■ تحلیل کاربری اراضی و پوشش زمین با سنجش از دور ـ بخش یکم بخش نقشه برداری

۱.۲. مقدمه:
در دو قرن اخیر توسعه اقتصادی و رشد جمعیت تغییرات سریعی را در پوشش سطح زمین باعث شده است و نشانه های متعددی وجود دارد که سرعت این تغییرات در آینده بیشتر خواهد بود.این تغییرات سریع منطبق بر پویایی مدت دار به همراه تنوع آب و هوایی است.دگرگونی پوشش سطح زمین و توانایی خاک برای حفظ فعالیت های انسان از طریق ارائه اکوسیستمهای متعدد به دلیل فعالیتهای اقتصادی علت اصلی بازخورد تاثیر بر آب و هوا و جنبه های دیگر تغییرات جهانی است.بر این اساس،بازبینی های منظم از پوشش سطح زمین باید تکرار شود.

پوشش زمین به مجموعه ای از اجزای زنده و غیر زنده سطح زمین که بعنوان یکی از مهمترین خواص سیستم خاک است تعریف شده است.سه مسیر اساسی وجود دارد که مهم هستند.(ترنر و همکاران،۱۹۹۴).اولین وضع در اثر متقابل پوشش زمین با اتمسفر است که منجر به تنظیم چرخه هیدرولوژی و انرژی می گردد که برای پیش بینی هوا و یا آب و هوا مورد نیاز است(دفریس و همکاران ۲۰۰۲). بعنوان مثال بسیاری از مدل های آب و هوا با پارامترهای سطح زمین (LSPs) برای استفاده داده های دیجیتال از پوشش زمین جهت تولید پایگاه داده آلبیدو،تبخیر،زبری سطح و تعرق و تنفس همراه نیست.

دوم، پوشش زمین نقش عمده ای در چرخه کربن بعنوان منبع و مخزن کربن بازی می کند.مخصوصاً،نرخ جنگل زدایی،جنگل کاری و رشد مجدد درختان و پوشش گیاهی نقش مهمی در انتشار و مصادره کربن و به تبع آن اثر غلظت CO۲ و قدرت اثرات گلخانه ای دارد(,IPCC, ۲۰۰۰جانتوس و جانتیک،۲۰۰۰، ۱۹۹۹,Houghton).در پایان، غالباً پوشش زمین نشان دهنده در دسترس بودن غذا،سوخت،چوب،فیبر و پناهگاه برای جمعیت انسانی است، همچنین بعنوان شاخص کاربردی دیگر از خدمات اکوسیستم مانند تنوع زیستی به شمار می رود.اطلاعات مربوط به پوشش زمین برای بسیاری از شاخص های ملی/جهانی من جمله مدیریت آب(آبخیزداری) و تولیدات(بهره وری) کشاورزی اساسی است.

هر چند عبارات پوشش زمین(LC) و کاربری زمین (LU) گاهی اوقات به جای یکدیگر استفاده می شوند.آنها واقعاً با هم متفاوت هستند.به عبارت ساده تر پوشش زمین چیزی است که سطح زمین را پوشش می دهد و کاربری زمین توصیف می کند که زمین چگونه استفاده می شود.نمونه های از پوشش زمین عبارتند از: آب،برف،مرتع،جنگل های برگریز و خاک عریان. نمونه های کاربری زمین عبارتند از: منطقه مدیریت حیاط وحش،زمین کشاورزی،شهری،منطقه تفریحی و غیره. دو قطعه زمین ممکن است پوشش مشابه داشته باشند اما کاربری آنها متفاوت است.برای مثال:یک زمین گلف و یک ساختمان اداری هر دو کاربری تجاری دارند.اولی یک پوشش زمین چمن در حالی که دومی ساختمان در نظر گرفته شده است.

