آمار
| تعداد نشریات | 50 |
| تعداد شماره‌ها | 2,169 |
| تعداد مقالات | 20,057 |
| تعداد مشاهده مقاله | 23,644,676 |
| تعداد دریافت فایل اصل مقاله | 21,729,957 |
طبقهبندی و ارزیابی تغییرات کاربری اراضی با استفاده از تصاویر ماهوارهای لندست (مطالعه موردی: دشت ری) | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| انسان و محیط زیست | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| مقاله 19، دوره 20، شماره 3 - شماره پیاپی 62، مهر 1401، صفحه 279-297 اصل مقاله (1.31 M) | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| نوع مقاله: مستخرج از پایان نامه | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| نویسندگان | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
پگاه محمدپور1؛ رضا ارجمندی  2؛ امیر حسام حسنی3؛ جمال قدوسی4
| |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| 1دانشجوی دکتری گروه مدیریت محیط‌زیست، دانشکده منابع طبیعی و محیط‌زیست، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات، تهران، ایران. | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| 2دانشیارگروه مدیریت محیط زیست، دانشکده منابع طبیعی و محیط زیست، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات، تهران، ایران( مسئول مکاتبات) | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| 3استاد گروه مهندسی محیط زیست، دانشکده منابع طبیعی و محیط زیست، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات، تهران، ایران. | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| 4دانشیار، عضوهیئت علمی موسسه مدیریت خاک وآبخیزداری. تهران، ایران | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| چکیده | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| زمینه وهدف: تغییرات کاربری اراضی دراثرفعالیتهای انسانی یکی ازموضوعات مهم دربرنامه ریزیهای منطقه ایی وتوسعه ایی میباشد. عدم توجه به تغییرات کاربری اراضی درچنددهه اخیر مشکلات محیط زیستی فراوانی ازقیبل آلودگی منابع آب، خاک و...را بوجودآورده است. برهمین اساس بررسی وتجزیه وتحلیل کاربری اراضی درمقیاسهای مختلف باهدف توسعه پایداردرمدیریت صحیح محیط زیست ومنابع طبیعی امری ضروری میباشد. سنجش ازدور وسیستم اطلاعات جغرافیایی، امکانات لازم وکافی راجهت استخراج وبه روزرسانی نقشههای کاربری اراضی وتعیین مقدار آنها در اختیار کاربران قرارمی دهد این پژوهش با هدف بررسی تغییرات تبدیل کاربریها با استفاده از فنآوری سنجش از دور و تصاویر ماهوارهای برای چهار دوره زمانی 3 ساله، از سال 1387 تا 1399 در سطح دشت ری انجام شده است. روش بررسی: جهت تهیه نقشههای کاربری اراضی سالهای مورد مطالعه از تصاویر ماهوارهای TM و OLI ماهوارههای لندست 5 و 8 استفاده شد سپس طبقه بندی تصاویر ماهوارهای پس از انجام تصحیحات مورد نیاز با استفاده از 54 نقطه تعلیمی که معرف کاربریهای مختلف در منطقه بودند از طریق برداشتهای میدانی با دستگاه GPS به صورت تصادفی و به گونهای که این نمونهها سطح منطقه تحقیق را پوشش دهند انجام پذیرفت. در مرحله بعد تصاویر ماهوارهای به روش طبقهبندی نظارت شده و با استفاده از الگوریتم حداکثر احتمال همسایگی باصحت کلی39/87 تا 78/95 درصد و ضریب کاپا 85 تا 93درصد در چهارکلاس کاربری، طبقهبندی گردیدند. سپس نقشههای کاربری اراضی بایکدیگرمورد مقایسه قرارگرفتند. یافتهها: براساس تجزیه و تحلیلهای صورت گرفته مشخص شد دربازه زمانی موردمطالعه07/26 کیلومترمربع ازاراضی بایراین محدوده به اراضی کشاورزی، صنعتی ومسکونی تغییرکاربری داده است درنتیجه مساحت اراضی بایردر طول سالهای مورد مطالعه روند کاهشی و سایر کاربریها روند افزایشی را طی نموده است، بطوریکه وسعت اراضی با کاربری کشاورزی، صنعتی ومسکونی به ترتیب به میزان 66/14 کیلومترمربع، 77/9 کیلومترمربع،64/1 کیلومترمربع، افزایش یافته است. بحث ونتیجه گیری: نتایج تحقیق انجام شده گویای این مطلب است که مهم ترین عامل تغییرات کاربری اراضی درمنطقه، فعالیت های انسانی است که موجب تغییرات بسیاری در کاربری اراضی شده است، تجزیه وتحلیل مساحت این کاربری ها نشان داد که سطح اراضی کشاورزی افزایش چشمگیری پیداکرده که عمدتا این افزایش نتیجه تبدیل کاربری بایربه کشاورزی میباشد. درنهایت نتایج این مطالعه گویای این است که تلفیق فن های سنجش ازدور و سیستم اطلاعات جغرافیایی در اجرای مدلهای ارزیابی تغییرات مکانی - زمانی کاربری اراضی، به منظور آگاهی از نوع و درصد کاربری اراضی و میزان تغییرات آن ها، بسیار کارآمد میباشد و به عنوان یک پارامتر مدیریتی میتواند برنامه ریزان بخشهای مختلف اجرایی را در پایش و مدیریت محیط زیست یاری نماید. | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| کلیدواژه‌ها | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| سنجش ازدور؛ الگوریتم حداکثر احتمال همسایگی؛ طبقهبندی نظارت شده؛ کاربری اراضی؛ دشت ری | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| اصل مقاله | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
مقاله پژوهشی فصلنامه انسان و محیط زیست، شماره 62، پاییز 1401، صص 279-297 طبقهبندی و ارزیابی تغییرات کاربری اراضی با استفاده از تصاویر ماهوارهای لندست (مطالعه موردی: دشت ری) پگاه محمدپور[1] رضا ارجمندی[2] * امیرحسام حسنی[3] جمال قدوسی[4] تاریخ دریافت: 28/1/1401 تاریخ پذیرش: 8/4/1401 چکیده زمینه وهدف: تغییرات کاربری اراضی دراثرفعالیتهای انسانی یکی ازموضوعات مهم دربرنامه ریزیهای منطقه ایی وتوسعه ایی میباشد. عدم توجه به تغییرات کاربری اراضی درچنددهه اخیر مشکلات محیط زیستی فراوانی ازقیبل آلودگی منابع آب، خاک و...