آشكارسازي و تحليل منطقه‌اي تغييرات پوشش سبز شهري در مناطق 22‌ گانه شهر تهران

Detection and District Analysis of Urban Green Space Changes in The 22 Districts of Tehran

هدف اصلي اين پژوهش آشكارسازي تغييرات ده­ ساله پوشش ­سبز كلان شهر تهران از سال 1389 تا 1398 با استفاده از سري زماني تصاوير ماهواره ­هاي­ لندست 5، 7 و 8 مي ­باشد. آشكارسازي تغييرات در دو مقياس زماني سالانه و ده ساله انجام و تحليل نتايج، هم در سطح كلانشهر تهران و هم به تفكيك مناطق 22­گانه آن صورت پذيرفت. آشكارسازي تغييرات با رويكرد پس­ از طبقه­ بندي انجام شد. نوآوري اين تحقيق شامل تلا­ش­ها براي اخذ بهترين نتيجه در مرحله طبقه ­بندي تصاوير است كه در اين راستا علاوه بر باندهاي اپتيكي و حرارتي، از ويژگي­هاي مختلفي شامل شاخص ­هاي مختلف گياهي، آب و مناطق­ ساخته شده، مولفه ­هاي بافت تصوير و مولفه­ هاي اصلي استفاده شد. سه روش طبقه ­بندي بيشترين ­شباهت، شبكه عصبي ­مصنوعي و ماشين ­­بردار­ پشتيبان پياده­ سازي شدند. مقايسه نتايج نشان داد كه روش ماشين بردار پشتيبان با ميانگين دقت كل 91/06 درصد نتايج بهتري داشته است. آشكارسازي تغييرات حاكي از كاهش 10/58 درصدي پوشش ­سبز در دوره مورد بررسي است. بيشترين كاهش پوشش­ سبز به ­ميزان 7/46 كيلومتر مربع در دوره 91-1390 اتفاق افتاده و بيشترين افزايش در دوره 95-1394 به اندازه 7/61 كيلومتر ­مربع بوده ­است. مناطق يك و 22 بترتيب با 5/2 و 2/37 كيلومتر­مربع بيشترين ميزان كاهش و مناطق 2 و 19 نيز به ­ترتيب با 0/5 و 0/47 كيلومتر مربع بيشترين افزايش در پوشش سبز شهري را در بين مناطق داشته ­اند.

The main aim of this paper is to detect the ten-year changes in urban green spaces of Tehran metropolis, from 2010 to 2019, using the time series of Landsat 5, 7 and 8 images. The change detection was done in both annual and ten-year scale and the results are analyzed in two spatial scales; City level and municipal district-level. Detection of changes was done by a post-classification approach. The innovation of the study is efforts to reach the best results in the image classification step, for which in addition to optical and thermal bands various features including some vegetation indices, water and built-up index, image texture components, and principal components were used. Three classification methods including maximum likelihood, artificial neural network and support vector machine were implemented. The results indicated that the support vector machine has had the best result with 91.06% mean overall accuracy. The change detection showed a 10.58% decrease in the Tehran green spaces in the period under review. The greatest decrease, about 7.46 Km2, occurred in the period 1390-91 and the largest increase was 7.61 Km2 in the period 1394-95. Among the 22 municipal districts, regions 1 and 22 with 5.2 and 2.37 Km2, respectively, have had the highest decrease in urban green space, and regions 2 and 19 with 0.5 and 0.47 Km2, respectively, have had the highest increase.