پایش تغییرات کاربری اراضی مبتنی بر الگوریتم Decision Tree با استفاده از تصاویر ماهواره لندست، مطالعه موردی: محدوده غرب تهران
مقدمهرشد سریع شهرها و روند صنعتی‌شدن، مشکلات محیط‌زیستی زیادی را در بسیاری از مناطق جهان ایجاد کرده است. آگاهی از روند تغییرات پوشش و کاربری اراضی طی دوره‌‌های زمانی طولانی برای برنامه‌‌ریزان و مدیران به‌منظور ارزیابی و پیش‌‌بینی مشکلات ناشی از این تغییرات بسیار با اهمیت است. سنجش‌ازدور، ابزار مؤثری...
Saved in:
| Main Authors: | , , |
|---|---|
| Format: | Article |
| Language: | fas |
| Published: |
Soil Conservation and Watershed Management Research Institute (SCWMRI)
2024-09-01
|
| Series: | Muhandisī va mudirīyyat-i ābkhīz |
| Subjects: | |
| Online Access: | https://jwem.areeo.ac.ir/article_131801_d2dc907b49ae9ab621b93679c2dbe742.pdf |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| _version_ | 1832539809445314560 |
|---|---|
| author | مریم سلیمانی پراپری آزاد میر مسعود خیرخواه زرکش علیرضا مجیدی |
| author_facet | مریم سلیمانی پراپری آزاد میر مسعود خیرخواه زرکش علیرضا مجیدی |
| author_sort | مریم سلیمانی پراپری آزاد |
| collection | DOAJ |
| description | مقدمهرشد سریع شهرها و روند صنعتی‌شدن، مشکلات محیط‌زیستی زیادی را در بسیاری از مناطق جهان ایجاد کرده است. آگاهی از روند تغییرات پوشش و کاربری اراضی طی دوره‌‌های زمانی طولانی برای برنامه‌‌ریزان و مدیران به‌منظور ارزیابی و پیش‌‌بینی مشکلات ناشی از این تغییرات بسیار با اهمیت است. سنجش‌ازدور، ابزار مؤثری برای پایش تغییرات پوشش اراضی در مناطق شهری و حوالی آن است. شهر تهران در چند دهه اخیر به واسطه رشد و به دنبال مهاجرت افراد، گسترش زیادی پیدا نموده و اثرات فراوانی بر محیط‌زیست پیرامون خود بر جای گذاشته است. ازاین‌رو، پژوهش حاضر به ارائه مدلی مبتنی بر الگوریتم درخت تصمیم (Decision Tree) جهت طبقهبندی و پایش تغییرات کاربری اراضی با استفاده از تصاویر سنجنده TM و MSS در محدوده غرب شهر تهران در فاصله سال‌های 1975 تا 2011 پرداخته است. مواد و روش‌هادر این پژوهش، ابتدا یک تصویر سنجنده MSS و سه تصویر سنجنده TM ماهواره لندست است که در ماه خرداد اخذ شده و سپس دادههای کمکی یعنی مدل رقومی ارتفاع مستخرج از نقشه توپوگرافی 1:25000 سازمان نقشه‌برداری است مورداستفاده قرار گرفته است. بعد از انجام پیش‌پردازش‌ها، با استفاده از شاخص‌های پوشش اراضی از جمله شاخص پوشش گیاهی، روش DT و ترکیب آن با روش طبقهبندی حداکثر احتمال طبقه‌های کاربری اراضی استخراج شد. سپس، دقت تصاویر طبقه شده حاصل از DT با کمک ضریب کاپا و دقت کلی ارزیابی صحت شد و در پایان با استفاده از روش مقایسه تصاویر در زمان‌های موردمطالعه تغییرات طبقه‌های مختلف کاربری اراضی محاسبه شد. نتایج و بحثبر اساس یافته‌‌های این پژوهش، صحت کلی طبقهبندی برای سال 2011، 82 درصد است. همچنین، نتایج پایش تغییرات نشان داد که تراکم فضاهای ساخت‌وساز شده طی دوره زمانی 36 ساله دارای روندی مثبت و رو به افزایش است و در پی آن سایر اراضی در حال کاهش بوده‌اند. تراکم فضاهای ساخت‌وساز شده در سال 1975 با مساحت 2166 هکتار که معادل 8 درصد بوده به 8125 هکتار یعنی 29 درصد در سال 2011 رسیده است. در مجموع درصد تغییرات نسبی آن 21 درصد معادل 5959 هکتار است. با بررسی تغییرات کاربری اراضی در غرب شهر تهران از سال 1975 تا سال 2011 که در نقشه‌ها نمایش داده شده است، می‌‌توان گفت که با توسعه شهرنشینی و افزایش نیاز افراد به خدمات مختلف و نبود فضای کافی برای جوابگویی به این نیازها فضاهای باز و سبز غرب شهر تهران تخریب شده و جایگزین کاربری‌های مختلف شده است.نتیجه‌گیریپژوهش حاضر با هدف پایش پوشش و کاربری اراضی محدوده غرب تهران با دقت بالای طبقهبندی از طریق مدل مبتنی بر الگوریتمDT و تلفیق نتایج طبقهبندی حداکثر احتمال با آن به انجام رسید. برای انجام پژوهش از تصاویر ماهواره‌‌ای چندزمانه سنجنده TM و MSS ماهواره لندست و دادههای کمکی استفاده شده و پس از تهیه نقشه کاربری اراضی هر دوره زمانی، نقشه تغییرات پوشش و کاربری اراضی استخراج شد. نتایج این پژوهش نشان می‌‌دهد که دادههای سنجش‌ازدور همراه با فن‌های طبقهبندی ترکیبی از توانایی بالایی در استخراج انواع نقشه‌‌های کاربری اراضی و همچنین ارزیابی تغییرات کاربری برخوردارند و همچنین پتانسیل دادههای سنجنده MSS و TM ماهواره لندست را به‌عنوان یک ابزار مناسب و اقتصادی برای تصویر نمودن و تجزیه‌وتحلیل تغییرات پوشش اراضی در طی زمان نشان می‌‌دهد. همچنین نتایج پژوهش حاضر حاکی از آن است که استفاده از روش شاخه‌‌ای یا چندمرحله‌ای برای طبقهبندی تصاویر ماهواره‌‌ای، دارای مزایایی از جمله کاستن زمان پردازش، بهبود صحت طبقه‌های تعلیم کوچک، به‌کارگیری منابع متفاوتی از داده‌‌ها، مجموعه‌‌های مختلف از خصوصیات و حتی الگوریتم‌‌های متفاوت در هر مرحله از تصمیم‌‌گیری است. |
| format | Article |
| id | doaj-art-358fa7cc86fd45698624ec2968f73d22 |
| institution | Kabale University |
| issn | 2251-9300 2322-536X |
| language | fas |
| publishDate | 2024-09-01 |
| publisher | Soil Conservation and Watershed Management Research Institute (SCWMRI) |
| record_format | Article |
| series | Muhandisī va mudirīyyat-i ābkhīz |
| spelling | doaj-art-358fa7cc86fd45698624ec2968f73d222025-02-05T08:25:45ZfasSoil Conservation and Watershed Management Research Institute (SCWMRI)Muhandisī va mudirīyyat-i ābkhīz2251-93002322-536X2024-09-0116341543110.22092/ijwmse.2024.365534.2060131801پایش تغییرات کاربری اراضی مبتنی بر الگوریتم Decision Tree با استفاده از تصاویر ماهواره لندست، مطالعه موردی: محدوده غرب تهرانمریم سلیمانی پراپری آزاد0میر مسعود خیرخواه زرکش1علیرضا مجیدی2کارشناسی ارشد مهندسی محیط زیست دانشکده محیط زیست و انرژی دانشگاه آزاد اسلامی، واحد علوم و تحقیقات، تهران، ایراندانشیار پژوهشی، پژوهشکده حفاظت خاک و