را بوجودآورده است. برهمین اساس بررسی وتجزیه وتحلیل کاربری اراضی درمقیاسهای مختلف باهدف توسعه پایداردرمدیریت صحیح محیط زیست ومنابع طبیعی امری ضروری میباشد. سنجش ازدور وسیستم اطلاعات جغرافیایی، امکانات لازم وکافی راجهت استخراج وبه روزرسانی نقشههای کاربری اراضی وتعیین مقدار آنها در اختیار کاربران قرارمی دهد این پژوهش با هدف بررسی تغییرات تبدیل کاربریها با استفاده از فنآوری سنجش از دور و تصاویر ماهوارهای برای چهار دوره زمانی 3 ساله، از سال 1387 تا 1399 در سطح دشت ری انجام شده است. روش بررسی: جهت تهیه نقشههای کاربری اراضی سالهای مورد مطالعه از تصاویر ماهوارهای TM و OLI ماهوارههای لندست 5 و 8 استفاده شد سپس طبقه بندی تصاویر ماهوارهای پس از انجام تصحیحات مورد نیاز با استفاده از 54 نقطه تعلیمی که معرف کاربریهای مختلف در منطقه بودند از طریق برداشتهای میدانی با دستگاه GPS به صورت تصادفی و به گونهای که این نمونهها سطح منطقه تحقیق را پوشش دهند انجام پذیرفت. در مرحله بعد تصاویر ماهوارهای به روش طبقهبندی نظارت شده و با استفاده از الگوریتم حداکثر احتمال همسایگی باصحت کلی39/87 تا 78/95 درصد و ضریب کاپا 85 تا 93درصد در چهارکلاس کاربری، طبقهبندی گردیدند. سپس نقشههای کاربری اراضی بایکدیگرمورد مقایسه قرارگرفتند. یافتهها: براساس تجزیه و تحلیلهای صورت گرفته مشخص شد دربازه زمانی موردمطالعه07/26 کیلومترمربع ازاراضی بایراین محدوده به اراضی کشاورزی، صنعتی ومسکونی تغییرکاربری داده است درنتیجه مساحت اراضی بایردر طول سالهای مورد مطالعه روند کاهشی و سایر کاربریها روند افزایشی را طی نموده است، بطوریکه وسعت اراضی با کاربری کشاورزی، صنعتی ومسکونی به ترتیب به میزان 66/14 کیلومترمربع، 77/9 کیلومترمربع،64/1 کیلومترمربع، افزایش یافته است. بحث ونتیجه گیری: نتایج تحقیق انجام شده گویای این مطلب است که مهم ترین عامل تغییرات کاربری اراضی درمنطقه، فعالیت های انسانی است که موجب تغییرات بسیاری در کاربری اراضی شده است، تجزیه وتحلیل مساحت این کاربری ها نشان داد که سطح اراضی کشاورزی افزایش چشمگیری پیداکرده که عمدتا این افزایش نتیجه تبدیل کاربری بایربه کشاورزی میباشد. درنهایت نتایج این مطالعه گویای این است که تلفیق فن های سنجش ازدور و سیستم اطلاعات جغرافیایی در اجرای مدلهای ارزیابی تغییرات مکانی - زمانی کاربری اراضی، به منظور آگاهی از نوع و درصد کاربری اراضی و میزان تغییرات آن ها، بسیار کارآمد میباشد و به عنوان یک پارامتر مدیریتی میتواند برنامه ریزان بخشهای مختلف اجرایی را در پایش و مدیریت محیط زیست یاری نماید. واژگان کلیدی: سنجش ازدور، الگوریتم حداکثر احتمال همسایگی، طبقهبندی نظارت شده، کاربری اراضی، دشت ری
Human and Environment, No. 62, Autumn 2022, pp. 279-297 Classification and Assessment of the land use changes using Landsat satellite imagery (Case Study: Rey Plain)
Pegah Mohammadpour[5] Reza Arjmandi [6]* Amirhessam Hassani [7] Jamal Ghodusi [8]
Abstract Background and Purpose :Land use change due to human activities is one of the important issues in regional and development planning. Lack of attention to land use changes in recent decades has created many environmental problems such as pollution of water resources, soil, etc. Therefore, the study and analysis of land use at different scales with the aim of sustainable development in the proper management of the environment and natural resources is essential. Remote sensing and GIS provide the necessary and sufficient facilities for extracting and updating land use maps and determining its amount. This study aims to investigate changes in land use conversion using remote sensing technology and satellite images for four periods It has been done for 3 years, from 2008 to 2020 in Rey plain. Material and Methodology: TM and OLI satellite images of Landsat 5 and 8 satellites were used to prepare land use maps for the studied years. Then the satellite images were monitored by classification method and were classified using the maximum neighborhood probability algorithm with an overall accuracy of 87.39 to 95.78% and a kappa coefficient of 85 to 93% in four user classes.. In the next step, land use maps were compared. Results: Based on the analysis, it was found that in the period under study, 26.07 square kilometers of Barren lands in this area has changed to agricultural, industrial and residential lands. As a result, the area of Barren lands has decreased and other uses have increased during the studied years. , So that the area of land with agricultural, industrial and residential use has increased by 14.66 square kilometers, 9.77 square kilometers, 1.64 square kilometers, respectively. Discussion and Conclusion: The results of the research show that the most important factor in land use change in the region is human activities that have caused many changes in land use. Analysis of the area of these uses showed that the level of agricultural land has increased significantly, mainly this increase. The result is the conversion of agricultural land use. Finally, the results of this study indicate that the combination of remote sensing techniques and GIS in the implementation of models for assessing spatial-temporal changes in land use, in order to know the type and percentage of land use and the extent of their changes, is very effective. The title of a management parameter can help planners of different executive departments in monitoring and managing the environment.
Keyword: Remote Sensing, Maximum likelihood Algorithm, Supervised Classification, Land Use, Rey Plain
مقدمهکاربری اراضی به شیوهای اطلاق می‌شود که زمین توسط انسانها و زیستگاه آنها با تأکیدبرنقش عملکردی زمین درفعالیتهای اقتصادی مورد استفاده قرار میگیرد. درحالی که پوشش زمین به ویژگی‌های فیزیکی سطح زمین و توزیع پوشش گیاهی، آب، خاک وسایر ویژگی‌های فیزیکی آن اشاره دارد (1). به عبارتی دیگر منظور از کاربری زمین، فعالیتی است که انسان با هدف استفاده ازمنابع طبیعی، سبب رشد وتوسعه اقتصادی - اجتماعی خود شده و در عین حال، ساختارها و فرآیندهای حاکم بر محیط زیست را تغییر میدهد (2). درتعریف دیگر کاربری اراضی به نوع استفاده انسان از زمین اشاره دارد و این نوع استفاده در ارتباط با ارزش زمین با توجه به مشخصات طبیعی آن میباشد کاربری اراضی شامل انواع بهرهبرداری اززمین بهمنطور رفع نیازهای گوناگون میباشد (3). در قسمتهای مختلف زمین و استفاده از اطلاعات پایه برای برنامهریزیهای مختلف از اهمیت ویژهای برخوردار است. بهرهبرداری اصولی ازمنابع طبیعی نیاز به الگوها و مدلهای منطقه دارد تاضمن رعایت دستورالعملهای مدلهای اکولوژیک، بهرهبرداری پایدار را نیز مدنظر قرار دهد. بنابراین یکی از پیش شرطهای اساسی درراستای استفاده مطلوب از زمین، آگاهی از الگوهای کاربری اراضی و تغییرات آن در طول زمان است (4). به دلیل افزایش تغییرات کاربری اراضی آن هم عمدتا به وسیله فعالیتهای انسانی، پایش تغییرات پوشش گیاهی، ارزیابی روند و بررسی اثرات محیطزیستی آنها برای