Document Type : پژوهشی

Author

Deaprtment of Remote sensing and GIS, University of Tabriz

Abstract

Introduction
The modification of the Earth’s terrestrial surface by human activities is commonly known as the land use/land cover change (LULCC) around the globe. Although the modification of the land by humans to obtain livelihoods and other essentials has been a common practice for thousands of years, the extent, intensity, and rate of LULCC are far greater now than they were in the past. These changes are driving forces for local, regional, and global level unprecedented changes in the ecosystems and environmental processes. The empirical studies conducted by researchers from diverse disciplines have found that changes in the land use/land cover is a key to many diverse applications such as agriculture, environment, ecology, forestry, geology, and hydrology.
Satellite Remote Sensing and GIS are the most common methods for the quantification, mapping, and detection of the patterns of the LULCC, because of their accurate geo-referencing procedures, digital formats suitable for computer processing, and repetitive data acquisition. Technically speaking, the remote sensing based digital satellite images have a high capability for natural resources' management operations. Land use/land cover change detection is considered as one of the most important applications in the domain of the remote sensing satellite images. Related to this applicability, it will be possible to apply multi-temporal satellite images for the detection of the land use change. Based on the results obtained from the change detection operation and modeling of the further land use changes, one will be capable to makes better decision for natural resources' management. Based on this statement, the main objective of this research is to represent the applicability of the satellite images for the detection of the land use changes, particularly on the upper areas of the Allavian dam of the Sofi-chai basin.
Dataset and methods
The study area was the upper area of the Allavian Dam in Maragheh. The research was carried out based on the digital interpretations of the Landsat images (ETM+ and TM) of the years 1989, 2000, 2002, and 2015. Based on these images, the land use changes of this region were separately detected for 3 periods. It should be noted that the widely practiced operations such as image preprocessing, classification, and post processing with those related techniques were considered in this study. Indeed, it is widely known that preprocessing before the the change detection phenomenon is very important in order to establish a more direct relationship between the acquired data and the biophysical phenomena. Accordingly, atmospheric and geometric correction were applied as the first step on satellite images. In doing so, the LSLC classes were determined based on the spatial resolution of the satellite images. Then, image enhancement methods were applied to detect each LULC class on the satellite image.  Next, GPS based training data was collected in the field operation and integrated with the satellite images. In addition, the supervised maximum likelihood was applied to derive LULC map for each year. The validation step was also part of this section for the accuracy assessment based on kappa coefficient and error matrix.
Results and Conclusion
After developing LULC maps, the results were transformed into GIS environment for the following steps and GIS analysis. The results indicated a significant changes in LULC of the study area. They also indicated that orchards cover had increased throughout the study periods but rich range lands widely converted into poor range lands because of losing the significant canopy of the native plants. Increasing the trend of the orchards area may be in relation with the population growth and this factor can be affected by ( have an effect on) range land degrading. The water supply out of Allavian dam might be another reason for increasing the orchard’s area. The results also acknowledged the capability of the remote sensing for the LULC and change detection analysis. The results of this research are of great importance for decision making authorities in governmental departments such as the ministry of agriculture and natural resources for the purposes of planning and decision making. 

