پژوهش‌های جغرافیای اقتصادی

پژوهش‌های جغرافیای اقتصادی

طبقه بندی و آشکارسازی تغییرات کاربری اراضی شهرستان ارومیه با استفاده از روش شی‌گرا در دوره زمانی 2018- 2009

نوع مقاله : علمی-پژوهشی

نویسنده
دانشیار گروه جغرافیا، جغرافیا و برنامه‌ریزی روستایی، دانشگاه ارومیه، ارومیه، ایران.
چکیده
داده‌­های ماهواره­ای یکی از سریع­ترین و کم‌هزینه‌ترین روش­‌های در اختیار محققان، جهت تهیه‏‌ی نقشه‏‌ی کاربری اراضی است. تجزیه ‌و تحلیل این داده‌­ها می‌­تواند بینش‌­های صحیح جهت تعامل انسان با محیط طبیعی فراهم کند. بررسی تغییرات پوشش زمین و کاربری اراضی از گذشته­‌های دور در سطح زمین مطرح بوده است و امکان مشاهده و تشخیص تفاوت­‌ها و اختلافات سری زمانی پدیده‌­ها، عارضه‌­ها و الگوهای سطح زمین را فراهم می­‌کند.  پژوهش حاضر نمونه‌­ای از کاربردهای تکنولوژی سنجش ‌از دور در مدیریت منابع شهری است که در آن تغییرات کاربری اراضی در شهرستان ارومیه در طی یک دوره‏ی زمانی 9 ساله از 2009 تا 2018 مورد ارزیابی قرارگرفته است.  برای انجام این پژوهش از تصاویر سنجنده MTL ماهواره لندست SPOT 8 وSPOT5 استفاده ‌شده و طبقه‌­بندی تصاویر با اعمال روش طبقه‌­بندی شی‌ءگرا انجام‌شده است و در محیط ArcGis مساحت طبقه‌­بندی کاربری­‌ها مورد بررسی قرار گرفت. جهت روند تغییرات کاربری مراتع، انسان‌ساخت، پوشش گیاهی متراکم و نامتراکم و نمکزار، از روش آشکارسازی تغییرات استفاده گردید. نتایج حاصل از آشکارسازی کاربری اراضی شهرستان ارومیه  نشان داد که در طی دوره‏ی 9 ساله مساحت این کاربری‌ها از 551/1597 کیلومترمربع در سال 2009 به 39/1678 کیلومترمربع در سال 2018 تغییر کاربری داشته است. بیش‏ترین سطح تغییرات از لحاظ درصد کاربری‌ها مربوط به مراتع است که تخریب ‌شده و کمترین تغییرات کاربری‌ها مربوط به کاربری نمکزار بوده است.
کلیدواژه‌ها

عنوان مقاله English

Classification and Detection of Land Use Changes in Orumieh City Using Object Oriented Method in the period 2009-2018

نویسنده English

Aliakbar Taghiloo
Associate Professor, Department of Geography, Geography and Rural Planning, Urmia University, Urmia, Iran.
چکیده English

Satellite data is one of the fastest and least expensive methods available to researchers to prepare land use maps. The study of changes in land cover and land use from the distant past on the earth's surface has been proposed and allows the observation and recognition of differences and differences in time series of phenomena, complications, and patterns of the earth's surface. The present study is an example of applications of remote sensing technology in urban resource management in which land use changes in Urmia County during a 9-year period from 2009 to 2018 have been evaluated. To conduct this research, the MTL sensor images of Landsat SPOT 8 and SPOT5 satellites were used and the images were classified by applying the object-oriented classification method. In the ArcGIS environment, the area of land use classification was examined. For the process of changes in rangeland use, man-made, dense, and dense vegetation and salt marshes, the method of detection of changes were used. The results of land use detection in Urmia city showed that during the 9-year period, the area of these land uses has changed from 551/1597 square kilometers in 2009 to 39/1678 square kilometers in 2018. The highest level of change in terms of the percentage of land uses is related to rangelands that have been destroyed and the lowest level of land use changes is related to salt land use.