آبخیزداری، سازمان تحقیقات، آموزش و ترویج کشاورزی، تهران، ایراناستادیار، پژوهشکده حفاظت خاک و آبخیزداری، سازمان تحقیقات، آموزش و ترویج کشاورزی، تهران، ایرا نمقدمهرشد سریع شهرها و روند صنعتی‌شدن، مشکلات محیط‌زیستی زیادی را در بسیاری از مناطق جهان ایجاد کرده است. آگاهی از روند تغییرات پوشش و کاربری اراضی طی دوره‌‌های زمانی طولانی برای برنامه‌‌ریزان و مدیران به‌منظور ارزیابی و پیش‌‌بینی مشکلات ناشی از این تغییرات بسیار با اهمیت است. سنجش‌ازدور، ابزار مؤثری برای پایش تغییرات پوشش اراضی در مناطق شهری و حوالی آن است. شهر تهران در چند دهه اخیر به واسطه رشد و به دنبال مهاجرت افراد، گسترش زیادی پیدا نموده و اثرات فراوانی بر محیط‌زیست پیرامون خود بر جای گذاشته است. ازاین‌رو، پژوهش حاضر به ارائه مدلی مبتنی بر الگوریتم درخت تصمیم (Decision Tree) جهت طبقهبندی و پایش تغییرات کاربری اراضی با استفاده از تصاویر سنجنده TM و MSS در محدوده غرب شهر تهران در فاصله سال‌های 1975 تا 2011 پرداخته است. مواد و روش‌هادر این پژوهش، ابتدا یک تصویر سنجنده MSS و سه تصویر سنجنده TM ماهواره لندست است که در ماه خرداد اخذ شده و سپس دادههای کمکی یعنی مدل رقومی ارتفاع مستخرج از نقشه توپوگرافی 1:25000 سازمان نقشه‌برداری است مورداستفاده قرار گرفته است. بعد از انجام پیش‌پردازش‌ها، با استفاده از شاخص‌های پوشش اراضی از جمله شاخص پوشش گیاهی، روش DT و ترکیب آن با روش طبقهبندی حداکثر احتمال طبقه‌های کاربری اراضی استخراج شد. سپس، دقت تصاویر طبقه شده حاصل از DT با کمک ضریب کاپا و دقت کلی ارزیابی صحت شد و در پایان با استفاده از روش مقایسه تصاویر در زمان‌های موردمطالعه تغییرات طبقه‌های مختلف کاربری اراضی محاسبه شد. نتایج و بحثبر اساس یافته‌‌های این پژوهش، صحت کلی طبقهبندی برای سال 2011، 82 درصد است. همچنین، نتایج پایش تغییرات نشان داد که تراکم فضاهای ساخت‌وساز شده طی دوره زمانی 36 ساله دارای روندی مثبت و رو به افزایش است و در پی آن سایر اراضی در حال کاهش بوده‌اند. تراکم فضاهای ساخت‌وساز شده در سال 1975 با مساحت 2166 هکتار که معادل 8 درصد بوده به 8125 هکتار یعنی 29 درصد در سال 2011 رسیده است. در مجموع درصد تغییرات نسبی آن 21 درصد معادل 5959 هکتار است. با بررسی تغییرات کاربری اراضی در غرب شهر تهران از سال 1975 تا سال 2011 که در نقشه‌ها نمایش داده شده است، می‌‌توان گفت که با توسعه شهرنشینی و افزایش نیاز افراد به خدمات مختلف و نبود فضای کافی برای جوابگویی به این نیازها فضاهای باز و سبز غرب شهر تهران تخریب شده و جایگزین کاربری‌های مختلف شده است.