برنامه‌ریزی آینده و مدیریت منابع امری ضروری میباشد. پایش تغییر، فرآیند تعیین تفاوت در وضعیت یا حالت یک شیء یا پدیده با مشاهده آن در زمانهای مختلف میباشد. کاربری یکی از عظیمترین و محسوسترین دگرگونیهای سطح زمین بوده است و ارزیابی این تغییرات در مقیاس‌های فضایی متنوع در طیف وسیعی از دیدگاه‌ها مانند حفاظت از محیط‌زیست، مدیریت منابع، برنامه‌ریزی کاربری زمین و توسعه پایدار امری ضروری است (5). نقشههای کاربری اراضی وپوشش زمین که درآن نوع والگوی مکانی استفاده ازسرزمین مشخص شده است برای برنامه ریزی در سطح محلی و منطقهای حایز اهمیت هستند. در این خصوص برای تهیه نقشههای کاربری اراضی بروز، استفاده از روشهای سنتی مانند نقشهبرداری زمینی عموما وقتگیر و پرهزینه میباشند. به همین دلیل امروزه استفاده از فناوری سنجش از دور و بکارگیری تصاویر ماهوارهای به دلایلی مانند صرفهجویی در زمان، کاهش هزینهها نسبت به روش سنتی، بروز بودن اطلاعات، افزایش دقت و سرعت میتواند در شناسایی محیط و شناخت و استخراج کاربریهای آن در جهت تصمیمگیری برای برنامهریزیها، کارآمد و مفید باشد (6). بنابراین آشکارسازی و مدل سازی تغییرات کاربری اراضی با استفاده از دادههای سنجش از دور در محیط GIS میتواند شناخت مناسبی از چگونگی تغییرات کاربری اراضی داده و در مدیریت آن راهکارهای مناسبی ارائه دهد (7). تجزیه و تحلیل این دادههای ماهوارهای میتواند بینشهای صحیح جهت تعامل انسان با محیط طبیعی فراهم کند. به خصوص استفاده از تجزیه و تحلیل تصاویر چندطیفی میتواند به انسان جهت شناسایی پوشش زمین کمک کند (8). استفاده از روشهای سنتی در دهههای گذشته از قبیل نقشههای کاغذی، اجرای عملیات صحرایی و دادههای آماری در دسترس جهت شناسایی کاربری اراضی و تغییرات آن، زمانبر و مقرون بهصرفه نبود (9). سنجش از دور (RS)[9] و سیستم اطلاعات جغرافیایی (GIS)[10] ابزارهای ضروری در به دست آوردن دادههای مکانی دقیق و به موقع از کاربری زمین و تجزیه و تحلیل آن تغییرات در یک منطقه مورد مطالعه هستند (10). امروزه تکنولوژی سنجش از دور و سامانه اطلاعات جغرافیایی (GIS) ابزارهای مناسب و موثری برای پایش تغییرات محیطی و استخراج کاربری اراضی است و دارای بیشترین سرعت و دقت در این زمینه میباشند که میتوان با استفاده از دادههای چندزمانه سنجش از دور در کوتاهترین زمان و کمترین هزینه نسبت به استخراج کاربریهای اراضی اقدام کرد و سپس با مقایسه آن در دورههای زمانی مختلف نسبت تغییرات را ارزیابی نمود. سنجش از دور (RS) و سیستم اطلاعات جغرافیایی (GIS) در مدلسازی تغییرات کاربری اراضی نقش فراوانی در تجزیه و تحلیل هر یک از کلاسهای کاربریها دارد به طوری که باپردازش تصاویر وصحت طبقه بندی وانتخاب مناسب باندها میتوان به نتایج قابل قبولی درامرمدیریت سرزمین وپیش بینی تغییرات آینده دست پیداکرد. تصاویر سنجش از دور با وضوح متغیر در ترکیب با مدلهای توصیفی، چشم اندازفوق العاده‌ای را برای مشخص کردن اراضی نشان میدهند (10).
سوابق پژوهشهای انجام شده در ایران و جهان در چند دهه اخیر مطالعات متعددی در زمینه به کارگیری سنجش از دور و تصاویر ماهوارهایی جهت استخراج نقشههای کاربری اراضی و بررسی تغییرات ایجاد شده در پوشش زمین انجام گرفته است که به چند مورد از آنها اشاره شده است. حسینی و همکاران در مطالعه سال 2019 تغییرات کاربری منطقه طارم، واقع در شمال غرب ایران را مورد بررسی قرار دادند، سپس با استفاده از تصاویر ماهواره لندست مربوط به سالهای 1393 و 1398 انواع کاربریهای منطقه به روش طبقهبندی نظارت شده حداکثر احتمال تشابه استخراج شد. نتایج نشان داد، بیشترین مساحت محدوده مطالعاتی، متعلق به پهنه کوهستانی است و مشخص گردید که بیشترین تغییرات در کاربری اراضی مربوط به زمینهای بایر و مراتعی است که در طی سه سال، تبدیل به باغات گردیده و در آنها درختکاری انجام شده است (11). فرخ نیا و همکاران در سال 2018 با استفاده از تصاویر ماهوارهای و تکنیکهای طبقهبندی در خصوص تغییر کاربری اراضی در حوضه آبریز دریاچه ارومیه طی بازه 1366-1386 نشان دادند که اراضی زیرکشت آبی با 32 درصد و اراضی دیم با30 درصد به ترتیب رتبههای اول و دوم بیشترین نرخ افزایش وسعت را داشتهاند. این در حالی است که مراتع کاهش 5/8 درصدی را در دوره مطالعاتی نشان دادند (12). در مطالعهای دیگر رودریگوز و همکاران در سال 2018 به تأثیر تغییر کاربری زمین بر تنوع زیستی و اکوسیستم در جنگلهای معتدل شیلی پرداختند و به این نتیجه رسیدند که تغییر کاربری زمین بر تنوع زیستی و خدمات اکوسیستم که به طور ذاتی با یکدیگر مرتبط اند تأثیر میگذارد (13). کیانی سالمی و همکاران در سال 2018در تحقیقی با استفاده از تصاویر ماهوارههای+ETM و OIL لندست 7 و 8 در فاصله زمانی 1382 تا 1395 با الگوریتم حداکثر احتمال تشابه اقدام به شناسایی تغییرات کاربری اراضی شهرکرد کردند، تغییرات نشان میدهد میزان اراضی شهری از 1632 هکتار در سال 1382 به 2220 هکتار در سال 1395 توسعه یافته است. میزان فضای سبز شهری نیز از 577 هکتار در سال 1382 به 664 هکتار در سال 1395 افزایش یافته است. نتایج نشان میدهد که میزان اراضی شهری در سال 1395، به میزان 13 درصد نسبت به سال 1382 افزایش یافته است، در حالی که فضای سبز شهری 6/11 درصد افزایش یافته است (14). در تحقیقی سبزقبایی و همکاران در سال 2017 با استفاده از تصاویر ماهوارههای MSS و TM لندست 5 و 8 در سالهای 1364، 1379 و 1392 به روش طبقهبندی نظارت شده با الگوریتم حداکثر احتمال تشابه، تغییرات کاربری اراضی بخش جنوبی شهر اندیمشک را طی سالهای 1364 تا 1392 مورد بررسی قرار دادند، نتایج نشان داد که از سال 1364 تا 1392 مساحت مراتع کاهش یافته و به مساحت مناطق مسکونی، زمینهای کشاورزی و اراضی پوشیده از آب افزوده شده است. بیشترین تغییر در میان کاربریهای مورد مطالعه در بازه زمانی 28 ساله مربوط به زمینهای مرتعی میباشد که به میزان 09/17905 هکتار کاهش داشته است و کمترین تغییر مربوط به مناطق شهری میباشد که به میزان 97/2840 هکتار افزایش داشته است (15). مظاهری و همکاران در سال 2014در پژوهشی به بررسی تغییرات زمانی کاربری اراضی منطقهی جیرفت با استفاده از تصاویر ماهوارهای لندست (TM و +ETM) در بازهی زمانی 1978 تا2010 پرداختند. تجزیه و تحلیل تغییرات زمانی تصاویر نشان داد که در طی 23 سال در منطقهی تحقیق، مناطق مسکونی 9/7 درصد و مناطق زراعی 10/42 درصد افزایش یافتهاند و از سویی دیگر مناطق باغی و بایر نیز هر کدام به ترتیب 93/17 و 07/32 درصد کاهش یافتهاند(16). با استفاده از تصاویر ماهوارهای و سیستم اطلاعات جغرافیایی، پاندیان و همکاران در سال 2014 تغییرات کاربری اراضی منطقه تامیل نادو