۲.۲.نقشه برداری کاربری و پوش زمین(LULC Mapping)
۱.۲.۲: رویکرد مرسوم
گردآوری سوابق درآمدی هیات مدیره دفتر اقتصاد و آمار(DES/BES) توسط استانها با روش مرسوم گرد آوری اطلاعات LULC در کشور(هندوستان) یکی بوده است. اطلاعات کاربری زمین از فهرست کالاهای کشاورزی در سطح یک طرح منحصر به فرد جهت انجام سیستم طبقه بندی که بر اساس فیلد های موجود نباشد نشات گرفته است.این داده ها بدون هیچ گونه اشاره ای به مکان های فضایی در قالب پرونده های آماری در دسترس هستند.نقشه های توپولوژیکی حاصل نقشه برداری هند است که نشان دهنده گستره زیاد دسته بندی های استفاده از نقشه با استفاده از اطلاعات زمین در مقیاس های ۵۰۰۰۰/۱ تا ۲۵۰۰۰/۱ از منابع دیگر LULC است.با این حال، اطلاعات کاربری زمین وضعیت فعلی کاربری زمین و همچنین تغییرات را مشخص نمی کند. نقشه های کاربری زمین بوسیله سازمان بررسی های خاک که بر اساس نقشه برداری خاک بر مبنای سایر منابع نقشه ایست تولید می شوند.از کدامیک از اطلاعات کاربری زمین می توان رمز گشایی کرد.با این حال،این قبیل نقشه های تولید شده برای پروژه های مناطق خاص در دسترس هستند.برای بیشتر قسمتها،آنها به طور مستقل و بدون هماهنگی با و وساطت دیگر دفاتر کار کرده اند.در بسیاری از موارد به معنای تلاش تکراری است و یا یافت نشده است .
منابع مختلف اطلاعاتی زیادی از کاربری و پوشش زمین در مورد تغییراتی که در سطوح مختلف هستند وجود دارد .سازمانهای برنامه ریزی محلی از جزئیات اطلاعاتی تولید شده در خصوص نقشه برداری و مشاهدات عددی درست استفاده می کنند.مشکلات عمده ای که در طول برنامه و تفسیر این داده ها وجود دارد عبارتند از: تغییرات در تعاریف ودسته بندی ها، مجموعه اطلاعات جمع آوری شده بوسیله سازمانهای منبع،پوشش ناقص داده،تفاوت دوره ای داده ها،. بکار گیری سیستم های طبقه بندی ناسازگار.علاوه بر این،تا حدی برای جمع آوری داده های در دسترس غیر عملی است، زیرا که از سیستم های متنوعی برای طبقه بندی استفاده شده است.به این محدودیتهای روشهای سنتی تا حدودی با اتخاذ روشهای مدرن مثل سنجش از دور می توان غلبه کرد.

۲.۲.۲. سنجش از دور بر اساس رویکرد
نقشه برداری پوشش زمین محصولی از سنجش از دور توسعه یافته است،که در ابتدا از طریق عکسهای هوایی انجام می شد.فن آوری سنجش از دور به دلیل مزایایی که دارد(پوشش منطقه گسترده تر،بازبینی های مکرر،چند طیفی بودن،چند منبعی و ذخیره سازی در فرمت دیجیتال برای تسهیل در بروز رسانی های بعدی و سازگار با فن آوری GIS) ابزاریست است بسیار عملی و مقرون به صرفه که برای طبقه بندی دقیق پوشش زمین اثبات شده است.چندین موضوع مهم برای مشخص کردن ویژگیهای پوشش زمین که با استفاده از سنجش از دور تولید شده است وجود دارد که عبارتند از:
هدف:اطلاعات پوشش زمین برای علوم متعددی از قبیل: سیاسی، برنامه ریزی و اهداف مدیرتی تولید شده است. هر یک از این علوم محدوه گسترده ای از نیازها را شامل می شود. بعنوان مثال: فهرست کاربری های زمین، موجودی های جنگلی، برنامه ریزی و همچنین دیگر موجودی منابع بیوفیزیکی زمین که مورد نیاز اطلاعات پوشش زمین است.مدل های خاصی از اثرات متقابل پوشش زمین و جو مورد نیاز انواع مختلفی از اطلاعات پوشش زمین است.(دیکنسون و همکاران ۱۹۸۶،سالرز و همکاران ۱۹۹۴، )و از جمله مدلهای سودمند(ایو و همکاران ۱۹۹۷)و مدل های هیدرولوژیکی(ویگموستا و همکاران ۱۹۹۴).
محتوای موضوعی: اطلاعات ممکن است برای تعداد کمی پوشش (به عنوان مثال،جنگل و غیر جنگل)برای همه نوع پوشش یکسان(یا متفاوت) با سطح جزئیات،متناسب با نیازهای خاص هر مدل و یا متغیر های پیوسته (بعنوان مثال: درصد مخروطیان جنگل) لازم باشد. همچنین محتوای موضوعی تاثیرمهمی در تکرار نقشه برداری پوشش زمین دارد.
مقیاس:در نواحی بزرگ اطلاعات پوشش زمین ممکن است به صورت محلی (در سایتهای خاص) در مقیاس های منطقه ای، یا مقیاسهای قاره ای به جهانی درخواست شوند.
تاریخ: کیفیت و در دسترس بودن داده های سنجش از دور محدود به نوع، دقت و اطلاعاتی است که ممکن است استخراج شوند.
تکنیک های پردازش و تحلیل: تکنیکهای آنالیز و تحلیل مشخصات در مراحل مختلف مهم و حیاتی هستند.