Keywords

مقدمه

نوع کاربری اراضی و اطلاع از نحوه­ی کاربری اراضی، اطلاعات آن یکی از مهم­ترین موارد در مدیریت زمین می­باشد. بشر همواره درصدد ارزیابی تغییرات صورت گرفته و مدلسازی تغییرات آتی در سطح زمین بوده است. آشکارسازی تغییرات در طی یک دوره­ی زمانی، امکان آگاهی از نسبت تغییرات را فراهم می­سازد. ارزیابی تغییرات کاربری و پوشش اراضی، به عنوان یکی از اصلی­ترین تکنیک­های ارزیابی تغییرات محیطی مطرح بوده و نقش عمده­ای را در برنامه­ریزی­های محیطی ایفا نموده است (شریفی و همکاران، 1394: 39).  بسیاری از مسائل زیست محیطی نظیر، فرسایش خاک، بیابان­زایی، تخریب منابع، آلودگی­های زیست محیطی و غیره، ریشه در تغییرات کاربری اراضی دارند (بای و همکاران[1]، 1:2017). امروزه مطالعات نحوه­ی کاربری و نوع پوشش اراضی نقش مهمی را در برنامه­ریزی برای مدیریت و حفاظت منابع ایفا می­کند و زمینه­ی ارتقاء نگرش اصولی به ساختارهای زیست محیطی را فراهم می­آورد (زو[2] و همکاران، 2008: 1). در راستای پایش ارزیابی تغییرات محیطی، سیستم­های پایش و ماهواره­های سنجش از دور، تکنولوژی قدرتمندی را فراهم می­آورند که امکان ارزیابی روند تغییرات محیطی را با مقایسه تصاویر چندزمانه فراهم می­آورد (اسام[3] و همکاران، 2013، 2: فیضی­زاده و همکاران، 2012: 3). استفاده از تکنولوژی سنجش از دور  در مطالعات منابع طبیعی جایگاه خاصی دارد. مقایسه­ی چندزمانه، بروز بودن اطلاعات، پردازش رقومی، تنوع داده­ها و سرعت انتقال داده­ها سنجش از دور را به عنوان مهم­ترین تکنولوژی در آشکارسازی تغییرات مطرح ساخته است. امروزه تکنولوژی سنجش از دور با ارائه امکانات مربوط به پردازش تصاویر رقومی با بازه­های زمانی متفاوت و فناوری سیستم­های اطلاعات جغرافیایی (GIS) با قابلیت تحلیل­های مکانی، امکان مدلسازی و پیش­بینی تغییرات آتی را فراهم ساخته است. بررسی پیشینه­ی تحقیق بیانگر کاربرد گسترده سنجش از دور در ارزیابی تغییرات محیطی است. راوات و کومار[4] (2015) مدلسازی تغییرات کاربری اراضی در هند را با استفاده از تصاویر ماهواره­ای لندست برای سال­های 2010-1990 انجام دادند. این محققان با پردازش تصاویر ماهوارهای بر کارآمدی تصاویر سنجش از دور در ارزیابی روند تغییرات کاربری اراضی تأکید می­نمایند. مارشال و همکاران[5] (2017) تغییرات کاربـری اراضی در کنیا را در ارتباط با تغییرات اقلیمی مورد بررسی قرار دادند. آنها در این تحقیق از تصاویر ماهواره­ای لندست در بازه­ی زمانی 2012-1983 استفاده نموده و با پردازش تصاویر ماهواره­ای روند تغییر در عوامل اقلیمی و اثرات آن برروی کاربری­های اراضی را مورد بررسی قرار دادند. با توجه به پیشینه­ی غنی، تحقیق حاضر با بهره­گیری از نتایج تحقیقات قبلی، آشکارسازی تغییرات کاربری اراضی در حوضه­ی بالادست سد علویان و مدلسازی تغییرات آن بر استعدادپذیری منطقه در مقابل فرسایش را مد نظر داده است. با توجه به موقعیت محدوده­ی مورد مطالعه، آگاهی از نسبت تغییرات کاربری اراضی در سطح این منطقه برای کنترل میزان رسوب در پشت دریاچه و ارزیابی تغییرات کاربری­های کشاورزی از اهمیت خاصی برخوردار است. براین اساس در این تحقیق از تصاویر ماهواره­ای TM سال 1989،  ETM+ سال­های 2000 و 2002 و 2015 استفاده شده و تغییرات در سه دوره­ی زمانی از سال 1989 الی 2000، 2000 الی 2002 و 2002 تا 2015 مورد ارزیابی قرار گرفته است.  

مواد و روش­ها

ـ معرفی منطقه­ی مورد مطالعه

محدوده­ی مورد مطالعه بخشی از حوضه­ی آبریز صوفی چای از زیرحوضه­های دریاچه­ی ارومیه است که با مساحتی مـعادل 25 کیلومتر مربع در بالادست سد علویان و در شهرستان مراغه واقع شده است. این منطقه از نظر کشاورزی دارای اهمیت زیادی بود و با توجه به وجود باغات حاصلخیز از اهمیت بالایی برای اقتصاد شهرستان مراغه برخوردار است. افزون بر آن، با توجه به قرارگیری سد علویان به عنوان یکی از مهم­ترین سدهای مخزنی استان آذربایجان­شرقی و به لحاظ اهمیت آن در اقتصاد منطقه، لزوم انجام مطالعات تغییرات کاربری اراضی برای اهداف حفاظت از منابع و جلوگیری از تولید رسوب و انباشت آن در پشت دریاچه­ی سد ضروری به نظر می­رسد. برای نیل به این مهم، در این تحقیق از تصاویر ماهواره­ای سنجنده­های TM, ETM سال­های 1989 و 2000 و 2002 و 2015 به همراه داده­های حاصل از برداشت میدانی با استفاده از GPS  و داده­هایGoogle Earth  برای تعیین نمونه­های آموزشی در فرایند طبقه­بندی استفاده شده است.