کلیدواژه‌ها English

Land use
Urmia County
Object Oriented Classification
Remote Sensing
آرخی، صالح. (1394)، آشکارسازی تغییرات پوشش/ کاربری اراضی با پردازش شئ­گرای تصاویر ماهواره‌ای با استفاده از نرم‌افزار Idrisi selvi (نمونه موردی: منطقه آبدانان)، فصلنامه‏ی علمی- پژوهشی اطلاعات جغرافیایی، 95(24)،51-62.
احمدپور، امیر؛ سلیمانی، کریم؛ شکری، مریم؛ قربانی، جمشید. (1393)، مقایسه‏ی میزان کارآیی سه روش رایج طبقه‌بندی نظارت ‌شده داده‌های ماهواره‌ای در مطالعه‏ی پوشش گیاهی؛ سنجش ‌از دور و سامانه اطلاعات جغرافیایی در منابع طبیعی، 3(5)، 89-77.
جانعلی­پور، میلاد؛ محمدزاده، علی؛ محمدخانلو، حکمت اله؛ خصالی، الهه؛ عنایتی، حمید (1397)، آنالیز حساسیت بر روی متغیرهای سه روش متداول و یک روش جدید تصحیح رادیومتریکی تصاویر سنجش ‌از دور به ‌منظور تولید نقشه‏ی تغییرات صحیح، پژوهش علوم و فنون نقشه‌برداری، 3(8)،33-42.                                                 
خدابنده لو، بهروز؛ خاوریان نازک؛ حسن، قربانی، اردوان (1398)، آشکارسازی تغییرات کاربری/ پوشش اراضی با استفاده از طبقه‌بندیشی‌ءگرای تصاویر ماهواره‌ای (نمونه موردی: حوزه‏ی آب‏ریز قره‌سو، استان اردبیل)، سنجش‌ از دور و سامانه‏ی اطلاعات جغرافیایی در منابع طبیعی، 10(3)، 92-76.
رضایی مقدم، محمدحسین؛ رضایی بنفشه، مجید؛ فیضی­زاده، بختیار؛ نظم فر، حسین. (1389)، طبقه‌بندی پوشش اراضی/کاربری اراضی براساس تکنیک شیءگرا و تصاویر ماهواره‌ای (نمونه موردی: استان آذربایجان‏غربی)، پژوهش‌های آب‏خیزداری، 87، 35-20.
رمضانی، نفیسه؛ جعفری، رضا. (1393)، آشکارسازی تغییرات کاربری و پوشش اراضی در افق 1404 با استفاده از مدل زنجیره‌ای مارکوف (نمونه موردی: اسفراین)، فصلنامه‏ی تحقیقات جغرافیایی، 14(29)، پیاپی 115، 83-96.
زنگی‌آبادی، علی؛ عبداله زاده، مهدی؛ مبارکی، امید؛ پورعیدی وند، لاله. (1391)، بررسی و تحلیل فضاهای گردشگری شهر ارومیه، فضای جغرافیایی، 46(12)، 94-77.
سفانیان، علیرضا (1388)، بررسی تغییرات کاربری اراضی محدوده‏ی شهر اصفهان با استفاده از تکنیک آشکارسازی برداری تغییرات طی سال‌های 1366تا 1377، علوم و خاک، 49(13)، 153-164.
شریفی، لیلا؛ رسولی، علی‌اکبر؛ حجازی، میر اسدالله؛ رستم­زاده، هاشم (1392)، آشکارسازی تغییرات کاربری/ پوشش اراضی با پردازش شیءگرای تصاویر ماهواره‌ای (نمونه موردی: شهرستان تبریز)، نشریه‏ی علمی- پژوهشی جغرافیا و برنامه‌ریزی،44(17)، 214-203.
فلاحتکار، سامره؛ حسینی، سید محسن؛ سلمان ماهینی، عبدالرسول؛ ایوبی، شمس اله (1395)، پیش‌بینی تغییرات کاربری اراضی با استفاده از مدل LCM، پژوهش‌های محیط‌زیست، 13(7)، 163-174.
فریدونی، میثم؛ عباسعلی، ولی؛ پناهی، فاطمه؛ موسوی، سید حجت؛ خسروی، حسن (1394)، بررسی نقش تغییرات کاربری اراضی بر بیابان‌زایی اراضی محدوده‏ی دریاچه نمک با استفاده از داده‌های دورسنجی، نشریه‏ی مدیریت بیابان، 5(3)، 40- 52.
فیضی­زاده، بختیار؛ هلالی، حسین (1389)، مقایسه روش‌های پیکسل پایه، شی‌ءگرا و پارامترهای تأثیرگذاری در طبقه‌بندی پوشش/ کاربری اراضی استان آذربایجان غربی، پژوهش‌های جغرافیای طبیعی،42 (71)، 84-73.
موسی­پور، مصطفی (1394)، مقایسه الگوریتم شبکه مصنوعی پرسپترون چندلایه و مدل شی‌ءگرا در طبقه‌بندی و آشکارسازی تغییرات کاربری اراضی با استفاده از داده­های سنجش‌ازدور (نمونه‏ی موردی: شهرستان اسدآباد، استان همدان)، پایان‌نامه کارشناسی ارشد، دانشگاه تبریز.
 نجفی، امیر؛ حسنلو، مهدی. (1397)، آشکارسازی تغییرات کاربری اراضی با استفاده از تصاویر تمام قطبیده راداری و روش‌های جبری، فاصله و شباهت مبنا، مهندسی فناوری اطلاعات مکانی، 2(6)، 143-163.