سیستم طبقه بندی کاربری اراضی و پوشش زمین
یک طبقه بندی ایده آل برای پوشش و کاربری زمین وجود ندارد و بعید است که توسعه یابد. دیدگاههای متفاوتی برای روند طبقه بندی وجود دارد، حتی زمانی که هدف از یک روش عددی استفاده شده است فرایند آن میل به گرایشات ذهنی دارد. در واقع، چون الگوهای تغییر کاربری اراضی و پوشش زمین در نگهداری و تقاضا برای منابع طبیعی است لذا بدون هیچ دلیل منطقی انتظار می رود یکی از جزئیات برای بیش از یک زمان کوتاه کافی باشد.هر طبقه بندی با توجه به نیاز کاربر تعریف و ساخته شده است.

به منظور رسیدگی به مسائل مربوط به طبقه بندی مانند تعریف کلاسبندی،کاربری های متعدد روی یک قطعه زمین،حداقل مساحت قابل ارائه و برای استاندارد کردن اطلاعات کاربری اراضی و پوشش زمین با استفاده از داده های سنجش از دور می تواند ایجاد شود.اندرسون(۱۹۷۱) برخی معیارها و ضوابط را برای سیستم طبقه بندی توسعه داد که عبارتند از:
- حداقل سطح از دقت در تفسیر جهت شناسایی کاربری اراضی و پوشش زمین برای دسته بندی ها با استفاده از داده حسگر(sensor) از راه دور باید حداقل ۸۵% باشد.
- دقت تفسیر برای چندین گونه حداقل باید مساوی باشد.
- نتایج تکراری و یا قابل تکرار باید از یک مفسر به مفسر دیگر و از یک زمان سنجش به زمان دیگر قابل حصول باشد.
- سیستم طبقه بندی باید در مناطق وسیع قابلیت اجرایی داشته باشد.
- طبقه بندی پوشش گیاهی و انواع دیگر پوشش زمین باید در عوض سایر فعالیتها استفاده شود.
- سیستم طبقه بندی برای استفاده از داده های حسگر در زمانهای مختلف سال باید فراهم شود.
- استفاده موثر از زیر شاخه ها است که می تواند ازنقشه برداری زمین یا از بهره برداری در مقیاس بزرگتر یا افزایش داده های حسگرهای سنجش از دور ممکن باشد.
- تجمع دسته بندی ها باید امکان پذیر باشد.
- مقایسه با داده های آینده کاربری زمین امکان پذیر باشد.
- در صورت امکان استفاده متعدد از زمین باید به رسمیت شناخته شود.
بنابراین،درجایی که اطلاعات کاربری اراضی و پوشش زمین در سطح یک و دو به صورت عمومی استفاده می شود و مورد تمایل کاربرانی است که دنبال اطلاعات از سراسر کشور یا استانی هستند چندین سیستم برای طبقه بندی پوشش اراضی و کاربری زمین پیشنهاد می شود.جزئیات بیشتر اطلاعات کاربری اراضی و پوشش زمین مانند دسته بندی کردن در سطوح سوم و چهارم معمولا مورد استفاده کسانی است که غالباً نیاز به تولید اطلاعات محلی داخل استان یا کشور و سطح منطقه ای و یا شهری دارند.