 

شکل (1) موقعیت محدوده­ی مورد مطالعه در شهرستان مراغه

بحث و نتایج

ـ مرحله­ی پیش­پردازش و اعمال تصحیحات هندسی و اتمسفری

مرحله­ی پیش­پردازش همواره به عنوان یکی از مهم­ترین مراحل در پردازش تصاویر ماهواره­ای مطرح بـوده است. این مرحله­ شامل آماده­سازی تـصاویر برای پردازش می­باشد. در این تحقیق اقدامات انجام شده در مرحله­ی پیش­پردازش شامل تصحیح هندسی و اتمسفری می­باشد. با توجه به وجود اعوجات هندسی در تصاویر سنجش از دور، در این مرحله نسبت به کنترل دقت هندسی و زمان مرجع نمودن آنها براساس نقشه­های توپوگرافی اقدام شده است. برای تصحیح هندسی تصاویر ماهواره‌ای معمولاً از دو روش استفاده مـی­شود. اگر لازم باشد تصاویر بـه صورت منفرد مورد استفاده قرار گیرند، از روش ثبت تصویر به نقشه[6] استفاده می‌شود و اگر قرار باشد که از تصاویر چندزمانه استفاده شود، از روش ثبت تصویر به تصویر[7] استفاده می‌شود (علوی­پناه، 1384: 45). در این تحقیق از هر دو روش برای انجام اصلاحات هندسی بروی تصاویر استفاده شده است. برای انجام این فرایند در ابتدا از نقشه‌های 25000/1 استفاده شده و در مرحله­ی اول تصویر ماهواره­ای TM سال 1989 با برداشت 12 نقطه­ی کنترل زمینی با خطای RMS معادل 44/0 پیکسل زمین مرجع گردید. در مرحله­ی دوم، از این تصویر ماهواره­ای استفاده گردیده و تصویر ماهواره­ایETM+ سال­های 2000 ، 2002 و 2015 با برداشت 15 نقطه کنترل از سطح تصویر با روش تصویر به تصویر با خطای RMS معادل 42/0 پیکسل زمین مرجع گردیدند. در تصحیح هندسی سعی گردید که نقاط کنترل زمینی از پراکنش مناسبی در سطح تصویر برخوردار باشد تا مدل ریاضی که برای محاسبه ضرایب مجهول در معادله­­ی مورد استفاده قرار می­گیرد، خطای کمتری داشته باشد. برای تبدیل مختصات تصویر تصحیح شده به تصویر تصحیح نشده، از تابع درجه­ دوم استفاده گردید و برای نمونه­گیری مجدد ارزش پیکسل­های تصویر تصحیح نشده از روش نزدیک­ترین همسایه استفاده شد و سعی گردید تا خطاهای RMS تا حد امکان یکی باشد.

در مرحله­ی بعد تصحیحات اتمسفری بر روی تصاویر اعمال شد. لازم به ذکر است که ارزش عددی هر پیکسل در تصاویر ماهوار‌ه‌ا‌ی، ثبت واقعی تابندگی در سطح زمین نیست، زیرا بر اثر جذب امواج تضعیف شده و یا اینکه بر اثر پراکنش مسیر آن توسط اتمسفر تغییر می‌کند. تصحیح اتمسفری تصاویر تصحیحات اتمسفری در سنجش از دور از ضروریات است. حذف آثار سوء جو زمانی بیشتر احساس می شود که هدف مقایسه تصاویر چندزمانه باشد (مسگری، 1381: 19). در تحقیق حاضر با توجه به موقعیت منطقه­ی مورد مطالعه و با در نظر گرفتن تأثیر توده­ای آبی سد علویان بر ارزش­های پیکسلی مجاور خود از متد چاوز (کاهش ارزش عددی پیکسل­های تیره) استفاده شد و ارزش پیکسل­های تیره در تصویر کاهش داده شد تا فرایند طبقه­بندی از صحت بالایی برخوردار باشد. تکنیک کاهش ارزش عددی پیکسل­های تیره، بر این فرض استوار است که کمترین DN یک پیکسل، در هر باند بایستی صفر باشد، و ارزش رادیومتری DN نتیجه­ای است که از خطای اتمسفری حاصل شده است (چاوز[8] 1988: 6، فیضی­زاده و بلشکه[9]، 2012: 2) بنابران اگر ارزش عددی تعریف شده برای پیکسل­ها بر اثر خطای اتمسفری را از تمامی پیکسل­ها کسر گردد، در واقع نسبت به تصحیحات اتمسفری اقدام شده است. در این تحقیق از این روش برای تصحیحات اتمسفری استفاده شد.

