پایش تغییرات کاربری اراضی با استفاده از روش مقایسه پس از طبقه‌بندی تصاویر ماهواره لندست (مطالعة موردی: اراضی شهر تهران)

نوع مقاله: مقاله پژوهشی

نویسندگان

1 کارشناس ارشد سنجش از دور و سیستم اطلاعات جغرافیایی، دانشکده علوم زمین، دانشگاه شهید چمران اهواز

2 دانشیار دانشکده علوم زمین، دانشگاه شهید چمران اهواز

3 مربی دانشکده علوم زمین، دانشگاه شهید چمران اهواز

چکیده

اطلاع از نسبت کاربری­های اراضی و نحوة تغییرات آن در گذر زمان یکی از مهم­ترین موارد در  برنامه­ریزی و مدیریت اراضی است. با آگاهی از نسبت تغییرات کاربری­ها در گذر زمان می­توان نحوة تغییرات در آینده را پیش­بینی نمود و اقداماتی پیشگیرانه و مقتضی انجام داد. هدف از این تحقیق، پایش تغییرات کاربری اراضی کلان­شهر تهران در بازة زمانی (1385-1374) است. نقشه­های کاربری اراضی برای سال­های مورد نظر از تصاویر ماهواره لندست استخراج شد و با استفاده از داده­های اتوکد سازمان نقشه­برداری و نقشه­های موجود اصلاح شدند. برای صحت­سنجی نقشه­ها، با استفاده از ماتریس خطا، ضریب کاپای 88% به دست آمد و آشکارسازی تغییرات با روش مقایسه پس از طبقه­بندی انجام شد. نتایج آشکارسازی تغییرات با ضریب کاپای 91% و ضریب کرامر 88% نشان می­دهد که افزایش مساحت در مناطق ساخته­شده (68/4603 هکتار)، پارک­ها (7/650 هکتار) و سطوح آبی (32/22 هکتار) و همچنین کاهش مساحت در زمین باز (47/4561 هکتار) و پوشش گیاهی (23/715 هکتار) رخ داده است. با توجه به نتایج، بیشترین تغییرات مناطق ساخته شده، در غرب شهر تهران صورت گرفته است.

کلیدواژه‌ها


عنوان مقاله [English]

Land use change detection using post classification comparison LandSat satellite images (Case study: land of Tehran)

نویسندگان [English]

  • Peyman Heydarian 1
  • Kazem Rangzan 2
  • Saeid Maleki 2
  • Ayoub Taghizadeh 3
1 MSc. of Remote Sensing and Ggeographic Information System, College of Earth Sciences, Shahid Chamran University of Ahvaz
2 Assoc. Prof College of Earth Sciences, Shahid Chamran University of Ahvaz
3 Lecturer, College of Earth Sciences, Shahid Chamran University of Ahvaz
چکیده [English]

Knowing the ratio of landuse and how this ratio change over the time is a significant factor in landuse planning and management. By knowing how landuses change over time, we can predict future changes and do preventive and appropriate actions. The aim of this study is detecting the landuse changes in the Tehran city in period of (1995-2005). Landuse maps for the mentioned years were derived from LandSat imagery and improved using AutoCAD data produced by the National Cartographic Center (NCC) and available maps. For verification produced maps, using the error matrix approach, a Kappa coefficient of 88% was achieved and after classification, change detection was carried out using comparison approach. The results of change detection with a Kappa coefficient of 91% and Cramer’s V of 88% show that the greatest increases were in built up area (4603.68 ha), parks (650.7 ha) and water level (22.32 ha) and in contrast, the greatest decreases were in open land (4561.47 ha) and vegetation cover (715.23 ha). In addition, according to the results the most changes of built up area has been occurring in the west part of Tehran.

کلیدواژه‌ها [English]

  • Change detection
  • Remote Sensing
  • Geographic Information System (GIS)
  • Land of Tehran

1. رضایی مقدم، م. ح.، م. رضایی بنفشه، ب. فیضی­زاده و ح. نظم­فر. 1389. طبقه­بندی پوشش اراضی/ کاربری اراضی بر اساس تکنیک شیء­گرا و تصاویر ماهواره­ای، مطالعه موردی: استان آذربایجان غربی. پژوهش­های آبخیزداری، 23(2): 19-32.

2. رفیعی، ر.، ع. سلمان ماهینی و ن. خراسانی. 1390. تعیین تغییرات کاربری اراضی به روش مقایسه پس از طبقه­بندی تصاویر ماهواره­ایLandsat  و IRS. فصلنامه کاربرد سنجش از دور و GIS در علوم منابع طبیعی، 2(3): 53-64.

3. زبیری، م. و ع. مجد. 1380. آشنایی با فن سنجش از دور و کاربرد در منابع طبیعی. موسسه انتشارات و چاپ دانشگاه تهران. 330 صفحه.

4. سردشتی، م.، ع. قنواتی، پ. ضیائیان و ج. مرشدی. 1389. آشکارسازی تغییرات کاربری اراضی حوضه آبخیز طالقان از سال 2002-1987 با استفاده از تصاویر ماهواره­ای لندست و سنجش از دور. همایش ملی ژئوماتیک.

5. سنجری، ص. و ن. برومند. 1392. پایش تغییرات کاربری/ پوشش اراضی در سه دهه گذشته با استفاده از تکنیک­ سنجش از دور (مطالعه موردی: منطقه زرند استان کرمان). فصلنامه کاربرد سنجش از دور و GIS در علوم منابع طبیعی، 4(1): 57-68.