کشور هند را در دو بازه زمانی مورد بررسی قرار دادند، نتایج نشان داد که در بازههای زمانی مورد نظر در پژوهش، تغییرات عمده در کاربری اراضی ایجاد شده است، که از آن جمله میتوان به تغییرات اراضی با کاربری کشاورزی که از 9/33 درصد به 3/26 درصد کاهش یافته و درصد زمینهای بایر که از 9/43 درصد به 54 درصد افزایش یافته است، اشاره نمود (17). یوسفی و همکاران در سال 2014 تغییرات کاربری اراضی دشت بجنورد را مورد بررسی قرار دادند. در این پژوهش از الگوریتم حداکثر احتمال جهت طبقهبندی تصاویر ماهوارههای لندست 5 و8 در سالهای 1377، 1385 و 1392 استفاده گردید. نتایج بیانگر تغییرات گستردهای در منطقه مورد مطالعه بوده است. اراضی دیم و مراتع روندی کاهشی را در بازه زمانی مورد مطالعه داشته است. اراضی کشاورزی آبی و باغات نیز تا سال 1385 روند کاهشی و در بازه بعدی تا سال 1392 روند افزایشی داشته است اراضی شهری و انسان ساخت نیز از 7/17 درصد کل منطقه در سال 1377 به 2/30 درصد در سال 1385 و 48/36 درصد در سال 1392 افزایش یافته است (18). در منطقهی شهری تیری پاتی در هند در بازه زمانی 1973 تا 2003 مالاپاتو و همکاران در سال 2013 اقدام به تجزیه و تحلیل تغییرات کاربری اراضی زمین با استفاده از سنجش از دور، سامانه اطلاعات جغرافیایی و تصاویر ماهوارهای کردند، نتایج این مطالعه نشان دهندهی افزایش قابل توجه در مساحت مناطق شهری و همچنین کاهش معنیدار در مناطق کشاورزی و جنگلی در طی دورهی مورد مطالعه است (19). آلدوسکی و همکاران در سال 2013 با استفاده از تصاویر ماهوارهای لندست و روش طبقهبندی نظارت شده تغییرات پوشش اراضی در حلبچه عراق راطی سالهای 1990-1986 بررسی نمودند. نتایج تحقیق درمنطقه مورد مطالعه کاهش 8/40% اراضی کشاورزی و افزایش 9/57% مناطق شهری و 14% پوشش گیاهی را مشخص نمود (20). هاکو و همکاران در سال 2017 با کاربرد دادههای ماهوارهای دربنگلادش گزارش نمودند تغییر قابل ملاحظه کاربری اراضی وتوسعه بیرویه اراضی کشاورزی در طول 30 سال موجب تخریب گسترده جنگلها و مراتع شده است (21). در مطالعهای در سال 2012 ارنرو همکاران، به بررسی ویژگی‌های زمانی و مکانی گسترش شهری در خلیج گوک ترکیه به منظور حمایت از مفهوم توسعه پایدار با استفاده از سنجش از دور (RS) و تصاویر ماهوارهای و ترکیب آن با سیستم اطلاعات جغرافیایی (GIS) پرداختند. نتایج حاصل از تصاویر ماهوارهای با وضوح بالا نشان داد که در منطقه مورد مطالعه نرخ ساخت و ساز 135.72 درصد افزایش و پوشش گیاهی 29.38 درصد کاهش داشته است (22). رفیع شریف آباد و همکاران (1395) در مطالعهایی با استفاده از تصاویر ماهوارهای به بررسی روند تغییرات کاهش کیفیت آب زیرزمینی دشت اردکان یزد پرداختند. نتایج مطالعات آنها نشان دهنده افزایش وسعت کاربری شهری و مسکونی و نیز کاهش اراضی مرتع طی سالهای مطالعاتی بود که درنتیجه این تغییرات کاهش کیفیت در منابع آب رخ داده است (23). در تحقیقی در سال 2017 سبزقبایی و همکاران با استفاده از تصاویر ماهوارههای MSS و TM لندست 5 و 8 در سالهای 1364، 1379 و 1392 به روش طبقهبندی نظارت شده با الگوریتم حداکثر احتمال تشابه، تغییرات کاربری اراضی بخش جنوبی شهر اندیمشک را طی سالهای 1364 تا 1392 مورد بررسی قرار دادند، نتایج نشان داد که از سال 1364 تا 1392 مساحت مراتع کاهش یافته و به مساحت مناطق مسکونی، زمینهای کشاورزی و اراضی پوشیده از آب افزوده شده است. بیشترین تغییر در میان کاربریهای مورد مطالعه در بازه زمانی 28 ساله مربوط به زمینهای مرتعی میباشد که به میزان 09/17905 هکتار کاهش داشته است و کمترین تغییر مربوط به مناطق شهری میباشد که به میزان 97/2840 هکتار افزایش داشته است (24). نصرالهی و همکاران (1393) در مطالعهای تاثیر روند تغییرات کاربری اراضی بر منابع آب زیرزمینی دردشت گیلانغرب را با استفاده از تصاویر ماهوارهایی مورد ارزیابی قرار دادند و پی بردند که در اثر جایگزینی کاربری مرتع باکاربریهای کشاورزی دیم و کشاورزی آبی بر میزان افت آب زیرزمینی افزوه شده است (25).
منطقه مورد مطالعه استان تهران با وسعتی حدود 12981 کیلومتر مربع بین طولهای شرقی'20°50 و'09 °53 و عرضهای شمالی '53 °34 و'07 °36 جغرافیایی، دربخش شمال کشور قرار گرفته است. این استان از شمال به استان مازندران، از جنوب به استان قم، از جنوب‌غربی به استان مرکزی، از غرب به استان البرز و از شرق به استان سمنان محدود می‌شود،. محدوده مورد مطالعه با وسعتی حدود 30446 هکتار، از شمال به تهران، از جنوب به شهرستان قم، از شرق به شهرستان ورامین و شهرستان پاکدشت، از غرب به شهرستان‌های اسلامشهر، رباط کریم محدود می‌شود. منطقه تحقیق بخشی از حوضه فلات مرکزی را شامل میباشد که از نقطه نظر تقسیمبندی هیدرولوژیکی حوضههای آبریز کشور در حوضه آبریز دریاچه نمک قرار گرفته است (شکل 1).
شکل 1- موقعیت جغرافیایی منطقهی مطالعاتی Figure 1- Geographical location of study area
روش شناسی تحقیق دادهها و نرم افزارهای مورد استفاده بهجهت مشخص کردن تغییرات کاربری اراضی از تصاویر ماهوارهای لندست استفاده شده است. تصاویر ماهوارهای از سایت سازمان زمینشناسی ایالات متحده آمریکا (USGS)[11] دانلود گردید. تصاویرارائه شده توسط ماهواره لندست 5 و8 برای سالهای 1387، 1390، 1393، 1396 و 1399 جهت شناسایی کاربری اراضی مورد استفاده قرار گرفت. یک تصویر در شماره گذر (مسیر) 164 و شماره ردیف 035 منطقه تحقیق را در بر میگیرد. دادههای تصاویر طوری انتخاب شدند که تاحد امکان دارای فصل مشابه از نظر پوشش گیاهی باشند با انجام تصحیحات اتمسفری مورد نیاز، بر اساس ورودیهای مدل (FLAASH) [12]در جدول (1) و تایید زمین مرجع بودن تصاویر با استفاده از روش تصویر- وکتور (همه تصاویر اخذ شده دارای سیستم مختصات جهانی جغرافیایی مرکاتور معکوس و زون 39 میباشند تصاویر با یکدیگر موزاییک و ادغام شدند و سپس براساس مرزهای محدوده مورد مطالعه تصاویر حاصل از مرحله قبل برش داده شده و به عنوان تصاویر نهایی برای انجام پژوهش انتخاب شدند. از آنجایی که هدف مطالعهی حاضر، بررسی تغییرات کاربری اراضی دشت ری است، تصاویر مورد نیاز به گونهای از میان تصاویر در دسترس انتخاب شدند که دارای شرایط تشابه فصل از نظر پوشش گیاهی، نزدیک بودن تاریخ تصاویر از نظر ماه، حداکثر میزان سبز بودن گیاهان، درختان، زمینهای کشاورزی و مزارع موجود در منطقه و دارای حداقل پوشش ابر باشند. همچنین جهت پردازش و رقومیسازی این تصاویر از نرمافزارهای 5.3 ENVIکه قابلیت بالایی درتحلیل سامانه اطلاعات جغرافیایی دارد و نرمافزار 10.6 ArcGIS که برای تهیه نقشههای چندزمانه کاربری اراضی کاربرددارد برای پهنه بندی الگوی تغییرات اراضی استفاده شده است.