ـ پردازش تصاویر ماهواره­ای

هدف اساسی در فرآیند پردازش، استخراج هر چه دقیق­تر اطلاعات کاربردی از تصاویر ماهواره­ای موجود است. در این فرایند با استفاده از تکنیک­های خاص سعی می­شود اطلاعات دقیق از تصاویر استخراج گردد. در این مرحله پس از اینکه کلاس­های کاربری اراضی مشخص شد، از انواع تکنیک­های آشکارسازی تصویر، شامل آشکارسازی خطی، تعادل هیستوگرام و فیلترهای مکانی برای شناسایی بهتر کلاس­های کاربری اراضی استفاده شده است. سپس با برداشت نمونه­های آموزشی با GPS در طی عملیات میدانی، و پیاده­سازی آنها در سطح تصویر در محیط نرم­افزار Envi، اقدام به طبقه­بندی تصاویر شده است

 

ـ جمع­آوری نمونه­های آموزشی و استخراج مشخصات طیفی کلاس­ها

جمع­آوری نمونه­های آموزشی جهت استخراج نقشه­های کاربری اراضی با استفاده از  داده­های سنجش ازدور در طی دو مرحله از عملیات میدانی صورت می­گیرد. مرحله­ی اول قبل از طبقه­بندی، که در این مرحله جمع­آوری نمونه­ها برای آشنایی با محدوده­ی مورد مطالعه و همچنین به ­دست آوردن نـمونه­های آموزشی مورد نیاز برای طبقه­بندی انجام می­شود. مرحله­ی دوم پس از انجام طبقه­بندی، که با هدف بازبینی صحت و تصحیح نتایج طبقه­بندی انجام می­شود. علاوه بر عملیات میدانی نمونه­های آموزشی مورد نیاز برای استخراج نقشه­های کاربری اراضی می­تواند از داده­های GIS و سایر موارد مثل نقشه­های توپوگرافی، نقشه­های زمین­شناسی و خاکشناسی و همچنین داده­های تصویری جمع­آوری شود در این تحقیق جمع­آوری نمونه آموزشی عمدتاً با استفاده از GPS درطی عملیات میدانی انجام شده است اما از نقشه­های توپوگرافی000 25/1 و تصاویرGoogle Earth  نیز در برداشت نمونه­ها استفاده شده و در مجموع 270 نقطه به عنوان محل نمونه­های آموزشی برای کلاس­های کاربری در نظر گرفته شده، انتخاب شده است. پس از پیاده­سازی نمونه­های آموزشی بر سطح تصویر، اقدام به استخراج مشخصات آماری کلاس­ها شده و با  شاخص­های تفکیک­پذیری و منحنی­های انعکاس طیفی برای تمامی کلاس­ها استخراج شد. با تفسیر منحنی­های انعکاس طیفی باندهای مناسب برای طبقه بندی شناسایی شده و در نهایت ترکیب باندی 2-3-4 به عنوان بهترین ترکیب باندی برای طبقه­بندی تصویر تعیین شد.