۳.۲. نظرگاه تاریخی نقشه برداری کاربری اراضی و پوشش زمین با استفاده از سنجش از دور در هند
تجربه هند برای استفاده از داده ماهواره ها جهت تجزیه و تحلیل کاربری اراضی و پوشش زمین در کتابچه راهنمای کاربری اراضی ملی در مقیاس ۲۵۰۰۰۰/۱ با استفاده از داده سنجنده ماهواره IRS-P۶ نام برده شده است((NRSA, ۲۰۰۴.این کار توسط مرکز ملی سنجش از دور انجام شده است(NRSA سابق ). گروه فضایی حکومت هند در همکاری با سازمانهای دولتی استانی و ملی این کار انجام داده است. افزایش نیاز برای بروز رسانی نقشه کاربری اراضی و پوشش زمین سراسر کشور توسط گروههای مختلف ، بعنوان مقدمه و پیش درامد در سیستم طبقه بندی LULC با ۲۴ طبقه بندی در سطح ۲ برای نقشه های با مقیاس ۲۵۰۰۰۰/۱ مناسب است که توسط NRSC و با در نظر گرفتن کاربری های وضع موجود در نظر گرفته شده که توسط NATMO, CAZRI،وزارت کشاورزی،بخش درامد، AIS & LUS و سایر جزئیات قابل حصول از داده های ماهواره ای مورد پذیرش قرار گرفته است.پس از گفتگو با تقریبا ۴۰ گروه استفاده کننده و سایر موسسات، سیستم طبقه بندی تا ۲۲ گروه نهایی شد و برای تجزیه و تحلیل کاربری اراضی و پوشش زمین به تصویب رسید.

۱.۳.۲ تجزیه و تحلیل LULC برای کشاورزی،آب و هوا و برنامه ریزی منطقه در سراسر کشور
تجزیه و تحلیل عاقلانه کاربری اراضی و پوشش زمین برای یک منطقه از تمام ۱۵ منطقه آب و هوایی و کشاورزی با استفاده از ۲۲ سیستم طبقه بندی کاربری اراضی و پوشش زمین و با استفاده از داده های ماهواره ای برای دوره ۱۹۸۸ تا ۹۹ تکمیل شد.داده های ماهواره IRS درفصل خریف(فصل زراعی هند که از جولای تا اکتبر است)در سال ۱۹۸۸و فصل ربیع(از ماه نوابر تا ماه مارس) ۱۹۸۹ برای تولید اقلام ریز روی زمین زراعی(زمین هایی که دوبار کشت می شدند،زمین های آیش، انواع مختلف جنگلها، وضعیت پستی و بلندی، زمین بایر و غیره.) با استفاده از روش ترکیبی،بصری و تجزیه و تحلیل دیجیتالی مورد استفاده قرار گرفت. NRSCهمراه با مرکز سنجش از دور(RRSC’s) و مراکز سنجش از دور دولتی و سایر موسسات که این وظیفه را تکمیل می کنند از ۴۴۲ بلوک در کشور ۲۷۴ منطقه را با استفاده از تکنیک های بصری و باقی ۱۶۸ منطقه توسط تکنیکهای دیجیتالی انجام شدند.کمیسیون برنامه ریزی هند استفاده کننده اصلی این برنامه بود.

۲.۳.۲. پروژه فهرست بندی اراضی بایر ملی (NWIP)
تا همین اواخر،هیچ تلاشی برای آماده سازی و نمایش نقشه انواع مختلف اراضی بایر در هند نشده بود.مساحت توسط سازمان های مختلف دولتی از ۳۸ میلیون هکتار تا ۱۷۵ میلیون هکتار در سال ۱۹۸۵ گزارش شده است. NRSC نقشه زمین های بایر همه استانها و قلمرو کشور را در مقیاس ۱:۱ میلیون فراهم کرده است. مساحت کل اراضی موات در کشور در خلال سالهای ۱۹۸۰-۱۹۸۲ تخمین زده می شود که ۳/۵۳ میلیون هکتار و یا ۲/۱۶ درصد از سطح جغرافیایی کشور را شامل می شده.
هیئت مدیره توسعه اراضی بایر ملی (NWDB) از سال ۱۹۸۵ به منظور احیاء ۵ میلیون هکتار از زمینها هر سال برای تقویت جنگل و تولید علوفه در مرتع یک برنامه گسترده بذر پاشی و جنگل کاری را راه اندازی کردند. این برنامه مستلزم یک پایگاه داده بسیار قابل اعتماد است که جزئیات را با توجه به نوع،حد،موقعیت و مالکیت اراضی موات داشته باشد.
روش های تحقیق از روشهای توسعه یافته و بر اساس مطالعات آزمایشی مورد شناسایی و برای تعیین اهداف جهت تشخیص انواع مختلف زمین از داده های اولیه ماهواره ها مخصوصا براساس داده های ماهواره های لندست سری (TM) و ماهواره (LISS-II and LISS-III) برای اهداف تهیه نقشه استفاده می شده است. در روش ترکیبی به عنوان مثال هر دو فن آوری بصری و دیجیتال برای کسب اطلاعات از اراضی موات استفاده شده است. حدود ۷۸/۶۳ میلیون هکتار چیزی برابر با ۱۷/۲۰ درصد از اراضی کشور در این مطالعه جزء اراضی موات تشخصی داده شدند. سیکل دوم تجزیه و تحلیل اراضی بایر در سال ۲۰۰۳ با استفاده از مطالاعات ماهواره ای کامل تر شد. چیزی که برآورد شده حدود ۲۷/۵۵ میلیون هکتار بود.۴۵/۱۷ درصد از اراضی که به عنوان اراضی موات نقشه برداری شده است. در حال حاضر سومین سیکل و چرخه نقشه برداری در حال انجام است.