آمادهسازی، پیشپردازش و پردازش تصاویر ماهوارهای به طور کلی مراحل کار سنجش از دور شامل: پیش پردازش، پردازش و پس پردازش تصاویر میباشد (26). مرحله پیش پردازش در واقع تصحیح وبهینه سازی اطلاعات میباشد که سعی می‌شود خطاهای سیستماتیک و غیرسیستماتیک موجود در تصاویر تصحیح گردد. به عبارتی دیگر پیش پردازش دادهها به منظورآماده سازی آنها برای ورود به طبقهبندی صورت میگیرد. از جمله مراحل پیش پردازش تصحیحات هندسی و رادیو متریکی هستند که قبل ازهرگونه استفاده از تصاویر ماهوارهای باید توسط کاربران کنترل شوند (27). پیش از شروع تجزیه و تحلیل بر روی دادههای سنجش از دور باید تصحیحاتی بر روی این دادههای خام انجام شود. از مهمترین مراحل در پردازش تصاویر ماهورهای، مرحله پیشپردازش این تصاویر است، به دلیل اینکه تمامی محاسبات بعدی بر اساس تصویر تولیدی در این مرحله انجام میگیرد در این مرحله بایستی خطاها شناسایی شوند (28). به عبارت دیگر دادههای ماهوارهای دارای یکسری خطاها میباشند که باید نسبت به برطرف کردن آنها اقدام کرد. تصاویرماهوارهای گاهی باخطاهای سیستماتیک رادیومتریک مواجه میشوند که ارزش آنها را برای بررسیهای بعدی وپردازشهایی که بهمنظور استخراج اطلاعات ارزشمندانجام میشوند، ازبین میبرد. به همین منظور لازم است تااین خطاها تا حد امکان ازروی تصاویر ماهوارهای برداشته شوند (29). این خطاها را میتوان به دو گروه خطاهای ژئومتریک و خطاهای رادیومتریک دستهبندی کرد (30). هر عامل یا پارامتری که امواج الکترومغناطیس (EMR)[13] رسیده به سنجنده را تحت تاثیر قرار دهد به گونهای که ماهیت اولیه آن را تغییر دهد به عنوان یک عامل اثرگذار و خطای رادیومتریکی شناخته می‌شود. تصحیح اتمسفری نیز در راستای تصحیح رادیومتریکی بوده و برای برطرفسازی اثرات اتمسفر، که به وسیله پراکنش و جذب مولکولی ذرات موجود در اتمسفر در هنگام تابش و در حسگر در هنگام بازتاب از سطح ایجاد می‌شود به کار میرود، مهمترین عوامل ایجادکننده خطاهای رادیومتریکی زمین، اتمسفر و سنجنده است (31). معمولاً تصاویر ماهوارهای دارای انحرافاتی هستند و نمیتوان از این تصاویر به عنوان نقشههای مسطح بطور مستقیم استفاده کرد. هدف از تصحیحات هندسی جبران خطاهایی است که لایهی رقومی تصحیح شده قابلیت انطباق با موقعیتهای سطح زمین را داشته باشد (32). به طور کلی منظور ازتصحیح هندسی یک تصویر، تغییر سیستم مختصات اجزای سازنده تصویر و انطباق آن با نقشههای نظیرویا تصویری است که قبلا برروی آن تصحیح هندسی صورت گرفته است (23). در این تحقیق تصاویر ماهوارهایی از سایت سازمان زمینشناسی ایالات متحده آمریکا (USGS) دانلود گردید.جهت پردازش تصاویر ماهوارهای ابتدا خطاهای هندسی و رادیومتریک دادههای خام شناسایی و برطرف شدند. برای تصحیح هندسی تصاویر با توجه به زمین مرجع بودن تصاویر، از روش تصویر به تصویراستفاده شده است. برای انطباق دقیق موقعیت پدیدهها با مختصات جغرافیایی آنها در سطح زمین، تصویر سال 1399 به دلیل نزدیک بودن به زمان تحقیق و شناخت بهتر پدیدهها بر اساس نقشههای توپوگرافی 1:50000 و 27 نقطه کنترل زمینی برداشت شده با GPS، با پراکنش مناسب از تقاطع جادهها و خیابان هاونقاط مشخص و... با خطای (RMS)[14] 36/0پیکسل تصحیح هندسی شد و به عنوان مرجع، برای تصحیح تصاویر سالهای 1396، 1393، 1390 و 1378 با استفاده از معادله درجه اول مورد استفاده قرار گرفت. پس از تصحیح هندسی، برای ایجاد تصویر جدید، نمونهبرداری مجدد با روش نزدیکترین همسایه انجام گرفت. در این روش برای محاسبه درجه روشنایی پیکسل تصویر جدید، از درجه روشنایی پیکسلهای مجاور استفاده می‌شود و ارزش طیفی پیکسلی که به پیکسل جدید نزدیکتر است به آن تعلق میگیرد. این روش از تغییر ارزش پیکسلهای اولیه جلوگیری میکند (33). در نهایت تصویر سالهای 1396، 1393، 1390 و 1387 نسبت به تصویر سال 1399 با خطای RMS کمتر از 39/0 پیکسل تصحیح هندسی شدند. به منظور انجام تصحیح اتمسفری از الگوریتم FLAASH در محیط نرمافزار 5.3 ENVI استفاده شد. از آنجایی که این الگوریتم از مدل انتقال تابش 4 MODTRAN استفاده میکند دارای دقت تصحیح اتمسفری بالایی است (34). الگوریتم تصحیح اتمسفری FLAASH با فرض حضور پیکسلهای تیره که میتوان به عنوان پیکسل مرجع با بازتاب سطحی مشخص در نظر گرفته شود، انجام می‌شود (35). نسخه 5.3 ENVI محیطی برای بصریسازی و پردازش تصاویر ماهوارهای است که با استفاده ازاین نرمافزار میتوان تصاویر حاصل از سنجندههای هوابرد و فضابرد را به انجام رساند. همچنین، امکان پردازش انواع دادههای سنجش ازدوردریک محیط کاربرپسند بصورت جامع فراهم شده است. تصحیح اتمسفری، به میزان قابل ملاحظهای وضوح تصویر را افزایش میدهد. در جدول 1 پارامترهای ورودی مدل FLAASH ارائه شده است.