ـ طبقه­بندی تصاویر

در تصاویر رقومی سنجش از دور هر پیکسل دارای ارزش عددی است، که بازگوکننده­ی

رفتار طیفی پدیده­ی متناظر آن در سطح زمین است. در واقع ارزش­های عددی پیکسل­ها انعکاسی از نسبت بازتاب طیفی پدیده­های متناظر آنها در سطح زمین است. با تجزیه و تحلیل ارزش­های عددی تصاویر رقومی سنجش از دور امکان شناسایی پدیده­های زمینی بر روی تصویر فراهم شده و می­توان نسبت به طبقه­بندی آنها اقدام نمود. این نوع طبقه­بندی بر اساس ارزش عددی پیکسل­ها بوده و در آن پدیده­های دارای ارزش عددی یکسان، در یک گروه قرار می­گیرند، این طبقه­بندی که مبتنی بر ارزش عددی پیکسل­ها می­باشد، طبقه­بندی پیکسل پایه نامیده می­شود (فیضی­زاده و هلالی، 1388: 76). طبقه­بندی پیکسل پایه تصاویر سنجش از دور با استفاده از روش­های مختلفی قابل انجام است. در تحقیق حاضر برای طبقه­بندی پیکسل پایه تصویر ماهواره­ای محدوده­ی مورد مطالعه از الگوریتم­های حداکثر احتمال استفاده شده است. برای انجام طبقه­بندی پس از تعیین کلاس­های پوشش/کاربری اراضی در ابتدا نمونه­های آموزشی برای هر کدام از کلاس­ها به تعداد مورد نیاز جمع­آوری می­گردد. پس از پیاده­سازی نمونه­های آموزشی بر سطح تصویر و استخراج پارامترهای آماری مورد نیاز، بهترین ترکیب باندی  (4،3،2) برای طبقه­بندی هر تصویر انتخاب شد و در مرحله­ی بعد با استفاده از الگوریتم حداکثر احتمال تصاویر طبقه­بندی شدند.          

ـ ارزیابی دقت

هیچ طبقه­بندی تا زمانی که دقت آن مورد ارزیابی قرار نگرفته است تکمیل نیست (لیلساند[10]، 2001: 123). زمانی که نمونه­برداری از پیکسل­ها به عنوان الگوی کلاس­های طیفی یا اطلاعاتی صورت می­گیرد، ارزیابی بازتاب طیفی کلاس­ها و تفکیک­پذیری آنها نیز تواماً قابل انجام است (علوی­پناه، 1384: 125). لذا برای اطمینان از صحت طبقه­بندی اقدام به ارزیابی دقت طبقه­بندی می­شود) شریفی و همکاران، 1395: 42). دقت طبقه­بندی بیانگر سطح اعتماد به نقشه­ی استخراج شده بوده و در نقشه­های کاربری اراضی به دست آمده از تصاویر سنجش از دور بایستی حداقل 85% باشد (آندرسون و همکاران[11]، 1976: 12) در تحقیق حاضر برای ارزیابی صحت از نمونه­های آموزشی (150 نقطه کنترل) که در طی عملیات میدانی با GPS برداشت شده استفاده شد. برای ارزیابی صحت پارامترهای آماری ماتریس خطا، ضریب کاپا، دقت کلی طبقه­بندی برای هریک از طبقه­بندی­ها استخراج شده است. باتوجه به اینکه طبقه بندی نظارت شده یک فرآیند آماری می­باشد، در این نوع از محاسبات دقت کلی برابراست با تعداد پیکسل­های درست طبقه­بندی شده یک کلاس بـه کل پیکسل­های درست طبقه­بندی شده در تمامی کلاس­ها می­باشد که طبق رابطه­ی زیر محاسبه می شود:

رابطه­ی (1)        OA=1/N ∑ pii

در بطه­ی (1) OA بیانگر دقت کلی، N ، تعداد پیکسل­های آزمایشی و ∑ pii ، جمع عناصر قطر اصلی ماتریس خطا می­باشد. معمولاً در کنار محاسبات دقت کلی ضریب کاپا نیز که بیانگر میزان تطابق بین نتایج طبقه­بندی و واقعیت زمینی می­باشد نیز محاسبه می­شود. استفاده از ضریب کاپا برای حذف انطباق­های تصادفی می­باشد که ممکن است در دقت کلی مشاهده شود (ریچاردز[12]، 1999: 12). ضریب کاپا مطابق با فرمول زیر محاسبه می­شود:

رابطه­ی (2)           

در رابطه­­ی (2) P0 بیانگر درستی مشاهده شده و Pc، بیانگر تـوافق مورد انتـظار

است. جدول (1) نتایج حاصل از محاسبات دقت کلی و ضریب کاپا را برای هر یک از طبقه­بندی­های انجام شده نشان می­دهد.

جدول (2) نتایج ارزیابی دقت الگوریتم­های طبقه­بندی­ها

سال و نوع تصویر ماهواره ای

ضریب کاپای

دقت کلی

تصویر TM سال 1989

87/0

79/89

تصویر ETM+ سال 2000

90/0

96/91

تصویر ETM+ سال 2002

88/0

59/89

تصویر ETM+ سال 2015

89/0

37/90

ـ آشکارسازی تغییرات

پس از اینکه نقشه­ی کاربری اراضی هر دوره استخراج شد، اقدام به تهیه­ی نقشه­های آشکارسازی تغییرات شد. در تهیه­ی نقشه­های تغییرات نقشه­های کاربری اراضی هر دوره با هم مقایسه و در مجموع 3 نقشه تولید شد. که در شکل­های (2) آورده شده است. پس از اینکه نقشه­های تغییرات هر دوره تهیه شد نسبت به محاسبه­ی مساحت هر یک از کلاس­های کاربری اراضی اقدام شد. نتایج ارزیابی دقت در جدول (2)و نتایج حاصل از تغییرات هر کلاس نیز در جدول (3) آورده شده است.