۳.۳.۲ ممیزی منابع طبیعی ملی
کاربری اراضی و پوشش زمین (IRS AWiFS data) : مجموعه اطلاعات ترکیبی کاربری اراضی/پوشش زمین با استفاده از داده های چند زمانه IRS-AWiFs تولید شده است. تجزیه و تحلیلی که در مقیاس ۲۵۰۰۰۰/۱ با استفاده از سطح یک و برخی مواقع سطح دو کاربری اراضی انجام شده است. این پروژه برای تجزیه و تحلیل سالانه استفاده از کاربری اراضی برای سه سال بعد بود مثلا، ۰۵- ۲۰۰۴ ،۰۶- ۲۰۰۵ و ۰۷-۲۰۰۶.

فهرست موجودی کاربری اراضی و پوشش زمین با استفاده از داده ماهواره IRS P۶ LISS III . این پروژه در سطح ملی و برای نقشه برداری LULC در مقیاس ۵۰۰۰۰/۱ برای کل کشور بود که پس از انجام مطالعات اولیه برای توسعه راهنمای نقشه و استاندارد سازی روشها شامل ایجاد پایگاه داده دیجیتال برای تولید آمار های فضایی انجام شده است.این مطالعات با استفاده از پایگاه داده ۰۶-۲۰۰۵ برای ایجاد بنچ مارکهایی که بعدها می تواند برای درک درجه و شدت تغییرات LULC برای فواصل زمانی ۵ سال مورد استفاده قرار گیرد.

۴.۲ روش شناسی تجزیه و تحلیل کاربری اراضی و پوشش زمین
به صورت یک قاعده کلی نقشه برداری کاربری اراضی بر اساس داده های ماهواره ای کار ساده ایست و شامل چهار مرحله است، اکتساب داده ها،پیش پردازش،تجزیه و تحلیل و در نهایت تولید محصول و مستند سازی.

۱.۴.۲ پیش پردازش
این مرحله شامل تصحیحات هندسی و رادیومتریکی است،که در اینجا مورد بحث قرار نمیگیرد و در بخش دیگر به طور مفصل به خواهیم پرداخت.

اطلاعات با وضوح درشت:
در گذشته برخی از پروژه های طبقه بندی با بکار گیری داده های با وضوح درشت که در یک تاریخ انجام شد و عمدتا عاری از ابر بود انجام می شد. به هر حال، این روش اساسا محدود است چرا که ابرهای ازاد احتمال تحت پوشش قرار دادن یک منطقه از تصویر را کاهش می دهند.بنابراین گرفتن تصاویر مفید جهت نقشه برداری پوشش زمین بسیار مشکل است، مخصوصا اگر فاصله زمانی مطلوب نیز کوتاه باشد.علاوه براین،این قبیل تصاویر حاوی خطاهای سیستماتیک ناشی از اثرات اتمسفری (به عنوان تابعی از طول مسیر) و همچنین تغییر مکرر وضوح فضایی برای سنسور با وضوح درشت هستند.در نتیجه این طبقه بندی مشکل و نیازمند تعامل و تنظیم برای هر سین(scene) ورودی است که استفاده می شود.به این دلایل، تحقیقات در سالهای اخیر با تاکید بر استفاده از تصاویر مرکب(تصاویر کامپوزیت) است.