نتیجه‌گیریپژوهش حاضر با هدف پایش پوشش و کاربری اراضی محدوده غرب تهران با دقت بالای طبقهبندی از طریق مدل مبتنی بر الگوریتمDT و تلفیق نتایج طبقهبندی حداکثر احتمال با آن به انجام رسید. برای انجام پژوهش از تصاویر ماهواره‌‌ای چندزمانه سنجنده TM و MSS ماهواره لندست و دادههای کمکی استفاده شده و پس از تهیه نقشه کاربری اراضی هر دوره زمانی، نقشه تغییرات پوشش و کاربری اراضی استخراج شد. نتایج این پژوهش نشان می‌‌دهد که دادههای سنجش‌ازدور همراه با فن‌های طبقهبندی ترکیبی از توانایی بالایی در استخراج انواع نقشه‌‌های کاربری اراضی و همچنین ارزیابی تغییرات کاربری برخوردارند و همچنین پتانسیل دادههای سنجنده MSS و TM ماهواره لندست را به‌عنوان یک ابزار مناسب و اقتصادی برای تصویر نمودن و تجزیه‌وتحلیل تغییرات پوشش اراضی در طی زمان نشان می‌‌دهد. همچنین نتایج پژوهش حاضر حاکی از آن است که استفاده از روش شاخه‌‌ای یا چندمرحله‌ای برای طبقهبندی تصاویر ماهواره‌‌ای، دارای مزایایی از جمله کاستن زمان پردازش، بهبود صحت طبقه‌های تعلیم کوچک، به‌کارگیری منابع متفاوتی از داده‌‌ها، مجموعه‌‌های مختلف از خصوصیات و حتی الگوریتم‌‌های متفاوت در هر مرحله از تصمیم‌‌گیری است.https://jwem.areeo.ac.ir/article_131801_d2dc907b49ae9ab621b93679c2dbe742.pdfسنجش از دورسنجنده mssسنجنده tmشاخص پوشش گیاهیطبقه‌بندی حداکثر احتمال |
| spellingShingle | مریم سلیمانی پراپری آزاد میر مسعود خیرخواه زرکش علیرضا مجیدی پایش تغییرات کاربری اراضی مبتنی بر الگوریتم Decision Tree با استفاده از تصاویر ماهواره لندست، مطالعه موردی: محدوده غرب تهران Muhandisī va mudirīyyat-i ābkhīz سنجش از دور سنجنده mss سنجنده tm شاخص پوشش گیاهی طبقهبندی حداکثر احتمال |
| title | پایش تغییرات کاربری اراضی مبتنی بر الگوریتم Decision Tree با استفاده از تصاویر ماهواره لندست، مطالعه موردی: محدوده غرب تهران |
| title_full | پایش تغییرات کاربری اراضی مبتنی بر الگوریتم Decision Tree با استفاده از تصاویر ماهواره لندست، مطالعه موردی: محدوده غرب تهران |
| title_fullStr | پایش تغییرات کاربری اراضی مبتنی بر الگوریتم Decision Tree با استفاده از تصاویر ماهواره لندست، مطالعه موردی: محدوده غرب تهران |
| title_full_unstemmed | پایش تغییرات کاربری اراضی مبتنی بر الگوریتم Decision Tree با استفاده از تصاویر ماهواره لندست، مطالعه موردی: محدوده غرب تهران |
| title_short | پایش تغییرات کاربری اراضی مبتنی بر الگوریتم Decision Tree با استفاده از تصاویر ماهواره لندست، مطالعه موردی: محدوده غرب تهران |
| title_sort | پایش تغییرات کاربری اراضی مبتنی بر الگوریتم decision tree با استفاده از تصاویر ماهواره لندست، مطالعه موردی محدوده غرب تهران |
| topic | سنجش از دور سنجنده mss سنجنده tm شاخص پوشش گیاهی طبقهبندی حداکثر احتمال |
| url | https://jwem.areeo.ac.ir/article_131801_d2dc907b49ae9ab621b93679c2dbe742.pdf |
| work_keys_str_mv | AT mrymslymạnyprạpryậzạd pạysẖtgẖyyrạtḵạrbryạrạḍymbtnybrạlgwrytmdecisiontreebạạstfạdhạztṣạwyrmạhwạrhlndstmṭạlʿhmwrdymḥdwdhgẖrbthrạn AT myrmsʿwdkẖyrkẖwạhzrḵsẖ pạysẖtgẖyyrạtḵạrbryạrạḍymbtnybrạlgwrytmdecisiontreebạạstfạdhạztṣạwyrmạhwạrhlndstmṭạlʿhmwrdymḥdwdhgẖrbthrạn AT ʿlyrḍạmjydy pạysẖtgẖyyrạtḵạrbryạrạḍymbtnybrạlgwrytmdecisiontreebạạstfạdhạztṣạwyrmạhwạrhlndstmṭạlʿhmwrdymḥdwdhgẖrbthrạn |