جدول (2) مساحت هریک از کلاس­های کاربری اراضی در هر دوره ( هکتار)

2015

2002

2000

1989

کلاس

 

456.7

421.7

398.4

375.6

اراضی باغی

1607.5

1234.0

1251.5

1043.5

اراضی دیم

1341.6

8696.0

566.9

4627.3

مرتع خوب

3955.8

1466.2

2466.8

1118.1

مرتع متوسط

3432.6

5193.7

5619.3

5457.3

مرتع ضعیف

14091.9

5193.8

14583.1

12264.2

رخنمون سنگی

24886.3

24886.3

24886.3

24886.3

جمع

جدول (3) تغییرات کاربری­های اراضی برای دوره­ی اول (2000-1989)، دوره­ی دوم (2002-2000) و دوره­ی سوم (2015-2002)

دوره­ی سوم

دوره­ی دوم

دوره­ی اول

کلاس کاربری اراضی

176

176

240

باغ (اراضی بدون تغییر در این کلاس)

3

46

38.71

باغ به دیم

61

34

31

باغ به مرتع خوب

26

12

1

باغ به مرتع متوسط

7

39

8

باغ به مرتع ضعیف

121

88

54

باغ به رخنمون سنگی

15

25

9

دیم به باغ

129

256

341

دیم (اراضی بدون تغییر)

18

47

11

دیم به مرتع خوب

145

30

18

دیم به مرتع متوسط

236

405

346

دیم به مرتع ضعیف

825

424

315

دیم به رخنمون سنگی

27

17

46

مرتع خوب به باغ

5

37

32

مرتع خوب به دیم

106

353

333

مرتع خوب (اراضی بدون تغییر)

122

29

1639

مرتع خوب به مرتع متوسط

37

83

613

مرتع خوب به مرتع ضعیف

218

44

1944

مرتع خوب به رخمون سنگی

8

18

7

مرتع متوسط به باغ

17

10

11

مرتع متوسط به دیم

454

2098

21

مرتع متوسط به مرتع خوب

844

139

447

مرتع متوسط (اراضی بدون تغییر)

263

113

471

مرتع متوسط به مرتع ضعیف

1165

91

158

مرتع متوسط به رخنمون سنگی

12

9

18

مرتع ضعیف به باغ

ادامه جدول (3)

دوره­ی سوم

دوره­ی دوم

دوره­ی اول

کلاس کاربری اراضی

163

266

357

مرتع ضعیف به دیم

92.

1607

51

مرتع ضعیف به مرتع خوب

823

714

203

مرتع ضعیف به مرتع متوسط

812

2297

3141

مرتع ضعیف (اراضی بدون تغییر)

1473

631

1676

مرتع ضعیف به رخنمون سنگی

215

176

74

رخنمون سنگی به باغ

1286

568

468

رخنمون سنگی به دیم

605

4591

117

رخنمون سنگی به مرتع خوب

1990

543

144

رخنمون سنگی به مرتع متوسط

2072

2039

1034

رخنمون سنگی به مرتع ضعیف

10299

6812

10449

رخنمون سنگی (اراضی بدون تغییر)

24886

24886

24886

جمع

 

C

A

B

 

 

 

 

 

 

 

شکل (2) نقشه­ی تغییرات کاربری اراضی: Aبرای دوره­ی اول (2000-1989)، B  برای دوره­ی دوم (2002-2000) و  C دوره­ی سوم (2015-2002)

