بررسی میزان صحت نتایج به دست آمده به منظور استفاده از نتایج در موارد مختلف اجرایی و مقایسه با دیگر نتایج به دست آمده از ضروریات انجام یک مطالعه هست. از طرف دیگر با توجه به این موضوع که نتایج مفسرین مختلف از یک منطقه با موضوع و داده یکسان متفاوت هست لزوم بررسی صحت نتایج به دست آمده بسیار مهم خواهد بود.
بهترین روش تعیین صحت نقشه­های حاصل از طبقه ­بندی داده ­های ماهواره­ای، مقایسه آن به‌صورت پیکسل به پیکسل با واقعیت زمینی منطقه هست. بنابراین تهیه نقشه واقعیت زمینی دقیق و کامل از تمامی منطقه بخصوص در کارهای تحقیقاتی بسیار مهم هست ولی از آنجا که تهیه نقشه کامل از منطقه مستلزم صرف وقت و هزینه زیادی هست و همچنین نتایج بررسی­های محققین نشان‌دهنده آن است که با بهره گرفتن از واقعیت زمینی نمونه ­ای با شدت ۲% به روش تصادفی-سیستماتیک و بزرگی قطعات نمونه متناسب با تنوع و یکپارچگی پدیده ­ها در منطقه، صحت نقشه­ها با دقت ۴%± تا ۶%± قابل برآورد هست، می‌توان اقدام به تهیه نقشه واقعیت زمینی نمونه ­ای نمود.

نتیجه حاصل از این مقایسه در جدولی به نام جدول خطا (ماتریس خطا)^[۷۰] نشان داده می­ شود که تعداد ستون­ها و ردیف­های این جدول با هم برابر و معادل تعداد طبقات مورد طبقه ­بندی هست. ردیف­های جدول بیانگر نتایج طبقه ­بندی و ستون­های آن برابر داده ­های واقعیت زمینی هست. در واقع ماتریس خطا میزان تطابق هر کلاس طبقه ­بندی شده را با واقعیت زمینی نشان می­دهد و در آن می‌توان میزان قرار گرفتن اشتباهی یک طبقه را در طبقات دیگر مشاهده کرد. با بهره گرفتن از این جدول معیارهایی جهت بیان صحت طبقه ­بندی به‌صورت کمی به دست می ­آید که می‌توان به موارد زیر اشاره کرد:
۱-۴-۱۵-۱-۱- صحت کلی
صحت کلی برابر با نسبت تعداد پیکسل­های درست طبقه ­بندی شده یک طبقه به کل پیکسل­های درست طبقه ­بندی شده در تمامی طبقات هست. صحت کلی زمانی قابل اعتماد است که صحت هر یک از طبقات نیز حتی­الامکان بالا باشد.
۱-۴-۱۵-۱-۲- ضریب کاپا
این ضریب به­منظور حذف توافق اتفاقی^[۷۱] (مقدار آن از مقادیر فرعی سطر و ستون­های ماتریس خطا به دست می ­آید) از معیار صحت کلی هست. بدین معنی که در هنگام طبقه ­بندی ممکن است برخی از نمونه­های تعلیمی به‌طور اتفاقی با یک طبقه تطابق یابند و نه بر اساس واقعیت موجود در سطح زمین. این عامل باعث بالا رفتن کاذب مقدار صحت کلی می­ شود و در واقع، مقدار صحت کلی به اندازه ضریب کاپا با واقعیت توافق دارد.
رابطه ۱-۱۱:
که در آن‌ها:
k= ضریب کاپا
Po= صحت کلی
PC= توافق اتفاقی
N= تعداد پیکسل­ها
x_it= جمع ردیف
x_ti= جمع ستون
میزان ضریب کاپا بین صفر و یک متغیر است که ضریب کاپای معادل ۱ به معنی توافق صد در صد بین نتایج طبقه ­بندی و واقعیت زمینی هست. بهترین نتایج طبقه ­بندی با مقایسه مقادیر صحت کلی و ضریب کاپا معرفی می­ شود.
