پديد آورندگان :
اندرياني، صغري دانشگاه تبريز، تبريز، ايران , نيكجو، محمدرضا دانشگاه تبريز - ژئومورفولوژي و سنجش از دور، تبريز، ايران , رضائي مقدم، محمد حسين دانشگاه تبريز - ژئومورفولوژي و سنجش از دور، تبريز، ايران , مختاري، داوود دانشگاه تبريز - ژئومورفولوژي و سنجش از دور، تبريز، ايران
كليدواژه :
كاربري اراضي , زيلبيرچاي , روش شيءگرا , پيشبيني , زنجيرۀ ماركف
چكيده فارسي :
هدف از پژوهش حاضر، استخراج و كشف تغييرات كاربري اراضي از تصاوير ماهوارهاي با مدل شيءگرا و همچنين پيشبيني اين تغييرات با مدل زنجيرۀ ماركف تا سال 2030 در حوضۀ آبريز زيلبيرچاي است. با توجه به اينكه تفكيك برخي محصولات از همديگر مانند گندم آبي و ديم، زراعت آبي و باغات در تصاوير با تفكيك مكاني متوسط مانند تصاوير لندست و روشهاي شناختهشدۀ پيكسل پايه بهسختي صورت ميگيرد، بنابراين در تحقيق حاضر مدل شيءگرا بر مبناي روش دانشپايه با استفاده از ميانگين و انحراف معيار شاخص پوشش گياهي و ويژگيهاي توپوگرافي منطقه، همچنين تصوير OLI با تاريخ 2015 بهكار گرفته شد و اعتبارسنجي آن با ضريب كاپا 86/0 و صحت كلي 89/0 صورت گرفت، سپس نتيجۀ آن در تصوير TM نيز استفاده شد (ضريب كاپا برابر با 83/0 و صحت كلي 87). درنهايت بعد از تجزيهوتحليل تغييرات رخداده، پيشبيني زماني كاربريها صورت گرفت. نتايج طبقهبندي تصاوير نشاندهندۀ رشد مساحت كاربريهاي مسكوني، باغات و زراعت آبي بهترتيب 15، 42 و 50 km2 در طول 28 سال است كه اين رشد نشاندهندۀ مصرف زياد آب در منطقه است. همچنين در 15 سال آينده نيز كه براساس الگوي 28 سال قبل و با مدل تحليل زنجيرۀ ماركف بوده، اين رشد بهترتيب تا ميزان 8، 27 و 8 km2 خواهد بود. ازطرفي مقايسۀ تناظر به تناظر نقشههاي طبقهبندي دو بازۀ زماني، نشاندهندۀ تبديل كاربريهاي كممصرف مثل گندم آبي به محصولات زراعي آبي است؛ ازاينرو لزوم استفاده از يك مديريت بهينه و كارآمد بهمنظور دستيافتن به توسعۀ پايدار، مكانيزهكردن سيستمهاي آبياري و كنترل مصرف عوامل انساني در منطقه اجتنابناپذير است.
چكيده لاتين :
The purpose of this study was to extract and explore land use changes from satellite images with object-oriented and knowledge-based models, as well as predict these changes using the Markov chain model by the 2030 in the Zailbirchai basin. Considering that the separation of some LULC from each other, such as irrigated wheat, Rain-fed Agriculture, Irrigated agriculture, and orchard in images with a spatial resolution, such as Landsat images and known pixel-based methods, is rigorous. Therefore, in the present study, a method based on the knowledge based was used for the extraction of the LULC with the OLI image of 2015 and its validation was done with kappa coefficient (0.86). Then the result of method was used in the TM image of 1987 (kappa coefficient equal to 0.83). Finally, after the analysis of the changes occurred, temporal changes was predicted for 2030. The classification of images shows the growth of residential, orchard and irrigated agriculture land uses, respectively, 15, 42 and 50 km2 over the course of 28 years. This growth reflects the high consumption of water in the region. Cross Tab, on the other hand, shows the conversion of low-consumption applications such as irrigated wheat to arable crops. Also, in the next 15 years, based on pattern of 28-year-old using Markov chain analysis model, this growth will be up to 8, 27 and 8 km2, respectively