نتیجه­گیری

در پژوهش جاری از تصاویر ماهواره ای با دوره­های زمانی متفاوت استفاده شده و پس از تهیه­ی نقشه­های کاربری اراضی، روند تغییرات کاربری اراضی منطقه مورد مطالعه در طی سه دوره در فواصل سال­های 1989-2015،  استخراج شد. نتایج پژوهش نشان می­هد که تصاویر رقومی ماهواره­ای، از قابلیت بالایی در ارزیابی روند تغییرات کاربری­های اراضی برخوردارند و می­توانند مبنایی برای ارزیابی تغییرات محیطی باشند و در انواع مطالعات مورد استفاده قرار گیرند. براساس نتایج حاصل از این پژوهش، تکنولوژی سنجش از دور با ارائه­ی تصاویر چندزمانه، می­تواند مبنای بسیار مناسبی برای پایش تغییرات کاربری اراضی باشد. نتایج بررسی نسبت تغییرات رخ داده در منطقه­ی مورد مطالعه، نشان می­دهد که مساحت سطح زیرکشت کاربری­های اراضی باغی و اراضی دیم در طول دوره­ها، روند صعودی داشته است، که ناشی از افزایش جمعیت در این منطقه است. بدیهی است که چنین تغییری در تسریع فرسایش در این منطقه نقش مؤثری دارد چرا که به خاطر حذف پوشش گیاهی طبیعی و همچنین افزایش فعالیت­های انسانی در سطح دامنه­ها با انجام اقدامات شخم­زنی، رسوبات بیشتری در اختیار چرخه فرسایش این منطقه قرار می­گیرد. از سوی دیگر تبدیل اراضی مرتعی خوب به مراتع متوسط، یکی از بارزترین  جنبه­های تغییرات در طی این دوره­ی زمانی است که به دلیل چرای بی­رویه بر اثر افزایش جمعیت و تعداد دام از یکسو و از سوی دیگر به دلیل خشکسالی و کاهش بارندگی در فصل نیاز آبی بالای مراتع در این منطقه می­باشد. با توجه به سازندهای زمین­شناسی منطقه­ی مورد مطالعه و وجود انواع فرسایش،­ نظیر هوازدگی و فرسایش دینامیکی وجود پوشش گیاهی طبیعی در سطح دامنه­ها به عنوان یک عامل حفاظتی در افزایش سطح رسوب رودخانه عمل می­نماید. بدیهی است که با کاهش سطح پوشش گیاهی از یک طرف و همین­طور افزایش تغییرپذیری در مکانیزم طبیعی دامنه­ها با تبدیل اراضی مرتعی به کشاورزی انتظار می­رود سطح قابل توجهی رسوب به سیستم رودخانه وارد شود که در نهایت در پشت دریاچه سد علویان انباشته خواهد شد و مشکلاتی را در زمینه­ی کاهش سطح آب قابل ذخیره­سازی ایجاد خواهد نمود. با توجه به نتایج اصلی تحقیق، در کل می­توان گفت که در منطقه­ی مورد مطالعه، روند تغییرات کاربری­ها، رابطه مستقیمی با افزایش جمعیت دارد، چرا که افزایش سطح اراضی باغی، اراضی دیم و تبدیل مراتع به زراعت دیم و مراتع فقیر، نتایج تلاش جمعیت رو به افزایش جهت تأمین مایحتاج غذایی می­باشد. با توجه به آثار زیست محیطی ناشی از چنین تغییراتی بدیهی است که در سال­های آتی مشکلات مربوط بروز انواع فرسایش­ها نظیر فرسایش­های خندقی، کاهش حاصلخیزی اراضی و انباشت رسوب در پشت دریاچه سد علویان در این منطقه مطرح خواهد شد که برای کاهش اثرات آنها پیشنهاد می­شود. اقدامات حفاظت از منابع طبیعی و آبخیزداری در این منطقه صورت گیرد. همچنین مقایسه نتایج تحقیق حاضر با تحقیق انجام شده­ی قبلی در ارزیابی روند تغییرات کاربری اراضی شهری مراغه که در بخش زیرین این حوضه قرار دارد، نشان می­دهد که تغییرات قابل توجهی در روند کاربری­های اراضی شهری این منطقه در جریان می باشد که ناشی از افزایش جمعیت و فشار بر منابع طبیعی می­باشد.