طبقهبندی تصاویر یکی از تحلیلهای مهمی که برروی تصاویر ماهوارهای انجام میگیرد، طبقه بندی این تصاویر میباشد. در حقیقت فرآیند طبقهبندی تصویر، تبدیل دادهها به اطلاعات قابل درک است (36). طبقهبندی رقومی تصاویرکمک میکند تا فرآیند طبقهبندی به واقعیت نزدیکتر باشد (37). طبقهبندی تصاویر به عنوان اصلیترین مرحله پردازش تصاویر محسوب می‌شود در این روش، امکان تبدیل فضای تصویر (بازتابهای ثبت شده در باندهای مختلف) به فضای واقعی (نقشههای پوشش زمین و کاربری اراضی) ممکن می‌شود. اصولاً، طبقهبندی فرآیند دستهبندی پیکسلها در تعداد مشخصی از دستهبندی بر اساس ارزشهای بازتابشی ثبت شده در فضای هر تصویر ماهوارهای است (38). به طورکلی میتوان روشهای طبقه بندی رابه دو روش نظارت شده و نظارت نشده تقسیم بندی نمود(37). جهت طبقهبندی نظارت شده تصاویر ماهوارهای، پس از تعیین کلاسهای کاربری اراضی ابتدا باید برداشت نمونه های تعلیمی یا آموزشی برای هر کدام از کلاسها با دقت انجام شود. انتخاب این نمونهها باید به صورتی انجام شود تا این نمونهها سطح منطقه تحقیق با کاربریهای مختلف را پوشش داده و دارای پراکنش مناسبی در سطح تصویر باشند. نمونههای آموزشی مورد نیاز بر اساس بازدیدهای صحرایی به صورت تصادفی با استفاده از دستگاه 1 (GPS) برای هر یک از کاربریهای شناسایی شده در منطقه و تصاویر ماهوارهای نرم افزار Google Earth با بزرگنمایی بالا و بازدیدهای میدانی جهت تایید صحت نمونههای برداشت شده از طریق Google Earth که روش توصیه شده توسط محققین مختلف است، تهیه شده است(39) شکل(2). پس از جمعآوری نمونههای تعلیمی و پیادهسازی بر روی تصاویر در نرمافزار 5.3 ENVI ازالگوریتم حداکثر احتمال همسایگی برای طبقهبندی تصاویر استفاده شد. در نهایت نقشه کاربری اراضی اولیه برای هر تصویر بر اساس نمونههای آموزشی برداشت شده و الگوریتم حداکثر احتمال همسایگی تهیه گردید.
جدول 1- پارامترهای ورودی مدل FLAASH برای هر تصویر Table 1- FLAASH model input parameters for each image
شکل 2 - نقشه موقعیت نقاط تعلیمی برداشت شده Figure 2- Map of the location of educational points[15]
جهت بهبود نتایج حاصله و حذف پیکسل نویزهای تصاویر طبقهبندی شده از فیلتر اکثریت با ابعاد 3×3 استفاده شده است. الگوریتم حداکثر احتمال همسایگی، از روشهای طبقهبندی پیکسلپایه و از پرکاربردترین الگوریتمها در طبقهبندی تصاویر ماهوارهای است. این الگوریتم ازدسته الگوریتمهای یادگیری برپایه مثال بوده وجزء 10 الگوریتم برتر دادهکاوی محسوب می‌شود (40). در این روش کلاسی به پیکسل مورد نظر تعلق میگیرد که بیشترین احتمال تعلق پیکسل به آن کلاس وجود دارد .درفرآیند طبقه بندی باالگوریتم نزدیکترین همسایه پیکسلها براساس وزنشان به کلاسهای مختلف نسبت داده میشوند (طبقهبندی نرم) دراین روش طبقهبندی، پیکسل آمیخته ازیک درجه عضویت برای هرکلاس برخوردار است و بر اساس منطق فازی متناسب با بیشترین درجه عضویت دریک کلاس خاص طبقه بندی میشوند (41). به هنگام استفاده ازطبقهبندی نزدیکترین همسایه، بالاترین درجه عضویت، نزدیک ترین فاصله ازیک نمونه معین را نشان میدهد. برای هرکدام ازشیءهای تصویری افزایش شیب تابع نزدیکترین همسایه میتواند باعث افزایش نتیجه بهترین طبقهبندی گردد (42). این روش پارامتریک کلاسبندی، از واریانس و کوواریانس دادهها برای تفکیک طبقات استفاده میکند (43). الگوریتم نزدیکترین همسایگی یک روش پارامتری مورد استفاده برای طبقهبندی ورگرسیون است.درهرمورد، ورودی شامل نزدیکترین نمونههای آموزشی در فضای ویژگی میباشد. در هر مورد طبقهبندی ورگرسیون، میتوان به کمک همسایگان وزندهی را انجام داد، به طوری که همسایه نزدیکتر اهمیت بیشتری نسبت به همسایه دورتر دارد (44). در این روش، از پارامترهای آماری برای هر دسته (کلاس) از کاربری اراضی استفاده می‌شود و فرض می‌شود که هر کلاس کاربری در هر باند، دارای تابع توزیع نرمال میباشد. در این روش، احتمال تعلق یک پیکسل مشخص، به یک کلاس مورد نظر بر اساس رابطه (1) محاسبه می‌شود (45). رابطه 1
در رابطه فوق i نشانگر هر کلاس کاربری میباشد. X داده n بعدی است (n تعداد باندها میباشد). پارامتر p(wi) احتمال اینکه کلاس wi در تصویر وجود داشته باشد را محاسبه میکند و فرض شده است که مقدار آن برای همه کلاسها یکسان است. |Σi| دترمینان ماتریس کوواریانس دادهها در کلاس wi، Σxi-1، ماتریس معکوس آن و mi نیز، بردار میانگین است.