فصل دوم
پیشینه تحقیق
۲- سابقه تحقیق
۲-۱- کاربری اراضی
الف) مطالعات انجام شده در کشور
شتایی و عبدی (۱۳۸۶)، به منظور بررسی قابلیت داده‌های سنجنده ETM+ ماهواره لندست ۷ در تفکیک و تهیه نقشه اراضی جنگلی در زاگرس، داده‌های این سنجنده مربوط به ۳۰ آوریل ۲۰۰۱ میلادی از حوزه سرخاب خرم‌آباد استان لرستان مورد تجزیه تحلیل قرار گرفت پس از انجام پردازش‌های مختلف نظیر ایجاد تصاویر رنگی، نسبت گیری، تجزیه مؤلفه‌های اصلی با هدف بارزسازی تصویر بهترین مجموعه باندی برای طبقه‌بندی با بهره گرفتن از شاخص آماری واگرایی تعیین طبقه‌بندی نظارت‌شده با الگوریتم‌های حداکثر احتمال، متوازی‌السطوح، حداقل فاصله انجام شد. نقشه واقعیت زمینی نمونه‌ای به روش سیستماتیک- خوشه‌ای تهیه و نتایج نشان داد که تفکیک و طبقه‌بندی اراضی جنگلی با سایر طبقات کاربری منطقه با صحت بالا صورت گرفت. صحت تولیدکننده ۸۷ درصد مؤید این مطلب است. صحت کلی ۹۱ درصد و ضریب کاپای ۵۶/۸۷ طبقه‌بندی کننده حداکثر احتمال نشان‌دهنده نتایج بهتر این طبقه‌بندی نسبت به دیگر طبقه‌بندی کننده است. نتایج نشان داد که تصاویر ماهواره‌ای لندست ۷ قابلیت تهیه نقشه کاربری اراضی عمده در مناطق کوهستانی را دارا می‌باشد.
کلارستاقی و همکاران (۱۳۸۷)، به تعیین تغییر کاربری اراضی بین سال‏های ۱۹۶۷ تا ۲۰۰۲ در منطقه فریم صحرا پرداختند و با بهره گرفتن از تصاویر ماهواره‏ای Land Sat 7 ETM⁺ (۲۰۰۲)، عکس‏های هوایی و نقشه‌های توپوگرافی دیجیتال (۱۹۹۷ و ۱۹۹۴) و بررسی تأثیر بعضی از فاکتورهای فیزیکی و اقتصادی- اجتماعی روی دینامیک کاربری اراضی نشان دادند که با افزایش فاصله از جاده‏ها، مناطق مسکونی و روستاها میزان جنگل‏زدایی و تبدیل جنگل به اراضی زراعی کاهش یافت، اما تبدیل اراضی زراعی به زمین‏های رها شده افزایش یافته، همچنین بیشترین مقدار جنگل‏زدایی در شیب‏های کمتر مشاهده شده اما تبدیل اراضی دیم به اراضی رها شده در شیب‏های بالاتر مشاهده شد.
میرکتولی و همکاران (۱۳۹۰)، با بهره گرفتن از تصاویر LISS III، سال ۲۰۰۷ ماهواره IRS-1D و TM سال ۱۹۹۱ ماهواره لندست منطقه به آشکار­سازی تغییرات پوششی و کاربری اراضی شهر گرگان پرداختند و به این نتیجه رسیدند که مناطق جنوبی شهر گرگان، از نظر میزان تغییر کاربری در رده­ی اول بوده و در رده­های بعدی، بیشترین تغییرات مربوط به زمین­های هموار و دشت شهر گرگان در شمال و شمال شرق است و به کارگیری امور حفاظتی برای کنترل تبدیل اراضی مرغوب کشاورزی و چشم اندازهای زیبای جنگلی به شهر در این مناطق، اهمیت بیشتری دارد.
غلامعلی‏فرد و همکاران (۱۳۹۰)، به مدل‏سازی تغییرات کاربری اراضی مناطق ساحلی استان مازندران با بهره گرفتن از LCM پرداختند و تغییرات کاربری اراضی را با بهره گرفتن از تصاویر ماهواره Landsat متعلق به سال­های ۱۳۶۷،۱۳۷۹، ۱۳۸۵ و ۱۳۹۰ آشکار­سازی نمودند؛ و مدل­سازی نیروی انتقال با بهره گرفتن از پرسپترون چند لایه شبکه عصبی مصنوعی انجام دادند؛ و به این نتیجه رسیدند که ۳۳۴۸۷ هکتار از وسعت جنگل کاسته و به ترتیب ۲۱۳۶۷ و ۱۳۱۵۵ هکتار به وسعت اراضی کشاورزی و مناطق مسکونی اضافه شده است.
ب) مطالعات انجام شده در خارج کشور
ولد­کامپ و لامبین^[۷۲] (۲۰۰۱)، با بهره گرفتن از مدل­­سازی جریان تغییر کاربری اراضی و مدل­سازی پیشروی در پیش ­بینی مکانی تغییر کاربری اراضی و ترکیب فید­بک­های بیوفیزیکی در مدل­های تغییر کاربری اراضی، تغییر کاربری اراضی را پیش ­بینی نمودند؛ و نشان دادند که الگوهای کاربری اراضی نسبت به تغییرات در متغیرهای انتخاب‌شده حساس­اند و همچنین جوامع گیاهی به هم پیوسته و سیستم­های اکولوژیکی نسبت به تغییرات مقاوم­اند.
شلابی و تاتشی^[۷۳] (۲۰۰۶)، با بهره گرفتن از داده ­های ماهواره لندست و به‌کارگیری تکنیک‏های GIS به بررسی تغییرات پوشش گیاهی و تغییرات کاربری اراضی منطقه ساحل شمال کشور مصر پرداختند. در این مطالعه لایه‏های مربوط به پوشش گیاهی و کاربری اراضی در سال‏های ۱۹۸۷ و ۲۰۰۱ تهیه گردید و با مقایسه‏های به عمل آمده بر روی این لایه‏ها در محیط GIS میزان تغییرات سطح پوشش و انواع کاربری‏ها که به ۶ طبقه مختلف تقسیم گردیدند، نشان دادند که جابجایی‏هایی در مرزهای پوشش گیاهی به داخل آب و بالعکس به وجود آمده است.
کوزاک^[۷۴] (۲۰۰۷)، با بهره گرفتن از نقشه­های قدیمی و تاریخی و داده ­های ماهواره­های معاصر تغییر پوشش جنگل را در منطقه اوراوا در لهستان طی ۱۸۰ سال گذشته مورد تجزیه و تحلیل قرار داد. نتایج این بررسی­ها نشان داد که طی ۱۸۰ سال گذشته نسبت سطح جنگل در منطقه مورد مطالعه از ۲۵ درصد به ۴۰ درصد افزایش داشته است.
بازگیئر و همکاران (۲۰۰۸)، برای حوزه آبخیز در پونجاب در هند ارزیابی تغییرات کاربری اراضی را با بهره گرفتن از GIS و عکس‌های هوایی سیاه و سفید برای مارس ۲۰۰۲، سپتامبر ۲۰۰۲ و می ۲۰۰۳ و تفسیر چشمی برای تهیه نقشه کاربری اراضی/پوشش زمین برای سال‌های ۱۹۸۴ و ۲۰۰۳ و دلایل بررسی آن‌ها تأثیر تغییر کاربری اراضی/پوشش در تغییرپذیری اقلیم را انجام دادند، نتایج نشان داد که مناطق تحت کشت، جنگل‌های نیمه متراکم، جنگل‌های تخریب یافته، زمین‌های تخریب یافته در تپه‌ها و دشت‌های کوهپایه‌ای، اراضی لم‌یزرع در طول آبراهه‌های فصلی، کاهش یافته است. در حالی که مناطق مسکونی، جنگل‌های متراکم، تأسیسات، آبگیرها و کارگاه‌های تولید آجر در طی دوره ۲۰ ساله افزایش یافته است. تغییرات کاربری اراضی/پوشش روی میانگین حداکثر دما تأثیر داشته باعث روند افزایش آن در طی دوره ۱۹۸۴ تا ۲۰۰۳ شده است، در حالی که حداقل دما، بارش و پتانسیل تبخیر و تعرق در طی این دوره روند کاهشی داشته است. علیرغم افزایش پوشش گیاهی در منطقه مورد مطالعه، این روندها بر روی پارامترهای مختلف هواشناسی یافته‌های برخی از گزارش‌ها را تائید نمی‌کند. علاوه بر تغییرات کاربری اراضی/پوشش زمین، فاکتورهای دیگری نظیر افزایش C02 و گازهای گلخانه‌ای، آلودگی هوا و توزیع طیفی تابش خورشیدی، بر روی تغییرات اقلیمی در منطقه تأثیر دارد.
الهادی و زومراویی^[۷۵] (۲۰۰۹) مطالعه­ ای را به­منظور استخراج کاربری اراضی از تصاویر ماهواره­ای Quick bird با بهره گرفتن از روش درخت تصمیم ­گیری انجام دادند. صحت کلی در این مطالعه با بهره گرفتن از روش حداکثر احتمال و طبقه ­بندی درختی برای باندهای اصلی و آنالیز به ترتیب برابر با ۵/۹۳، ۳/۹۷، ۶/۹۲ و ۵/۹۸ درصد محاسبه گردید.
