جواد رشیدی - کارشناس ارشد منابع طبیعی- جنگلداری گرایشRSو GIS پژوهشگر مرکز تحقیقات کشاو
عباس علیمحمدی - استادیار دانشگاه صنعتی خواجه نصیرالدین طوسی

در راستای شناخت قابلیت وکارایی داده های ماهواره ای در تفکیک واحدهای اراضی ساحلی بخشی از ناحیه خلیج و عمانی، داده های رقومی+ ETM ماهواره لندست ۷ مربوط به ۱۵ آوریل ۲۰۰۰ مناطق نایبند ، عسلویه در استان بوشهراستفاده شد. در بررسی کیفیت این داده ها خطاهای رادیومتری و هندسی خاصی وجود نداشت. درتطابق هندسی تصاویر با نقشه های توپوگرافی ۱:۲۵۰۰۰ ، ابتدا با تکنیک مرجع زمینی Corners قطعات اسکن شده این نقشه ها مرجع زمینی و سپس داده های ماهواره ای به کمک این نقشه ها با تکنیک مرجع زمینی Tiepoints مرجع زمینی گردیدند و کنترل زمینی برخی از این نقاط تصویر با GPS انجام شد و در نتیجه دقت مطلوب (پیکسل /31=RMSE) بدست آمد.برای بررسی قابلیت وکارایی داده ها بر روی آنها پردازش های مختلف و متناسب با هدف مطالعه، از جمله تجزیه مولفه های اصلی ، نسبت گیری و کشش خطی انجام شد . برای انتخاب بهترین گروه سه باندی از روش محاسبه حد شاخص مطلوبیت (OIF ) برای باندهای اصلی، شاخص ها و تجزیه مولفه ها استفاده شد.نمونه های تعلیمی در عملیات میدانی تعیین، و با کمک اطلاعات حاصل از تفسیر عکسهای هوایی بر تعداد نمونه ها افزوده شد و نمونه ها از نظر آماری به حدکافی رسیدند. نمونه ها از نظر میانگین، انحراف معیار و تداخل کلاس مورد بررسی قرار گرفته، اصلاح و بهبود یافتند و در نهایت با ۴کلاس شامل جنگلهای حرا ( Avicina marina ) ،اراضی ساحلی شور مرطوب، اراضی ساحلی شور خشک و آبهای خلیج فارس درمحدوده مورد مطالعه گروه های باندی مناسب به روش نظارت شده با طبقه بندی کننده حداکثراحتمال طبقه بندی شدند بهترین نتیجه طبقه بندی در مقایسه با نقشه واقعیت زمینی ۴ کلاسه ای در GIS ، با استفاده از مجموعه باندهای PCA1 ,IR2 ,IPVI با دقت کلی ٨٩ درصد و ضریب کاپای 85/5 درصد بدست آمد. بنابراین دستیابی به صحت کلی ٨٩ درصد بیانگر قابلیت و کارایی خوب دادهای+ETM در تفکیک واحدهای اراضی نواحی ساحلی است. با دستیابی به چنین نتایجی انتظار می رود که بتوان با داده های +ETM واحدهای اراضی ساحلی ناحیه خلیج و عمانی را تفکیک نمود

ماهواره لندست ۷، داده های سنجنده+ ETM، بوشهر، نواحی خلیج وعمانی، عسلویه و نایبند ، دریا ، اراضی ساحلی شور مرطوب و خشک ، جنگلهای حرا، طبقه ب ندی نظارت شده ، طبقه بندی کننده حداکثر احتمال