecological Units of the Semi-Steppe Regions
چکیده انگلیسی مقاله Extended Abstract Background and objectives: Google Earth images are a valuable resource for understanding and studying the natural area's ecology due to their high spatial resolution. Considering that these images have been available for many years, in our country, these valuable data have not been used enough, especially in order to study vegetation and optimal natural areas management. So, the requirement to standardize the utilization of these images seems necessary to study plant ecological units as a basis for natural resource management. Therefore, in this study, a protocol for google earth images visual interpretation has been developed to extract plant ecological units using six key indicators of shape, texture, color, tone, pattern, and shadow. Methodology: In this study, google earth system images related to 2018 were used. For this purpose, first, using the Offline Map Maker software, images related to the study area from google earth with the required maximum magnification (magnification -20) were used. Six key visual interpretation indicators of images were used to prepare a protocol for the plant ecological unit's separation. In order to have sufficient repetition in defining and applying these indicators, three experts were used. These three experts, having the study area google earth images and based on this protocol, performed plant ecological units visual interpretation and separation in GIS10.5 Arc software. Finally, three digital maps were prepared. In order to evaluate the developed protocol, a ground control map was prepared by field visit and taking 200 observation points of the mentioned units. After preparing the plant ecological units maps by each expert, error matrix analysis was used to accuracy analysis and maps validation. So that using the ground reality map obtained from the ground control points for each map, the amount of producer accuracy, user accuracy, kappa index of agreement, and overall accuracy were calculated separately. Results: According to the key indicators of visual interpretation defined in this protocol, each expert prepared plant ecological unit's maps. The error matrix analysis results show that the producer accuracy varied between 69 to 96%, but in most units, they had a producer accuracy of more than 80%. In addition, most plant ecological units with one dominant species had higher producer accuracy compared to units with two species predominance. Regarding user accuracy, the accuracy varies between 63 and 96%. The second and third ecological units had 96% user accuracy. Kappa index of agreement also represents an agreement between 68 and 95% between the ground reality map and the maps obtained from the classification (visual interpretation) of experts. While the seventh plant ecological unit agrees with 68%, the first and fourth units 95% agree with the ground reality map. For plant ecological units with two dominant species, in addition to producer accuracy, user accuracy and kappa index of agreement have also decreased. The overall accuracy of the maps produced by these three experts includes 93%, 80%, and 90%, respectively, which have a good overall accuracy, which shows the very high accuracy and spatial resolution of google earth images. Conclusion: The results showed that using the developed protocol, there is a significant agreement between experts in the visual interpretation of google earth images. Therefore, plant ecological units can be separated and map prepared with relatively high accuracy. By developing such protocol using key elements introduced, beginner and inexperienced experts can develop maps with acceptable accuracy for better management and different ecosystems organization. However, according to this study's findings, it is recommended that this be used more for units that are structurally different to provide more acceptable accuracy maps. Therefore, it is recommended in areas where the vegetation composition is mostly dominated by individual plant species, and the use of this protocol can lead to a more acceptable accurate visual interpretation of google earth images.
کلیدواژه‌های انگلیسی مقاله Key indicators of visual image interpretation, Rangeland, Land cover map, Overall accuracy.
نویسندگان مقاله معصومه آقابابایی | Masoumeh Aghababaei
Faculty of Natural Resources and Earth Sciences, Shahrekord University, Shahrekord, I.R. Iran.
دانشکده منابع طبیعی و علوم زمین دانشگاه شهرکرد

عطاالله ابراهیمی | Ataollah Ebrahimi
Faculty of Natural Resources and Earth Sciences, Shahrekord University, Shahrekord, I.R. Iran.
دانشکده منابع طبیعی و علوم زمین دانشگاه شهرکرد

علی اصغر نقی پور | Ali Asghar Naghipour
Faculty of Natural Resources and Earth Sciences, Shahrekord University, Shahrekord, I.R. Iran.
دانشکده منابع طبیعی و علوم زمین دانشگاه شهرکرد

اسماعیل اسدی | Esmaeil Asadi
Faculty of Natural Resources and Earth Sciences, Shahrekord University, Shahrekord, I.R. Iran.
دانشکده منابع طبیعی و علوم زمین دانشگاه شهرکرد

نشانی اینترنتی http://rangelandsrm.ir/browse.php?a_code=A-10-1370-1&slc_lang=fa&sid=1
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده تخصصی
نوع مقاله منتشر شده پژوهشی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات