Journal of Rainwater Catchment Systems

fa طبقه‌بندی و بررسی داده‌های شاخص نرمال شده تفاضلی پوشش گیاهی در حوضه‌های آبریز دز، کارون و کرخه Classification and analysis of normalized difference vegetation index data in Dez, Karun, and Karkheh watersheds تخصصي Special كاربردي Applicable <div style="text-align: justify;">پوشش گیاهی به‌عنوان یک جزء طبیعی در افزایش نفوذپذیری، اصلاح خاک، کاهش تبخیر و کاهش حجم رواناب و در نتیجه کاهش احتمال جاری شدن سیل در بوم‌سازگان‌های طبیعی نقش به‌سزایی دارد. استفاده از فناوری‌های نوین مانند سنجش از دور و سامانه اطلاعات جغرافیایی برای مطالعه بوم‌سازگان‌های گیاهی و تهیه نقشه‌های پوشش زمین، لازمه‌ی شناخت کارآیی این ابزار و شناسایی بهترین روش‌های کاربرد آن‌ها است. هدف از پژوهش حاضر، مقایسه کارایی سه روش طبقه‌بندی نظارت‌شده روش حداکثر احتمال، حداقل فاصله از میانگین و متوازی‌السطوح در بررسی پوشش گیاهی با بهره‌گیری از تصاویر ماهواره‌ای سنجنده‌های TM و ETM ماهواره لندست در سال‌های 1365، 1375 و 1384 و مقایسه کمّی مقادیر NDVI در سال های 1387 (2008) و 1397 (2018) به‌عنوان دو مقطع زمانی با فاصله ده ساله است. داده‌های فوق با استفاده از نرم‌افزار ENVI4.2 آماده‌سازی و مورد تجزیه و تحلیل قرار گرفت و میزان کارایی هر روش با شاخص صحت کلی و ضریب کاپا مورد بررسی قرار گرفت. براساس نتایج در روش حداکثر احتمال میزان صحت کلی 35/90%  و ضریب کاپا 878/0 ، در روش حداقل فاصله از میانگین میزان صحت کلی 32/74% و ضریب کاپای آن 675/0 و در روش متوازی‌السطوح صحت کلی 09/67% و ضریب کاپا 593/0 محاسبه شد. براساس نتایج روش حداکثر احتمال بیش‌ترین میزان دقت را در طبقه‌بندی گروه داده‌های ماهواره‌ای دارد. هم‌چنین نتایج نشان داد که در بازه 10 ساله در حوضه آبریز دز، کارون و کرخه به‌ترتیب بازتاب طیفی مرتبط با پوشش گیاهی 4/7، 64/10 و 83/13 درصد کاهش داشته است. نتایج این پژوهش می‌تواند برای استفاده عملی از تحلیل‌هایی که انجام شد در رابطه با مطالعات بحث رواناب و سیل کارایی داشته باشد، باتوجه به روند تغییرات پوشش گیاهی به علل عوامل طبیعی یا انسانی مدیریت صحیح در این منطقه ضروری به نظر می‌رسد.</div> Vegetation as a natural component plays a significant role in increasing permeability, improving soil, reducing evaporation, and reducing the runoff and thus reducing the possibility of flooding. The use of new technologies such as remote sensing and geographic information system to study plant ecosystems and prepare land cover maps is necessary to know the effectiveness of these tools and to identify the best methods of their use. The purpose of this research is to investigate the vegetation cover using the NDVI and compare the performance of three supervised classification methods, the maximum likelihood method, the minimum distance from the mean, and the parallelepiped method in a part of the Great Karun watershed. To this end, TM and ETM images of Landsat satellite were used in one interval and NDVI in a 10-year interval (May 2008 to May 2018) with the help of supervised classification and maximum likelihood algorithm. The above data were prepared and analyzed using ENVI4.2 software, and the effectiveness of each method was evaluated with the overall accuracy index and Kappa coefficient. Based on the results in the maximum likelihood method, the overall accuracy rate is 90.35% and the Kappa coefficient is 