آشكارسازي تغييرات كاربري اراضي با استفاده از تصاويرماهواره اي (مطالعه موردي: شهرستان شوش)

Detection of Land Use Changes Using Satellite Imagery (Case Study: Shush Township)

امروزه جهان در حال توسعه، رشد بي‌سابقه‌اي را تجربه كرده است كه اثر قابل‌توجهي روي تشديد كاربري زمين دارد. بنابراين، مدل‌سازي و پيش‌بيني الگوهاي رشد براي برنامه­ريزان و طرفداران حفظ منابع طبيعي جهت تنظيم راهبرد توسعه پايدار، امري بسيار حياتي است كه هدف اصلي آن‌ شناسايي عوامل و روند تغييرات در آينده براساس تغييرات گذشته است. پايش تغييرات واحدهاي اراضي، مستلزم استفاده از روش‌هاي سريع و مناسب جهت جمع­آوري اطلاعات و تلفيق لايه‌هاي اطلاعاتي با يكديگر است. دراين تحقيق بر مبناي كيفيت تصاوير، روند و ميزان تغييرات كاربري اراضي شهرستان شوش در سري زماني 30 ساله (1987و2000 و2017) با استفاده از تصاوير ماهواره‌اي لندست و سنجنده­هاي TM، OLI و MSS بررسي شده است. همچنين براي پردازش و تحليل بخش­هاي مختلف از نرم‌افزارهاي Arc GIS، IDRISI و ENVI استفاده شده است. پس از كلاس­بندي تصاوير به روش نظارت‌شده بيشترين شباهت، نقشه‌هاي كلاس‌بندي شده با دقت ضريب كاپاي متوسط 1/96 درصد به دست آمد. نتايج آشكارسازي تغييرات نشان داد كه بيشترين كاهش مساحت براي زمين‌هاي بدون پوشش و به ميزان 49078 هكتار و بيشترين افزايش براي اراضي كشاورزي و به ميزان 52691 هكتار بوده كه نشان‌دهنده تغييركاربري اراضي بدون پوشش به اراضي كشاورزي است.

Today, the developing world is experiencing unprecedented growth that has a significant impact on land use intensification. Therefore, modeling and predicting growth patterns is crucial for natural resource planners and proponents to formulate a sustainable development strategy. The main purpose of modeling is to identify the factors and trends of future changes based on past changes. Monitoring the occurred changes in land units requires the use of rapid and appropriate methods to gather information and integrate layers of information. In the present study, based on image quality, the trend and rate of land use changes in Shush Township in a 30-year time series (1987, 2000 and 2017) have been investigated using Landsat satellite images and TM, OLI and MSS sensors. Different sections were processed and analyzed using ArcGIS, IDRISI and ENVI software. After classifying the images by the most similar supervised method, the classified maps were obtained with an average Kappa coefficient accuracy of 96.1%. The results of detection of changes showed that the largest decrease in area has occurred for uncovered land by 49078 hectares, and the highest increase was for agricultural land by 52691 hectares, which indicates the change of use of uncovered land in favore of agricultural land.