تعیین روش پایش تغییرات آشکارسازی تغییرات فرآیندی است که وضعیت تغییرات پدیدهها را از روی تصاویر به دست آمده در زمانهای مختلف مشخص میکند. روشهای مختلفی برای آشکارسازی تغییرات کاربری اراضی از دادههای سنجش از دور ایجاد شدهاند. این روشها بهطور کلی در دو طبقه قرار میگیرند، دسته اول روش پیشطبقهبندی است، روشهایی که آشکارسازی تغییرات را انجام میدهند و سپس طبقات را مشخص میکنند (46). فرض اساسی در این روشها این است که تغییرات کاربری زمین، در نتیجه تفاوتهای مقادیر بازتاب پیکسلها بین تاریخهای مورد نظر است (47). دسته دوم، رویکرد پسطبقهبندی است، روشهایی هستند که اول طبقات را مشخص میکنند و سپس آشکارسازی تغییرات را انجام میدهند (46). برای محاسبه و تعیین تغییرات در این تحقیق از روش مقایسه پس از طبقهبندی استفاده شد و تغییرات کاربری اراضی در مقاطع زمانی مورد مطالعه تعیین گردید جدول (3و4). این روش جهت تعیین تغییرات نیاز به نقشههای کلاسبندی شدهای دارد که به طور مستقل تهیه شدهاند. از مزایای این روش این است که میتواند دادههای پایهای سازگار با محیط GIS ایجاد کند که به عنوان کلاس یا گروه تعریف می‌شود و مقادیر کمی هر کلاس را تعیین نماید (48). این محاسبه عددی با مقایسه دو نقشه طبقهبندی شده کاربری اراضی، با استفاده از جفت کلاسهای مشخص شده توسط تحلیل گر انجام می‌شود (49). برای محاسبه و اندازهگیری بزرگی تغییرات هر یک از کلاسهای کاربری اراضی در هر دوره زمانی، از تفاضل مساحت محدوده هر کلاس در سال دوم از مساحت سال اول بر اساس رابطه (2) محاسبه شده است. رابطه (2) MC=Ai2-Ai1
در رابطه فوق، MC بزرگی تغییرات، Ai2 وAi1 نیز به ترتیب مساحت کلاس i در سال دوم و مساحت آن کلاس در تصویر سال قبل است. با تقسیم نتیجه رابطه (2) بر مقدار مساحت آن کلاس در سال اول و ضرب در 100، بر طبق رابطه (3)، روند یا درصد تغییر (PC) هر کلاس محاسبه می‌شود. رابطه (3) PC=(MC/Ai1) ×100
ارزیابی صحت طبقهبندی در طبقهبندی نظارت شده، اساس کار طبقهبندی روی نمونههای تعلیمی و خصوصیات طیفی آنها استوار میباشد. در مطالعات دورسنجی به منظور ارزیابی صحت نقشههای تولید شده، نقشه واقعیت زمینی )نقشه مبنا( را میتوان به صورت بصری از روی تصاویر هوایی بزرگ مقیاس و یا از روش میدانی تهیه کرد برای تهیه نقشه واقعیت زمینی دقیق از تمام کاربریها در منطقه مورد مطالعه، با استفاده از GPS، نمونههای تعلیمی به صورت پراکنده و تصادقی برداشت شد و در حین برداشت موقعیت این نقاط بر روی تصویر منطقه مورد مطالعه، نیز مشخص گردید. از طریق معیار تفکیک واگرایی جفریز- ماتوسیتا بهترین مجموعه کلاسها برای طبقهبندی تعیین شد حد تفکیک معیار واگرایی و فاصله جفریز- ماتوسیتا بین 2-0 میباشد اگر در کلاسها حد تفکیک پذیری بیش از 9/1 باشد نشان دهنده این است که کلاسها تفکیک پذیری خوبی دارند و در صورتی که حد تفکیکپذیری کمتر از 1 باشد، نشان دهنده این است که تفکیک پذیری پایین دارند(50). در فرایند طبقهبندی تصاویر، تا زمانی که دقت تصاویر تولید شده مورد ارزیابی قرار نگرفته و تایید نشود، به نتایج آن نمیتوان اعتماد کرد. بنابراین، باید صحت تصاویر تولید شده مورد سنجش قرار گیرد. بدین منظور، آماره دقت کلیکلاسبندی و ضریب کاپا، با استفاده از ماتریس خطا محاسبه شد .دقت کلی طبقهبندی، درصد سلولهایی را که به درستی طبقهبندی شدهاند را نشان میدهد و از جمع عناصر قطر اصلی ماتریس خطا، تقسیم بر تعداد کل پیکسلها بهدست میآید. در نقشههای کاربری استخراج شده از تصاویر ماهوارهای، این مقدار باید بالاتر از 85 درصد باشد که از طریق رابطه (4) محاسبه می‌شود (7). رابطه (4) در رابطه (4)، OA بیانگر دقت کلی، N تعداد کل پیکسلهای مورد استفاده در طبقهبندی و Pij جمع عناصر قطر اصلی ماتریس خطا است. ضریب کاپا نیز تطابق بین نتایج طبقهبندی و واقعیت زمینی را نشان میدهد که از طریق رابطه (5) محاسبه می‌شود (51). رابطه (5) در رابطه (5)، P0 بیانگر درستی مشاهده شده و Pc بیانگر توافق مورد انتظار است. حالت ایدهآل برای مقدارضریب کاپا عدد یک میباشد و چنانچه این مقدار برابر صفر باشد طبقهبندی کاملاً تصادفی و اگر مقدار منفی به دست بیاید نشاندهنده خطا در طبقهبندی است. در جدول (2) نتایج حاصل از محاسبات دقت کلی و ضریب کاپا برای هر یک از طبقهبندیهای انجام شده نشان داده شده است.
یافتههای تحقیق پس از اعمال روش طبقهبندی نظارت شده حداکثر احتمال همسایگی با استفاده از نمونههای آموزشی در نرمافزار ENVI، طبقهبندی تصاویر ماهواهای انجام شد. بدین ترتیب نقشه کاربری اراضی برای سالهای 1387، 1390، 1393، 1396 و 1399 در 4 کلاس کاربری اراضی شامل اراضیزراعی آبی، بایر، مسکونی و صنعتی، مطابق شکلهای (3 تا 7) استخراج شد. در مرحله بعد، با انجام بازدید میدانی و نمونهبرداری تصادفی با دستگاه GPS از کاربریهای مختلف در سطح منطقه، پارامترهای صحت کلی و ضریب کاپا بر طبق جدول (2) بدست آمد. سپس به منظور گرفتن خروجی و ساخت نقشه، از نرمافزار 10.6Arc Map استفاده شده است. پس از به دست آوردن خروجی مدنظر، بر اساس نقشههای تولیدی، مساحت هر کلاس و شناسایی تغییرات کلاسهای مختلف در طول دورههای زمانی مورد مطالعه بر اساس روش مقایسه پس ازطبقه بندی درجدول های(4و3) محاسبه گردید.
جدول 2- نتایج حاصل از صحت طبقه بندی تصاویر Table 2- The results of the accuracy of image classification
مأخذ: محاسبات نگارندگان، 1400 Source: Authors' calculations, 1400
جدول 3- مساحت و درصد انواع کاربریها در مقاطع زمانی مورد مطالعه در منطقه تحقیق و تغییرات آنها Table 3- The area and percentage of land use types in the studied time periods in the research area and their changes
جدول 4- مساحت و درصد انواع کاربریها در مقاطع زمانی مورد مطالعه در منطقه تحقیق و تغییرات آنها Table 4- The area and percentage of land use types in the studied time periods in the research area and their changes
بر اساس نتایج حاصل، تغییرات انواع کاربریهای اراضی برای سالهای 1387، 1390، 1393، 1396 و 1399 به شرح زیر بوده است:
اراضی با کاربری کشاورزی این اراضی به صورت کشت آبی شامل زراعت آبی و باغات است و در نقشههای کاربری اراضی مشخص شدهاند. مساحت این اراضی در فاصله زمانی 1387 تا 1399 به میزان82/4 درصد افزایش یافته است. بر اساس نتایج مشخص شد که سطح این اراضی از 10/202 کیلومترمربع (38/66 درصد) در سال 1387 به 35/204 کیلومترمربع (67.12) درصد در سال 1390 و از 68/207 کیلومتر مربع (21/68) درصد در سال 1393 به 68/211 کیلومتر مربع (52/69 درصد) در سال 1396 و 76/216 کیلومتر مربع (20/71 درصد) در سال 1399 افزایش یافتهاند.
اراضی با کاربری صنعتی سطح این اراضی در فاصله زمانی 1387 تا 1399 به میزان 3.21 درصد افزایش یافته است. سطح این اراضی از 45/34 کیلومتر مربع (32/11 درصد) در سال 1387 به 72/35 کیلومتر مربع (73/11 درصد) در سال 1390 و از 70/38 کیلومتر مربع (84/12 درصد) در سال 1393 به 72/41 کیلومتر مربع (70/13 درصد) در سال 1396 و 22/44 کیلومتر مربع (52/14 درصد) در سال 1399 افزایش یافتهاند.
اراضی با کاربری مسکونی مساحت این اراضی نیز در فاصله زمانی مذکور به میزان 54/0 درصد افزایش یافته است. سطح این اراضی از 12/11 کیلومتر مربع (65/3 درصد) در سال 1387 به 32/11 کیلومتر مربع (72/3 درصد) در سال 1390 و از 23/12 کیلومتر مربع (02/4 درصد) در سال 1393 به 36/12 کیلومتر مربع (06/4 درصد) در سال 1396 و 76/12 کیلومتر مربع (19/4 درصد) در سال 1399 افزایش یافتهاند.