0.878, in the minimum distance method, the distance from the mean is 74.32% and its Kappa coefficient is 0.675, and in the parallelepiped method, the overall accuracy is 67.09% and the Kappa coefficient was calculated as 0.593. Based on the results, the maximum likelihood method has the highest level of accuracy in satellite data group classification. Moreover, the results showed that in the 10-year period in Dez, Karun, and Karkheh watersheds, the spectral reflectance related to vegetation has decreased by 7.4%, 10.64%, and 13.83%, respectively. The results of this research can be effective for the practical use of the analysis that was done in relation to the studies of runoff and flood. According to the process of vegetation changes due to natural or human factors, the need for proper management in this area seems necessary. الگوریتم حداکثر احتمال, حوزه کارون بزرگ, شاخص NDVI, طبقه‌بندی نظارت‌شده, لندست Maximum likelihood Algorithm, Great Karun basin, NDVI Index, Supervised Classification, Landsat 54 70 http://jircsa.ir/browse.php?a_code=A-10-2150-1&slc_lang=fa&sid=1 Harir Sohrabi حریر سهرابی hsohrabi90@gmail.com 10031947532846004873 10031947532846004873 No Ph.D., Department of Natural Resources Engineering, Faculty of Agriculture and Natural Resources, university of Hormozgan, Bandarabbas, Iran, Email: hsohrabi90@gmail.com دانشجوی دکتری بیابان‌زدایی، گروه مهندسی منابع طبیعی، دانشکده کشاورزی و منابع طبیعی، دانشگاه هرمزگان، بندرعباس، هرمزگان، ایران، hsohrabi90@gmail.com Yahya Esmaeilpour یحیی اسماعیل‌پور y.esmaeilpour@hormozgan.ac.ir 10031947532846004874 10031947532846004874 Yes Associate Professor, Department of Natural Resources Engineering, Faculty of Agriculture and Natural Resources, University of Hormozgan, Bandarabbas, Iran., Email: y.esmaeilpour@hormozgan.ac.ir دانشیار گروه مهندسی منابع طبیعی، دانشکده کشاورزی و منابع طبیعی، دانشگاه هرمزگان، بندرعباس، ایران، y.esmaeilpour@hormozgan.ac.ir Rasoul Mahdavi Najafabadi رسول مهدوی نجف‌آبادی ra_mahdavi2000@yahoo.com 10031947532846004875 10031947532846004875 No Associate Professor, Department of Natural Resources Engineering, Faculty of Agriculture and Natural Resources, University of Hormozgan, Bandarabbas, Iran., Email: ra_mahdavi2000@yahoo.com دانشیار گروه مهندسی منابع طبیعی، دانشکده کشاورزی و منابع طبیعی دانشگاه هرمزگان، بندرعباس، ایران، ra_mahdavi2000@yahoo.com Ommolbanin Bazrafshan ام‌البنین بذرافشان bazrafshan1361@gmail.com 10031947532846004876 10031947532846004876 No Associate Professor, Department of Natural Resources Engineering, Faculty of Agriculture and Natural Resources, University of Hormozgan, Bandarabbas, Iran., Email: o.bazrafshan@hormozgan.ac.ir دانشیار گروه مهندسی منابع طبیعی، دانشکده کشاورزی و منابع طبیعی دانشگاه هرمزگان، بندرعباس، ایران، o.bazrafshan@hormozgan.ac.ir Hossein Zamani حسین زمانی zamani.huni@hormozgan.ac.ir 10031947532846004877 10031947532846004877 No Assistant Professor, Faculty of Sciences, Department of Statistics, University of Hormozgan, Bandar Abbas, Iran, Email: zamani.huni@hormozgan.ac.ir استادیار گروه آمار، دانشکده علوم پایه، دانشگاه هرمزگان، بندرعباس، ایران، zamani.huni@hormozgan.ac.ir