در فرایند ترکیب،محصول تصویر تا آنجا که ممکن است حاوی اطلاعاتی در مورد سطح زمین است.از آنجا که بخش بزرگی از پیکسل ها معمولا حاوی ابرها هستند و با توجه به اینکه هدف اصلی از این روش انتخاب بهترین اندازه گیری از روی تصاویری است که ابرهای آزاد ندارند.در حال حاضر،غالبا انتخاب بر اساس حداکثر ارزش افزوده از شاخص پوشش گیاهی نرمال براساس(NDVI) (,Holben ۱۹۸۶) است و مزایای استفاده از شاخص (NDVI) شامل حساسیت بالا به آلودگی هوا، سهولت محاسبات، پذیرش بالا در مطالعات قبلی است که در نتیجه خالق یک استاندارد بالفعل است.

درجه تصحیحات ذیل در تحقیقات مختلف متفاوت است. تصحیحات جوی هر چند مقدار جزئی برخی از پارامترهای اقلیمی مهم استفاده می شوند غالبا انجام می شود، و یا اثرات آنها نادیده گرفته می شود(بعنوان مثال،ذرات معلق در هوا).در حالی که تصحیحات جزئی برای اثرات سیستماتیک مانند پخش رایلی که قادر به تشخیص سلولهای خاص آلودگی هوا ناشی از ابرهای کوچک و یا شفاف،مه،تکه های برف نیستند. سالرز و همکاران در سال ۱۹۸۴ از شاخص زمانی NDVI برای بررسی میزان آلودگی هوا استفاده کردند و چیلار در سال ۱۹۹۶ این ایده را در CECANT توسعه داد. ابر از ترکیبات دیگر با استفاده از آلبیدو و شاخص NDVIحذف می شود.از آنجا که آشکار سازی براساس شاخص NDVI به دلیل تمایل به کاهش این شاخص می تواند منابع بالایی از اختلال(نویز) را شناسایی کند(در مقایسه با ارزش منتظره برای یک پیکسل ). CECANT مستلزم آن است که داده ها برای تمام فصل رشد در دسترس باشد به طوری که منحنی شاخص NDVI را بتوان مدل و ترسیم کرد. با این حال، برای داده های جدید(سال جاری) ارائه شده که مقایسه داده برای تمام فصول قابل اجراست(چیلار و همکاران ۱۹۹۹). تصحیحات غیر مستقیم ممکن است به دلیل پیچیدگی و درک مشکل ولی قابلیت اجرا ندارند

داده با وضوح خوب:
در گذشته بسیاری از مطالعات پوشش زمین با استفاده از داده های با وضوح بالا با تصاویر تک انجام می شد(از این پس -scenes- نامیده می شود)، بخش هایی از scenes و یا مجموعه ای از سین ها از مناطق مختلفی هستند.در این مورد سازگاری رادیومتریک انجام نمی شود چون طبقه بندی برای هر منطقه می تواند به صورت جداگانه بهینه سازی شود.چه زمانی طبقه بندی یک سین مرکب (مانند موزائیک سینها)وضعیت پیچیده تر است. در اصل، دو گزینه ممکن است.اول (مورد I) می توان در هر سین به طور جداگانه و پس از آن با کلاس های کل موزائیک مطابقت داد. رویکرد دیگر( مورد II) است که با جمع آوری یک موزاییک از یک سین برای کل منطقه ایجاد یکنواختی رادیومتریک را در سراسر سین موزائیک شده و سپس بعنوان یک طبقه بندی واحد ایجاد می شود.در خصوص مورد I هر سین به عنوان یک داده مجزا طبقه بندی می شود که با استفاده از داده های کمکی برای طبقه بندی مناسب هستند.بنابراین کار آهسته و فشرده است.تسحیحات مرزها بین دو سین مجاور مشکل است و نیاز به تغییر در طبقه بندی ها دارد و یا برچسب زدن(labelling) از سین های تکی استخراج می شود. حتی با این اقدامات اگر از ابتدا تفاوت رادیومتریک قابل توجهی موجود بود ناپیوستگی بین سین ها لزوما حذف نمی گردند. بنابراین حتی با مداخله زیاد توسط تحلیلگر(مفسر) تصحیحات پس از طبقه بندی ضمان موفقیت نیستند. از سوی دیگر مورد Iبسیار انعطاف پذیر است و از عهده محدودیتهای مختلف داده های ورودی بر می آید.