عنوان

ارزیابی تکنیک¬های پردازش شیء‌گرا و پیکسل پایه دورسنجی در تعیین وضعیت فعلی فرسایش و شدت رسوب دهی حوضه آبخیز لیقوان

Number

پ۲۶۷۲۸

.Language of Text, Soundtrack etc

per

Title Proper

ارزیابی تکنیک¬های پردازش شیء‌گرا و پیکسل پایه دورسنجی در تعیین وضعیت فعلی فرسایش و شدت رسوب دهی حوضه آبخیز لیقوان

First Statement of Responsibility

پناه محمدی

Name of Publisher, Distributor, etc.

کشاورزی

Date of Publication, Distribution, etc.

۱۳۹۹

Specific Material Designation and Extent of Item

۲۶۰ص.

Accompanying Material

سی دی

Dissertation or thesis details and type of degree

دکتری

Discipline of degree

علوم خاک - گرايش فیزیک و حفاظت خاک

Date of degree

۱۳۹۹/۰۶/۳۱

Text of Note

امروزه با توجه به برخی از محدودیت¬ها و ضعف¬های روش‌های کلاسیک پردازش و تحلیل تصاویر ماهواره‎ای (روش پیکسل‌پایه)، روش¬های شیء‌گرا که از محدوده وسیعی از اطلاعات طیفی، متنی، ساختاری و مفهومی از عوارض، در قالب شیء‌های تصویری استفاده می‌کنند، رایج شده است. در این تحقیق روش طبقه‌بندی شیء‌گرا با هدف تعیین وضعیت فعلی فرسایش و شدت رسوب‌دهی مورد استفاده و با روش کلاسیک پیکسل‌پایه مقایسه، و تاثیر الگوریتم‌های سگمنت‌سازی و طبقه‌بندی تصاویر در افزایش دقت و صحت طبقه‌بندی مورد ارزیابی قرار گرفت. بدین منظور بعد از دریافت تصاویر سنتینل-2 (سال 2016) و انجام پیش‌پردازش‌ها و تصحیحات لازم بر روی آنها، اقدام به قطعه‌سازی و استخراج شیءهای تصویری نموده و با پیاده¬سازی الگوریتم‌های آشکارسازی تصاویر، با استفاده از روش¬های شیءگرا و پیکسل‌پایه، ماهیت، شکل و نوع فرسایش آبی (سطحی، شیاری و خندقی) شناسایی و پهنه‌بندی شده و با استفاده از آنها فاکتورهای موثر در مدل MPSIAC در واحدهای هیدرولوژیکی حوضه آبخیز لیقوان امتیاز دهی شده و نهایتاً رسوب‌دهی حوضه تعیین شد. نتایج حاصله نشان داد که الگوریتم¬های پردازش شیءگرای تصاویر دقت قابل قبولی برای شناسایی سطوح فرسایشی دارند. بر اساس ضریب کاپا دقت الگوریتم¬های عدم تقارن، شاخص شکل و تراکم به ترتیب برابر 91/0، 89/0 و 85/0 بوده و بنابراین مناسب طبقه¬بندی و شناسایی فرسایش خندق¬ها می¬باشند. در خصوص شناسایی فرسایش سطحی و شیاری نیز الگوریتم¬های ضریب روشنایی و شیب دقتی معادل 64/0 تا 89/0 داشتند. این در حالیست که دقت کلی طبقه-بندی پیکسل¬پایه تصاویر بین حداقل 53/0 (الگوریتم نظارت¬شده حداقل فاصله از میانگین) و حداکثر 67/0 (الگوریتم نظارت¬شده فاصله ماهالانویی) متغیر بوده و بر اساس الگوریتم نظارت نشده نیز دقت کلی روش پیکسل¬پایه بر اساس ضریب کاپا برابر 26/0 به¬دست آمد. همچنین کاربرد روش¬های مذکور در تعیین امتیازات عوامل مدل MPSIAC در مقایسه با روش معمول امتیازدهی نیز مورد مقایسه و ارزیابی قرار گرفت که نتایج حاصله نشان داد استفاده از روش پردازش شیءگرا در مقایسه با روش¬های پیکسل¬پایه و معمول برای برآورد رسوب با مدل MPSIAC دقیق¬تر است. روش¬های پیکسل¬پایه و معمول به¬ترتیب 78/18 و 73/15 درصد بیش¬برآوردی داشته درحالی¬که در روش شیءگرا رسوب ویژه برآوردی 48/12 درصد نسبت به رسوب اندازه¬گیری شده در ایستگاه هیدرومتری بیش¬برآوردی داشته است. همچنین در خصوص فرسایش برآوردی با سه روش مذکور نیز، روش شیءگرا نسبت دو روش دیگر به¬کار رفته در این تحقیق از بیش¬برآوردی کمتری برخوردار بوده (5/13 درصد) و این موضوع برتری این روش در برآورد صحیح¬تر و دقیق¬تر فرسایش را نسبت به روش¬های معمول و پیکسل¬پایه تائید می¬کند، چرا که یکی از مهمترین ویژگی¬های روش شیءگرا نسبت به دو روش دیگر، استخراج اطلاعات تصاویر ماهواره¬ای بر اساس ویژگی¬های طیفی، شکلی و زمینه¬ای است. بنابراین استفاده از روش¬های شیءگرا به¬دلیل افزایش دقت و صحت طبقه¬بندی و شناسایی دقیق¬تر وضعیت فعلی فرسایش و تاثیر مثبت آن روی افزایش صحت امتیازدهی عوامل مدل MPSIAC، می-تواند به¬عنوان راه¬گشای مناسب در تحقیقات آتی خاکشناسی و مطالعات فرسایش و رسوب حوضه¬های آبخیز مورد¬استفاده قرار گیرد.