اراضی با کاربری بایر مساحت اراضی با کاربری مرتع وبایر طی فاصله زمانی 1387 تا 1399 به میزان 56/8 درصد کاهش یافته است. سطح این اراضی از 79/56 کیلومتر مربع (65/18 درصد) در سال 1387 به 09/53 کیلومتر مربع (44/17 درصد) در سال 1390 و از 86/44 کیلومتر مربع (93/14 درصد) در سال 1393 به 71/38کیلومتر مربع (72/12 درصد) در سال 1396 و 72/30 کیلومتر مربع (09/10 درصد) در سال 1399 رسیده است. دلیل این امرتبدیل مراتع به اراضی کشاورزی و مناطق مسکونی و صنعتی و چرای بی رویه در طی سالیان اخیر بوده است.
بحث و نتیجهگیری آشکارسازی و بررسی تغییرات یکی از مهمترین کاربردهای دادههای سنجش از دور است. قابلیت تکرار دورهای در طی زمان، باعث شده است که بتوان از این دادهها جهت شناسایی و بررسی پدیدههای متغیر و پویا در محیط استفاده کرد. در این راستا روشهای رقومی متعددی برای آشکارسازی و کشف تغییرات و تحولات پدیدههای سطح زمین در سنجش از دور توسعه یافته است. تحقیق حاضر با هدف آشکارسازی تغییرات کاربری اراضی برای چهار دوره زمانی3 ساله، از سال 1387 تا 1399 در سطح دشت ری انجام شد. برای انجام تحقیق حاضر از تصاویر ماهوارهای چند زمانه سنجش از دور استفاده شده است و پس از تهیه نقشه کاربری اراضی هر دوره، میزان تغییرات کاربری اراضی هرکدام از دورهها استخراج شد. شکل (8) مساحت کاربریهای اراضی سالهای 1387، 1390، 1393، 1396 و 1399 و شکلهای (10 و 9) درصد کاربریها در سالهای 1387 و 1399 را نشان میدهند. ،براساس این نمودارها و نتایج حاصل از بررسی تغییرکاربری اراضی در منطقه، طی فاصله زمانی 1387 تا 1399، مساحت اراضی بایر در بازه زمانی مورد مطالعه روند کاهشی و سایر کاربریها روند افزایشی را طی نموده است، بطوریکه وسعت اراضی با کاربری کشاورزی، صنعتی و مسکونی به ترتیب به میزان 66/14 کیلومتر مربع، 77/9 و 64/1کیلومتر مربع و بر حسب درصد این کاربریها به میزان 82/4 درصد برای کشاورزی، 2/3 درصد برای صنعتی و 54/0 برای مسکونی دارای روند افزایشی میباشد که درنتیجه آن اراضی با کاربری بایر به میزان 07/26 کیلومتر مربع معادل56/8 درصد کاهش یافته است.
شکل 8- مساحت کاربریاراضی در مقاطع زمانی مورد مطالعه در منطقه تحقیق Figure 8- Land use area in the studied time periods in the research area
area بر اساس این نمودارها و نتایج حاصل از بررسی تغییر کاربری اراضی در منطقه
بررسی دقت طبقهبندی نقشههای تولیدی، نشان دهنده دقت بالای آنها است که علت آن استفاده از نمونههای آموزشی برداشت شده با دستگاه GPS وتصاویرماهوارهای نرمافزار گوگلارت با بزرگنمــایی بالا، انجام عملیات میدانی برای بررسی صحت نمونههای آموزشی انتخاب شده، سطح زیاد و دقت در انتخاب نمونههای آموزشی است. این نتیجه با نظریه جانسن که صحت قابل قبول طبقهبندی کاربری اراضی با استفاده از تصاویر ماهوارهای را بالاتر از 85 درصد میداند مطابقت دارد (52). نتایج حاصل ازجدول2 نشان دهنده این است که طبقهبندی نظارت شده حداکثر احتمال همسایگی درسال 1399 باصحت کلی78/95درصد وضریب کاپا 93درصد نسبت به سالهای 1387، 1390، 1393 و 1396 داری دقت بالاتری است. یکی ازدلایل مهم دستیابی به صحت بالادراین روش این است که علاوه براطلاعات طیفی، ازاطلاعات مربوط به بافت،شکل،موقعیت ومحتوانیزدرفرآیند طبقه بندی استفاده می‌شود . نتایج تحقیق انجام شده گویای این مطلب است که مهمترین عامل تغییرات کاربری اراضی درمنطقه، فعالیتهای انسانی است که موجب تغییرات بسیاری در کاربری اراضی شده است، تجزیه وتحلیل مساحت این کاربریها نشان داد که سطح اراضی کشاورزی افزایش چشمگیری پیداکرده که عمدتا این افزایش نتیجه تبدیل کاربری بایربه کشاورزی میباشد. افزایش جمعیت وگسترش فیزیکی شهرهای نزدیک منطقه موردتحقیق (ازجمله تهران وری) و نیازبه منابع غذایی بیشترباعث تبدیل این منطقه به عنوان یکی از قطبهای مهم کشاورزی استان تهران گردیده است. درحقیقت یکی ازاهداف این تحقیق، مطالعه کاربری اراضی به منظورکمی کردن مساحت کاربریها درمنطقه است تابتوان باتکیه براین اعدادکمی درتحقیقات وپژوهشهای بعدی رابطه بین تغییرات کاربریها و علت افزایش آلودگیهای خاک وآب درمنطقه را بررسی نمود. درنهایت نتایج این مطالعه گویای این است که تلفیق فن های سنجش ازدور و سیستم اطلاعات جغرافیایی در اجرای مدل های ارزیابی تغییرات مکانی-زمانی کاربری اراضی، به منظور آگاهی از نوع و درصد کاربری اراضی و میزان تغییرات آن ها، بسیار کارآمد میباشد و به عنوان یک پارامتر مدیریتی می تواند برنامه ریزان بخش های مختلف اجرایی را در پایش و مدیریت محیط زیست یاری نماید.
Refrence
Pixel-Based and Object-Based Classification Techniques, Iran J Irrig. Drain, Vol.4(12), pp. 823-839
[1]- دانشجوی دکتری گروه مدیریت محیط‌زیست، دانشکده منابع طبیعی و محیط‌زیست، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات، تهران، ایران [2]- دانشیارگروه مدیریت محیط زیست، دانشکده منابع طبیعی و محیط زیست، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات، تهران، ایران( مسئول مکاتبات) [3]- استاد گروه مهندسی محیط زیست، دانشکده منابع طبیعی و محیط زیست، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات، تهران، ایران. [4]- دانشیار، عضوهیئت علمی موسسه مدیریت خاک وآبخیزداری. تهران، ایران. [5]-PH. D Student Department of Environmental Management, Department of Natural Resources and Environment, Science and Research Branch, Islamic Azad University, Tehran, Iran [6]- Associate Professor, Department of Environmental Management, Department of Natural Resources and Environment, Science and Research Branch, Islamic Azad University, Tehran, Iran .*(Corresponding Author) [7] -Professor of Environmental Engineering, Department of Natural Resources and Environment, Science and Research Branch, Islamic Azad University, Tehran, Iran [8] -Associate Professor, Faculty Member of Soil and Watershed Management Institute. Tehran, Iran 2 Geographic Information System 1 United States Geological Survey 2 Fast Line-of-sight Atmospheric Analysis of Spectral Hypercube | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| مراجع | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Pixel-Based and Object-Based Classification Techniques, Iran J Irrig. Drain, Vol.4(12), pp. 823-839
| |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
آمار تعداد مشاهده مقاله: 833 تعداد دریافت فایل اصل مقاله: 277 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