نتایج این تحقیق بیانگر قابلیت بالای تصاویر ماهواره­ای برای پایش تغییرات محیطی بوده و می­تواند در انواع برنامه­ریزی­ها نظیر آمایش سرزمین، حفاظت از منابع طبیعی و منابع آبی مورد استفاده کارشناسان در سطح سازمان­های اجرایی نظیر منابع طبیعی، جهاد کشاورزی، مدیریت برنامه­ریزی و امور آب قرار گیرد. در راستای تحقیق مشخص شد که تفکیک اراضی مرتعی و دیم به دلیل شباهت­های طیفی و ویژگی­های مکانی با دقت بالایی امکان­پذیر نیست و این کلاس­ها بیشترین اختلاط را نشان می­دهند. بدیهی است که استفاده از داده­های تکمیلی نظیر مدل­های رقومی ارتفاع و همچنین تصاویر ماهواره­ای با دقت مکانی بالا می­تواند در بهبود دقت چنین طبقه­بندی­هایی بسیار مؤثر باشد. براین اساس پیشنهاد می­شود که استخراج نقشه­های کاربری اراضی با استفاده از تصاویر با دقت تفکیک مکانی بالاتر و تکنیک­های کارآمدتر، نظیر روش­های پردازش شیءگرای تصاویر ماهواره­ای انجام شود.



1- Bai et al.,  

2- Zhou

[3]- Esam

[4]- Rawat & Kumar

[5]- Marshall et al.,

1- Image to Map Registration

2- Image to Image Registration

1- Chavez

2- Blaschke

1- Lillesand

1- Anderson et al. ,

2- Richards

- فیضی­زاده، بختیار و حسین هلالی (1388)، مقایسه­ی روش­های پیکسل پایه و شیءگرا و پارامترهای تأثیرگزار در طبقه­بندی پوشش/کاربری اراضی استان آذربایجان غربی، نشریه پژوهش­های جغرافیایی، شماره 71، صص 74-73.
- رضایی­بنفشه، مجید؛ رستم­زاده، هاشم و بختیار فیضی­زاده (1386)، بررسی و ارزیابی روند تغیر سطوح جنگل با استفاده از سنجش از دور و GIS، فصلنامه پژوهش­های جغرافیایی، سال 39، شماره 62، صص 143-159.
-مسگری، سعید (1381)، بررسی روند تغییر سطوح جنگل­ها با استفاده ازGIS  و سنجش از دور، تهران: طرح پژوهشی دانشکده فنی، دانشگاه خواجه­نصیرالدین طوسی.
- علوی­پناه، سیدکاظم (1384)، کاربرد سنجش از دور در علوم زمین، انتشارات دانشگاه تهران، تهران.
-Bai, X., Sharma, R.C., Tateishi, T., R., (2017), A Detailed and High-Resolution Land Use and Land Cover Change Analysis over the Past 16 Years in the Horqin Sandy Land, Inner Mongolia, Mathematical Problems in Engineering, pages doi.org/10.1155/2017/1316505.
-Chavez, P.S., Jr., (1988). An Improved Dark-Object Subtraction Technique for Atmospheric Scattering Correction of Multispectral Data, remote Sensing of 3-Environment, Vol. 24, No.3: PP. 459-479.
-Esam, I., F. Abdalla and N. Erich, (2012). Land Use and Land Cover Changes of West Tahta Region, Sohag Governorate, Upper Egypt, Journal of Geographic Information System, 4: PP. 483-493.
-Feizizadeh, B., Blaschke, T., Nazmfar, Z., Akbari, E., Kohbanani, H.R., (2013). Monitoring land surface temperature relationship to land use/land cover from satellite imagery in Maraqeh County, Iran, Journal Environmental Planning Management, 56 (9): PP. 1290-1315.
-Feizizadeh, B., Blaachke, T. (2012), Thermal remote sensing for land surface temperature monitoring: Maraqeh County, Iran, Geoscience and Remote Sensing Symposium (IGARSS), 2012 IEEE International, 10.1109/IGARSS.2012.6350808.
-Marshall., M., Norton-Griffiths, M., Herr, H., (2017), Continuous and consistent land use/cover change estimates using socio-ecological data, Earth System Dynamic, 8, PP. 55-73.
-Rawat, J.D., 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 Egeptyan Journal of Resmoet Senaing and space scinces, 18: PP. 77-84.
-Richards, J.A., (1999). Remote Sensing Digital Image Analysis, Springer-Verlag, Berlin, 240, PP.  
-Sharifi, L., Kamel, S., Feizizadeh, B. (2015), Monitoring Bioenvironmental Impacts of Dam Construction on Land Use/Cover Changes in Sattarkhan Basin Using Multi-Temporal Satellite Imagery, Iranica Journal of Energy and Environment, 6 (1): PP. 39-46.
-Zhou, Q., X. Ou, Z. Zhang and M. Yang (2008), Spatial-Temporal Land Use Pattern Changes in Manwan Hydropower Station Reservoir of Lancang River, Yunnan, China, Journal of Mountain Science, 26(4): 481-489.