لوردسا و همکاران^[۷۶] (۲۰۱۱)، با بهره گرفتن از مدل­های رگرسیون لجستیک به شبیه­سازی دینامیک پوشش اراضی در حوزه رودخانه دولسی آرژانتین در سال ۱۹۹۷ تا ۲۰۰۵ پرداختند و به این نتیجه رسیدند که به علت کاهش پوشش علفزار و تخریب اکوسیستم­ها در اثر تشدید کشاورزی و چرای بیش از حد، شبیه­سازی مجدد سناریو­های جایگزین می ­تواند به برنامه­ ریزی کاربری اراضی به منظور تولید و حفاظت اکوسیستم­ها کمک کند.
آگاروال و همکاران (۲۰۱۳) مطالعه­ ای را به منظور تعیین کاربری اراضی با بهره گرفتن از روش­های مختلف درخت تصمیم ­گیری و تصاویر TM ماهواره لندست ۵ انجام دادند. ایشان در این مطالعه از روش طبقه ­بندی درختی، ماشین بردار پشتیبان MBACT استفاده نمودند. صحت کلی و ضریب کاپا حاصل از روش طبقه ­بندی درختی، ماشین بردار پشتیبان MBACT به ترتیب ۱۶/۸۳ و ۸/۰، ۴/۸۸ و ۸۶/۰؛ ۲۱/۸۴ و ۸۱/۰ محاسبه گردید.
۲-۲- تراکم تاج پوشش
الف) مطالعات انجام شده در داخل کشور
شاه­بابایی (۱۳۸۳) مطالعه­ ای را به منظور تهیه نقشه‌های تیپ و تراکم جنگل در گرگان سنجنده ETM+ ماهواره لندست ۷ انجام دادند. در این مطالعه صحت کلی و ضریب کاپا در تیپ بندی به ترتیب ۶۳ درصد برای طبقات تراکمی به ترتیب نیز ۵۸ درصد و ۴۱/ ۰ گزارش شد.
احمدی­ثانی (۱۳۸۴)، پژوهشی را به­منظور بررسی قابلیت تصویر ماهواره­ای ASTER برای تهیه تراکم جنگل­های زاگرس در منطقه مریوان واقع در استان کردستان انجام داد. برای تجزیه و تحلیل تصاویرهای ماهواره­ای از خوارزمی­های طبقه ­بندی نظارت‌شده کمینه فاصله از میانگین، بیشینه احتمال و همچنین روش طبقه ­بندی فازی استفاده کرد. به­منظور برآورد صحت نقشه­های تراکم به دست آمده از طبقه ­بندی تصاویر ماهواره­ای، واقعیت زمینی برای کل منطقه مورد بررسی با بهره گرفتن از عکس­های هوایی تهیه شد. بالاترین صحت کلی و ضریب کاپا را به ترتیب به میزان ۵/۶۵ و ۵/۴۸ درصد در طبقه ­بندی چهار کلاسه­ای، ۵/۶۸ و ۵/۵۱ درصد در طبقه ­بندی سه کلاسه­ای با طبقه ­بندی بیشینه احتمال و با مجموعه شش باندی به دست آمد و نتیجه‌گیری کلی نشان داد که صحت کلی ۵/۶۸ درصد و ضریب کاپا کلی ۵/۵۱ است.
پرما و شتایی (۱۳۸۹) مطالعه‌ای را به منظور تهیه نقشه‌های تنوع و تراکم تاج پوشش جنگل‌های زاگرس با بهره گرفتن از تصاویر سنجنده ETM+ در جنگل‌های قلاجه استان کرمانشاه انجام داد. نتایج حاصل از رگرسیون نشان داد که ترکیب خطی مورد بررسی به عنوان متغیرهای مستقل در مقایسه با دیگر باندها و ترکیبات به کار گرفته شده بهتر می‌تواند تنوع گونه‌ای درختان و درختچه‌ها را برآورد کند.(R²adj = 327/0). نتایج ایشان نشان‌دهنده قابلیت نسبتاً کم داده ­های ETM+ در تهیه نقشه تراکم تاج پوشش و برآورد تنوع گونه‌ای درختی و درختچه‌ای در منطقه مورد بررسی است.