 یوسفی، مریم؛ مکانیکی، جواد؛ اشرفی، علی؛ نسانی سامانی، نجمه (1396)، آشکارسازی ومدل‌سازی تغییرات کاربری اراضی با استفاده ازداده‌های سنجش‌ازدور، مدل زنجیره‏ی مارکوف و سلول‌های خودکار (نمونه موردی: شهر بجنورد)، آمایش جغرافیایی فضا، 26(7)، 1-16.
یوسفی، صالح؛ تازه، مهدی؛ میرزایی، سمیه؛ مرادی، حمیدرضا؛ توانگر، شهلا (1393)، مقایسه الگوریتم‌های مختلف طبقه‌بندی تصاویر ماهواره‌ای در تهیه نقشه کاربری اراضی (نمونه موردی: شهرستان نور)، سنجش‌ازدور و سامانه‏ی اطلاعات جغرافیایی در منابع طبیعی، 3(5)،67-74.
Berberoğlu, S.Akın, A., & Clarke, K. C. (2016). Cellular automata modeling approaches to forecast urban growth for adana, Turkey: A comparative approach. Landscape and urban planning, 153, 11-27.
.Chen, L. Jin, Zh. Michishita, R. Cai, J. Yue, T. Chen, B. Xi, B.(2014). Dynamic monitoring of wetland cover changes using time-series remote sensing imagery, Ecological Informatics, Volome 24, pp 17-26.
Desta, Y., Goitom, H., &Aregay, G. (2019). Investigation of runoff response to land use/land cover change on the case of Aynalem catchment, North of Ethiopia. Journal of African Earth Sciences, 153, 130-143.
El-Kawy, O. R., Rød, J. K., Ismail, H. A., & Suliman, A. S. (2011). Land use and land cover change detection in the western Nile delta of Egypt using remote sensing data. Applied geography, 31(2), 483-494.
Kweyu, R. M., Thenya, T., Kiemo, K., &Emborg, J. (2020). The nexus between land cover changes, politics and conflict in Eastern Mau forest complex, Kenya. Applied Geography, 114, 102115.
Kukkonen, M., &Käyhkö, N. (2014). Spatio-temporal analysis of forest changes in contrasting land use regimes of Zanzibar, Tanzania. Applied Geography, 55, 193-202.
Liu, S., Bruzzone, L., Bovolo, F., & Du, P. (2016). Unsupervised multitemporal spectral unmixing for detecting multiple changes in hyperspectral images. IEEE Transactions on Geoscience and Remote Sensing, 54(5), 2733-2748.
Macintyre, P., Van Niekerk, A., &Mucina, L. (2020). Efficacy of multi-season Sentinel-2 imagery for compositional vegetation classification. International Journal of Applied Earth Observation and Geoinformation, 85, 101980.
Rawat, J. S., & Kumar, M. (2015). Monitoring land use/cover change using remote sensing and GIS techniques: A case study of Hawalbagh block, district Almora, Uttarakhand, India. The Egyptian Journal of Remote Sensing and Space Science, 18(1), 77-84.
Sica, F., Pulella, A., Nannini, M., Pinheiro, M., & Rizzoli, P. (2019). Repeat-pass SAR interferometry for land cover classification: A methodology using Sentinel-1 Short-Time-Series. Remote Sensing of Environment, 232, 111277.
Tarko, A., Tsendbazar, N. E., de Bruin, S., &Bregt, A. K. (2020). Influence of image availability and change processes on consistency of land transformation interpretations. International Journal of Applied Earth Observation and Geoinformation, 86, 102005.
Zhang, C., Sargent, I., Pan, X., Li, H., Gardiner, A., Hare, J., & Atkinson, P. M. (2019). Joint Deep Learning for land cover and land use classification. Remote sensing of environment, 221, 173-187.
Yuan, D., &Elvidge, C. (1998). NALC land cover change detection pilot study: Washington DC area experiments. Remote sensing of environment, 66(2), 166-178.
دوره 2، شماره 4
تابستان 1400
تابستان 1400
صفحه 1-16

  • تاریخ دریافت 24 دی 1399
  • تاریخ بازنگری 01 شهریور 1400
  • تاریخ پذیرش 05 تیر 1400