استفاده از اطلاعات ماهواره­ای شیوه مناسبی برای ارزیابی پوشش گیاهی و تغییرات کاربری اراضی و مقایسه آن در زمان‌های مختلف است. با توجه به قابلیت بالای تصاویر ماهواره‌ای نظیر بهنگام بودن، چند طیفی بودن، تکراری بودن، پوشش وسیع و افزایش روزافزون توان فن طیفی و مکانی می‌توان جهت مطالعه و بررسی تخریب زمین (نوع و جهت تغییرات پوشش گیاهی/کاربری اراضی) از آن‌ها استفاده کرد (وحید چیت‌ساز، 1378).

 

 

هدف اصلی از پردازش تصاویر ماهواره­ای، تهیه نقشه­های موضوعی و کارآمد می­باشد، انتخاب روش مناسب طبقه­بندی نقش مهمی در این امر ایفاء می­کند. محققان در راستای توسعه روش­ها و تکنیک­های پیشرفته طبقه­بندی، جهت بهبود دقت طبقه­بندی، تلاش­های وسیع و گسترده­ای را انجام داده­اند که از آن جمله فیضی زاده و همکاران (1386)، با استفاده از تصاویر ماهواره‌ای ETM+ لند ست 7 نقشه‌های کاربری اراضی شهرستان ملکان را استخراج نمودند آن‌ها برای طبقه‌بندی تصاویر ماهواره‌ای از الگوریتم طبقه‌بندی حداکثر احتمال استفاده نمودند.

 

 

از دیگر روش­های طبقه­بندی می­توان به روش­ها شبکه عصبی مصنوعی اشاره کرد (آرخی و همکاران، 1390). این روش به علت اینكه در آن هیچ پیش فرضی در مورد توزیع داده­ها نشده است به­عنوان یك ابزار باارزش جهت طبقه­بندی کاربری­ها به شمار می­آید. به همین علت توسعه مدل­های طبقه­بندی به كمك شبكه­های عصبی در سال­های اخیر موردتوجه محققان قرارگرفته است (ایرماک ،2006؛سابرامایانا،1997). از دیگر روش­های طبقه­بندی می­توان روش طبقه­بندی حداکثر احتمال، حداقل فاصله، اندازه زاویه طیفی و … اشاره کرد.

 

 

در ایران نیز به علت تعامل و تقابل نیازهای همیشگی جوامع انسانی و محیطی با زمین به همراه برنامه ریزی های ناکارآمد شاهد تغییر ات وسیعی در پوشش زمین به ویژه از بین رفتن پوشش گیاهی بوده ایم. این تغییرات پوشش های زمین به ویژه در محیط های شکننده از نظر زیست محیطی و کانون های جمعی شدت دو چندانی دارد. مشکلات موجود در این زمینه ، نیاز به انجام مطالعات و برنامه ریزی های خردمندانه و هماهنگ با حفظ تعامل محیطی و توسعه پایدار را در هر روز نسبت به روز قبل بیشتر می کند.

 

 

جنگلهای زاگرس در غرب کشور ، اکوسیستم های طبیعی با ارزشی هستند که در آنها تنوع بالایی از گونه های گیاهی و جانوری وجود دارد. متاسفانه این اکوسیستم ها به دلایل مختلفی از جمله تبدیل اراضی ، بهره برداری بی رویه ،چرای دام ،آتش سوزی ،برداشت چوب و غیره در معرض خطر تخریب قرار گرفته و روز به روز از تعداد و کیفیت گونه های گیاهی و جانوری آن کاسته می شود . به طوریکه بر اساس منابع موجود امروزه جنگلهای زاگرس و پوشش گیاهی آنها که بسیاری از گونه های آن نایاب هستند در معرض خطر نابودی قرار گرفته است.

 

 

اگر روند تغییرات پوشش زمین سریع و بی برنامه باشد باعث به هم خوردن تعادل زیست محیطی و تبعات جبران ناپذیری بر منابع طبیعی به بار می آورد. در نتیجه اکوسیستم های محیطی با مشکلات عدیده ای مواجه خواهد شد و منابع طبیعی با خطر جدی روبرو می شوند. برای حل این مشکلات برنامه ریزی آگاهانه ضرورت می یابد.

 

 

به طور کلی مطالعه حاضر برای نیل به اهداف زیر می باشد:

 

 

1- بررسی روند تغییرات پوشش کاربری اراضی در جنگلهای ایلام.

 

 

2-  استخراج شاخص های گیاهی برای دوره های مختلف و مقایسه آنها و همچنین مقایسه  تغییرات سطح انها.

 

 

3- استخراج کاربری اراضی با استفاده از روشهای طبقه بندی پیکسل پایه.

 

 

1-3 -سؤالات تحقیق

 

 

گام اول در پژوهش علمی، پرسش یا پرسش‌های اولیه است که فرضیه‌سازی، روش‌شناسی و چارچوب اصلی پژوهش بر مبنای آن استوار

 است و با توجه به موضوع پژوهش، پرسش‌های مطالعه حاضر به شرح زیر هست:

 

 

1- روند تغییرات کاربری اراضی در جنگل‌های ایلام به چه صورت بوده است و بیشترین تغییرات در کدام‌یک از کاربری‌ها رخ‌داده است؟

 

 

2- آیا استفاده از اطلاعات مربوط به روش‌های طبقه‌بندی امکان دستیابی به‌دقت بالاتر را در ارزیابی روند تغییرات کاربری اراضی فراهم می‌آورد؟

 

 

 

 

 

 

 

 

1-4- فرضیات تحقیق

 

 

فرضیه عبارت است از حدس یا گمان اندیشمندانه درباره ماهیت، چگونگی و روابط بین پدیده‌ها، اشیاء و متغیرها که محقق را در تشخیص نزدیک‌ترین و محتمل‌ترین راه برای کشف مجهول کمک می‌کند (حافظ نیا 1389). فرضیه‌سازی برای پژوهش حاضر با توجه به پرسش‌های آغازین و بررسی‌های اولیه و مرور بر ادبیات موضوع صورت گرفته است. این فرضیه‌ها عبارت‌اند از:

 

 

1- روند تغییرات کاربری اراضی در جنگل‌های ایلام محسوس بوده و بیشترین تغییرات در کاربری اراضی جنگل می باشد.

 

 

2- طبقه‌بندی حداکثر احتمال با استفاده از تصاویر ماهواره­ای لندست، برای بررسی روند تغییرات کاربری ارضی مناسب است.

 

 

 

 

 

 

 

 

 

 

 

Terrill

 

 

Bonan

 

 

Defries and Townshend

 

 

Franklin

 

 

Yang

 

 

Chen & Lo

 

 

Lu

 

 

Yilmaz

 

 

Laush & Herzog

 

 

Remote Sensing

 

 

Artificial Neural Network

 

 

Irmak

 

 

Subramaiana

 

 

14Maximum Likelihood

 

 

15Minimum Distance

 

 

16 Spectral Angle Mapper