Text of Note

Abstract:Today, given some of the limitations and weaknesses of classical (pixel-based) methods of satellite image processing and analysis, object-oriented methods have become common that emerged from a wide range of spectral, contextual, structural, and conceptual information in the form of visual objects.In this research, the object-oriented classification method was used to determine the current state of erosion and sedimentation intensity and compared with the classical pixel-based method, and the impact of segmentation and image classification algorithms on increasing classification accuracy was evaluated. For this purpose, after obtaining the images (Sentinel-2 (2016)) and making the necessary preparations and corrections on them, proceeds to segment and extract image objects and by applying image detection algorithms, using object-oriented and pixel-based methods, Identified and zoned The nature, shape and type of water erosion (surface, groove and gully),and using them, the effective factors in the MPSIAC model are estimated at hydrological units in Lighvan Watershed, and finely Sedimentation of the Watershed was determined.The results showed that object-oriented image processing algorithms have acceptable accuracy for identifying erodible surfaces. Based on kappa coefficient, the accuracy of asymmetry, shape and density algorithms were 0.91, 0.89 and 0.85, respectively. And thus they are suitable for classification and identification of gully erosion. Accuracy of brightness and slope coefficient algorithms were 0.64 to 0.89 for detecting surface and rill erosion. However, the pixel-base classification accuracy varied between the minimum of 0.53 (Minimum distance from the average algorithm) and the maximum of 0.67 (Mahalanubis distance algorithm). And based on the unsupervised algorithm, the accuracy of the pixel-base method based on the kappa coefficient was 0.26.Also, the application of these methods in determining MPSIAC model factors was compared with the usual scoring method. And the results showed that the use of object-oriented processing method is more accurate than pixel-base and usual scoring method for estimation of sediment with MPSIAC model. Whereas, pixel-based and usual methods were 18.76% and 15.73% overestimated, respectively. While the object-oriented method was 12.48% overestimate. Also, in terms of estimating erosion with the three methods mentioned, the object-oriented method has a lower overestimate than the other two methods used in this study (13.5%). This confirms the superiority of this method in estimating of erosion more accurate and Correct than usual and pixel-based methods. Because one of the main and important features of the object-oriented method in two other ways is the extraction of satellite image information based on spectral, shape and texture properties. Therefore, using object-oriented methods to increase classification accuracy, and more accurately identify the current state of erosion, and its positive impact on enhancing MPSIAC model scoring accuracy, it can be used as a suitable pattern for future soil studies and studies of erosion and sedimentation of watersheds.

Variant Title

Evaluating the object oriented and pixel based processing remote sensing techniques to determine the sediment yield and status of soil erosion in Lighvan watershed

Entry Element

محمدی،

Part of Name Other than Entry Element

پناه

Relator Code

تهيه کننده

Entry Element

احمدی،

Entry Element

فیضی‌زاده،

Entry Element

‏جعفرزاده،

Entry Element

رحمتی،

Part of Name Other than Entry Element

عباس

Part of Name Other than Entry Element

بختیار

Part of Name Other than Entry Element

علی‌اصغر

Part of Name Other than Entry Element

مهدی

Dates

استاد راهنما

Dates

استاد راهنما

Dates

استاد مشاور

Dates

استاد مشاور

Entry Element

تبریز