چکیده مثال های بیشماری از تولید نقشه های پوششی و کاربری اراضی در مقیاس های جهانی، منطقه ای و محلی از تصاویر چندطیفی وجود دارد. بیشتر آنها هر پیکسل تصویر را بعنوان مشاهده مستقل، صرف نظر از مفهوم مکانی، طبقه بندی می کنند. یکی از مهمترین مشکلات تولید نقشه های پوششی و کاربری اراضی از تصاویر رقومی ترکیب پاسخ طیفی از عوارض مختلف است. همچنین در تهیه نقشه از مناطق ناهموار و کوهستانی، توپوگرافی زمین مسأله ساز است. برای حل چنین مسائلی برخی محققان به طبقه بندی چندمنبعی و استفاده از داده های کمکی همراه با داده های طیفی و برخی دیگر به روش های پیشرفته تر رو آورده اند. تحقیق حاضر روی تصویر سنجنده liss-iii از ماهواره irs-p6 حوضه آبریز خرسان انجام گرفت. با توجه به ناهموار بودن منطقه در ابتدا اثرات ارتفاعی از روی تصویر حذف شد. بدین منظور روش های مختلف تصحیح اثرات توپوگرافی در حالات متفاوت بررسی گردیده تا روش بهتر انتخاب شود. سپس طبقه بندی چند منبعی با استفاده از داده های ارتفاعی و بافت تصویر قبل و بعد از تصحیح اثرات توپوگرافی انجام گردید. در این حین برای رسیدن به ترکیب بهینه ای از پارامترهای ورودی طبقه بندی از الگوریتم ژنتیک استفاده شد. همچنین برای بررسی بهبود طبقه بندی پوشش و کاربری اراضی منطقه از رویکرد شئ گرا استفاده گردید. و نتایج این رویکرد با روش بیشترین شباهت در رویکرد پیکسل پایه مقایسه شد. نتایج نشان داد که دقت زوایای آزیموت و زنیت در تصحیح اثرات توپوگرافی تاثیر محسوسی ندارد. روش تصحیح cosine بدترین و روش تصحیح c بهترین نتایج را در تصحیح اثرات توپوگرافی تصویر نشان داد. تصحیح توپوگرافی 3 درصد صحت کلی طبقه بندی را در حالت پیکسل پایه افزایش داد. و در روش بیشترین شباهت، صحت کلی طبقه بندی از 73.86 به 76.81 و در الگوریتم کمترین فاصله صحت طبقه بندی از 62.67 به 63.38 رسید. اضافه کردن dem به فرآیند طبقه بندی در تفکیک کلاس هایی که از نظر طیفی مشابه، اما در ارتفاعات مختلفی قرار گرفته اند بویژه تفکیک کشاورزی از مرتع کمک می کند. با وارد کردن داده های ارتفاعی صحت کلی طبقه بندی در روش بیشترین شباهت به 77.97 و در طبقه بندی کننده کمترین فاصله به 68.39 رسید. در ادامه برای تشخیص بهتر کلاس های غیریکنواخت مانند کلاس کاربری شهری، داده های بافت تصویر وارد شد و ترکیب بهینه و مستقل از این پارامترها بهمراه پارامترهای طیفی و ارتفاعی با استفاده از الگوریتم ژنتیک انتخاب شد. ترکیب بهینه طیفی ارتفاعی بافتی انتخابی دو الگوریتم مختلف و همچنین قبل و بعد از تصحیح توپوگرافی متفاوت است. با اضافه شدن داده های متن تصویر صحت کلی طبقه بندی در ترکیب بهینه در روش بیشترین شباهت به 83.28 و در روش کمترین فاصله به 68.72 رسید. همچنین نتیجه طبقه بندی ترکیب بهینه حاصل شده با الگوریتم ژنتیک در مقایسه با ترکیب مستقل یافت شده با تحلیل مولفه های اصلی 9 درصد بالاتر است. در تمام حالات استفاده از رویکرد شئ گرا صحت طبقه بندی بالاتری نسبت به روش بیشترین شباهت در رویکرد پیکسل پایه حاصل شد. تصحیح توپوگرافی در تمام سطوح و حالات باعث بهبود صحت طبقه بندی گردید. صحت طبقه بندی با 4 باند طیفی، قبل و بعد از تصحیح توپوگرافی به ترتیب 75.35 و 77.07 حاصل شد. استفاده از داده های ارتفاعی صحت طبقه بندی را به 81.09 رساند. با اضافه کردن پارامترهای بافت تصویر به ترکیب طیفی ارتفاعی صحت طبقه بندی به مقدار 86.35 افزایش یافت که در مقابل حالت مشابه در رویکرد پیکسل پایه 3 درصد افزایش صحت دارد.

کشف و آشکارسازی تغییرات یکی از کاربردهای مهم سنجش از دور می باشد. روشهای متفاوت و گوناگونی جهت آشکارسازی تغییرات از تصاویر ماهواره ای چندزمانه ارائه گردیده است که رایجترین و متداولترین آنها روش تفریق تصاویر ماهواره ای مولفه های اصلی بوده است . در تصاویر چند طیفی مثل تصاویر tm و همچنین در مواردی که چند گروه از تغییرات رخ داده باشد روش تفریق تصاویر و تحلیل مولفه های اصلی نمی تواند نتایج مطلوبی دربر داشته باشد. در روش تفریق تصاویر بعلت متفاوت بودن اطلاعات تغییرات در باندهای طیفی، اطلاعات متفاوتی از تغییرات در هر باند طیفی بدست می آید. همچنین جهت جداسازی اطلاعات تغییرات از عدم تغییرات نیاز به حد آستانه وجود دارد، که در این مورد بررسیهای بیشتری لازم است . در تحلیل مولفه های اصلی اطلاعات تغییرات در چند مولفه پراکنده می شود و تصمیم گیری در مورد انتخاب مولفه ای که حاوی کل اطلاعات تغییرات باشد مشکل است (gong 1993). در این تحقیق از تصاویر ماهواره ای tm به فاصله زمانی 6 سال در منطقه جنوب تهران جهت آشکارسازی تغییرات استفاده شده است . جهت تهیه تغییرات از روش ترکیبی تحلیل مولفه های اصلی توام با آنالیز رگرسیون استفاده شده است . آنالیز رگرسیون بین باندهای متناظر چند طیفی قبل از تحلیل مولفه های اصلی باعث شده نقش مناطقی که تغییرات نداشته است در محاسبه ماتریس واریانس کواریانس به حداقل برسد. بدین ترتیب مولفه های اول حاصل از آنالیز رگرسیون بین باندهای متناظر چند طیفی در ارتباط با اطلاعات تغییرات می تواند باشد. با استفاده از روابط فازی و براساس توابع عضویت در تغییرات فازی، متناسب با پارامترهای هیستوگرام مولفه های اول و دوم، تصاویر عضویت در تغییرات ایجاد شده است . همچنین براساس قوانین مجموعه های فازی اطلاعات تغییرات موجود در تصاویر عضویت در تغییرات مولفه های اول و دوم در یک تصویر نشان داده شده است . جهت جداسازی تغییرات از عدم تغییرات انتخاب حد آستانه براساس داده های مرجع زمینی صورت گرفته است . نتایج این تحقیق نشان می دهد که کاربرد توام روش آنالیز رگرسیون و تحلیل مولفه های اصلی نسبت به روش تفریق تصویر مولفه های اصلی نتایج بهتری دارد.