پاکخصال و بنیاد (۱۳۹۰) مطالعه­ ای را به منظور تعیین تراکم جنگل با بهره گرفتن از مدل FCD در حوزه شفارود گیلان انجام دادند. ایشان در این مطالعه از داده‌های سنجنده ETM+ استفاده نمودند. ایشان در این مطالعه از روش حداکثر احتمال برای طبقه ­بندی استفاده نمودند. نتایج این مطالعه نشان داد داده ­های این سنجنده با صحت کلی ۷۱ درصد و ضریب کاپای ۶۱/۰ قادر به تفکیک تراکم­های مختلف تاج پوشش می­باشد.
حسینی و همکاران (۱۳۹۲) مطالعه­ ای را به منظور تعیین قابلیت سنجنده LISS IV برای تهیه نقشه تراکم منطقه خواجه­کلات انجام دادند. ایشان در این مطالعه از روش­های طبقه ­بندی حداکثر احتمال و حداقل فاصله استفاده نمودند. نتایج این مطالعه نشان داد داده ­های این سنجنده با صحت کلی ۷۰ درصد و ضریب کاپای ۴۴/۰ قادر به تفکیک تیپ­های جنگل می­باشند.
عزیزی و همکاران (۲۰۱۴) مطالعه­ ای را به منظور تعیین تراکم جنگل با استفاده داده ­های سنجنده LISS IV انجام داد. ایشان در این مطالعه از روش FCD استفاده نمودند. نتایج این مطالعه نشان داد سنجنده فوق قادر است با صحت کلی ۴/۸۴ درصد و ضریب کاپای ۷۸/۰ جنگل­ها را از نظر تراکم تفکیک نماید.
ب) مطالعات انجام شده در خارج از کشور
وانگ و همکاران^[۷۷] (۱۹۹۸) برای طبقه ­بندی تراکم جنگل از داده ­های سنجنده TM و باند PAN ماهواره IRS-1C در جنوب فنلاند استفاده نمودند. صحت کلی و ضریب کاپا در این مطالعه برای طبقه ­بندی چهار کلاسه­ای به ترتیب ۲/۷۰ و ۴۶/۰ محاسبه گردید.
ام­سی ماهان و همکاران^[۷۸] (۲۰۰۳) برای تعیین تراکم تاج پوشش در جنوب شرق ایالت آیداهو امریکا با بهره گرفتن از داده ­های ماهواره­ای، دو روش فازی و حداکثر احتمال مقایسه نمودند. در این مطالعه صحت کلی به ترتیب برای روش­های فازی و حداکثر احتمال ۵/۵۰ و ۵/۴۷ محاسبه شد.
ژو و همکاران^[۷۹] (۲۰۰۳) در تحقیقی قابلیت داده ­های ماهواره­ای را در برآورد تاج پوشش بلوط در ایالت کالیفرنیا بررسی نمودند. نتایج این مطالعه نشان داد باندهای آبی، قرمز و مادون قرمز دارای قابلیت بالایی در تعیین تراکم تاج پوشش دارند.
بربروگلا و ساتیر^[۸۰] (۲۰۰۸) به منظور طبقه ­بندی تیپ­های جنگلی در ترکیه از روش­های طبقه ­بندی سخت و نرم استفاده نمودند. صحت کلی برای روش طبقه ­بندی نرم و سخت به ترتیب ۸۰ و ۵۰ محاسبه گردید.
تورنسن و همکاران (۲۰۱۴) مطالعه­ ای را به منظور طبقه ­بندی ساختار جنگل با بهره گرفتن از روش­های طبقه ­بندی رندوم فارست، نزدیکترین همسایه و آنالیز تمایز خطی انجام دادند. صحت کلی به دست آمده در این مطالعه برای روش رندوم فارست و نزدیکترین همسایه ۳۷ درصد و روش آنالیز تمایز خطی ۴۱ درصد محاسبه گردید.
۲-۳- جمع­بندی
در اکثر مطالعات انجام شده برای تعیین کاربری و تراکم جنگل از داده ­های سنجنده­هایی با قدرت تفکیک متوسط استفاده شده است. علاوه بر این از روش­های طبقه ­بندی پارامتری (سخت) استفاده شده است. در این مطالعه قابلیت داده ­های Pleiades و روش طبقه ­بندی و رگرسیونی درختی برای طبقه ­بندی داده ­ها استفاده می­ شود.
فصل سوم