6. شجاعیان، ع. 1383. کاربرد تکنیک­های سنجش از دور و GIS در بررسی تغییرات کاربری اراضی کشاورزی دزفول و حومه بین سال­های 2002-1991. پایان­نامه کارشناسی ارشد، دانشگاه شهید چمران، اهواز. 100 صفحه.

7. ضیائیان، پ. و ع. قنواتی. 1386. روش­های رقومی آشکارسازی تغییرات در محیط­های شهری. فصلنامه تحقیقات جغرافیایی، (84): 132-145.

8. علیزاده ربیعی، ح. 1387. سنجش از دور (اصول و کاربرد). تهران: سازمان مطالعه و تدوین کتب علوم انسانی دانشگاه­ها (سمت)، چاپ نهم، 292 صفحه.

9. گرامی، و. 1390. تغییرات کاربری اراضی منطقه گتوند - عقیلی طی سال­های 2000 تا 2010 با استفاده از تصاویر ETM و ALI به کمک سنجش از دور و GIS. پایان­نامه کارشناسی ارشد، دانشگاه شهید چمران، اهواز. 98 صفحه.

10. نگهبانی، س. 1385. الگوریتم­های آشکارسازی در تصاویر فراطیفی. پایان‌نامه کارشناسی ارشد سنجش از دور، دانشگاه صنعتی خواجه نصیرالدین طوسی. 110 صفحه.

11. نوروزی، م. 1391. بررسی و پیش­بینی تغییرات کاربری اراضی با استفاده از مدل (مطالعه موردی: بخشی از حوضه آبخیز تجن و سیاه­رود). پایان­نامه کارشناسی ارشد، دانشگاه علوم کشاورزی و منابع طبیعی ساری. 93 صفحه.

12. یاالله، س. م. 1382. استخراج تغییرات کاربری اراضی منطقه تهران با استفاده از تصاویر ماهواره­ای. پایان­نامه کارشناسی ارشد، دانشکده فنی دانشگاه تهران. 100 صفحه.

13. Candau J. 2002. Temporal calibration sensitivity of the SLEUTH Urban Growth Model. MSc. Thesis, Geography, University of California at Santa Barbara, 129 pp.

14. Coppin P, Jonckheere I, Nackaerts K, Muys B, Lambin E. 2004. Digital change detection methods in ecosystem monitoring: a review. International Journal of Remote Sensing, 25(9): 1565-1596.

15. Dewan AM, Yamaguchi Y. 2009. Land use and land cover change in Greater Dhaka, Bangladesh: Using remote sensing to promote sustainable urbanization. Applied Geography, 29(3): 390-401.

16. Haibo Y, Longjiang D, Hengliang G, Jie Z. 2011. Tai’an Land Use Analysis and Prediction Based on RS and Markov Model. Procedia Environmental Sciences, 10(Part C): 2625-2630.

17. Hartter J, Lucas C, Gaughan AE, Aranda LL. 2008. Detecting tropical dry forest succession in a shifting cultivation mosaic of the Yucatán Peninsula, Mexico. Applied Geography, 28(2): 134-149.

18. Herold M, Scepan J, Clarke K C. 2002. The use of remote sensing and landscape metrics to describe structures and changes in urban land uses. Environment and Planning A, 34(8): 1443-1458.

19. Jensen JR, Cowen DC. 1999. Remote Sensing of Urban/Suburban Infrastructure and Socio-Economic Attributes. Photogrammetric Engineering & Remote Sensing, 65(5): 611-622.

20. JohnsonRD, Kasischke ES. 1998. Change vector analysis: A technique for the multispectral monitoring of land cover and condition. International Journal of Remote Sensing, 19(3): 411-426.

21. Li X, Yeh AGO. 1998. Principal component analysis of stacked multi-temporal images for the monitoring of rapid urban expansion in the Pearl River Delta. International Journal of Remote Sensing, 19(8): 1501-1518.

22. Lillesand T, Kiefer RW, Chipman J. 2008. Remote Sensing and Image Interpretation, 6th Edition, New York: Wiley, 804 pp.

23. Longley PA, Goodchild M, Maguire DJ, Rhind DW. 2010. Geographic Information Systems and Science, 3rd Edition, England: Wiley, 560 pp.

24. Lu D, Weng Q. 2007. A survey of image classification methods and techniques for improving classification performance. International Journal of Remote Sensing, 28(5): 823-870.

25. Lu D, Mausel P, Brondízio E, Moran E. 2004. Change detection techniques. International Journal of Remote Sensing, 25(12): 2365-2401.

26. Masser I. 2001. Managing our urban future: the role of remote sensing and geographic information systems. Habitat International, 25(4): 503-512.

27. Oñate-Valdivieso F, Sendra JB. 2010. Application of GIS and remote sensing techniques in generation of land use scenarios for hydrological modeling. Journal of Hydrology, 395(3-4): 256-263.

28. Paiboonvorachat CH. 2008. Using remote sensing and GIS techniques to assess land use/land cover change in the non-watershed, Thailand. Fulfillment of the Requirements for the Degree of Master of Science in the field of Geography and Environmental Resources, Graduate School Southern Illinois University Carbondale. 112 pp.

29. Ridd MK, Liu J. 1998. A Comparison of Four Algorithms for Change Detection in an Urban Environment. Remote Sensing of Environment, 63(2): 95-100.

30. TownshendJRG, Justice CO. 1995. Spatial variability of images and the monitoring of changes in the Normalized Difference Vegetation Index. International Journal of Remote Sensing, 16(12): 2187-2195.

31. Yeh AGO, Li X. 2001. Measurement and monitoring of urban sprawl in a rapidly growing region using entropy. Photogrammetric Engineering and Remote Sensing, 67(1): 83-90.