پايش تغييرات كاربري اراضي با استفاده از تكنيك سنجش از دور (مطالعه موردي: شهرستان شهريار)

Detecting of land use change with remote sensing technique (Case study: Shahriar province)

عدم تعادل فضايي و توسعه فيزيكي ناموزون در گستره مناطق به ويژه در محدوده شهرهاي بزرگ، باعث شده پايش تغييرات كاربري زمين و هدايت آن در راستاي كاهش آثار سو در كوتاه مدت و بلند مدت اصلي ترين دغدغه سياست گذاران و برنامه ريزان باشد. هدف از اين تحقيق، پايش تغييرات كاربري اراضي زراعي شهرستان شهريار با سه روش حداكثر احتمال (MLC)، شبكه عصبي (NNC) و ماشين بردار پشتيبان (SVM)، طي بازه زماني (1366- 1388) با استفاده از داده-هاي رقومي لندست است. نتايج تحقيق نشان داد كه توسعه شهري منطقه طي دوره 22 ساله، روندي افزايشي ولي اراضي كشاورزي روندي كاهشي داشته است. تغييرات كاربري كشاورزي با روش هاي ماشين بردار پشتيبان، شبكه عصبي و حداكثر احتمال، نشان داد كه اين كاربري به ترتيب به ميزان 37، 26 و 25% كاهش داشته است. همچنين نتايج روش هاي ماشين بردار پشتيبان و شبكه عصبي به ترتيب نشان دهنده افزايش 57 و 41 درصدي كاربري-هاي شهري بوده، در حالي كه روش حداكثر احتمال، كاهش 4 درصدي اين كاربري را نشان مي دهد، كه نشان دهنده ضعف برآوردهاي محاسباتي اين روش مي باشد.

The loss of spatial balance and inharmonious physics development across regions, especially in the metropolitans has made monitoring changes in land use and its direction in harmony with reducing the harmful effects in the long and short run became the main issues of policymakers and policy planners’ concerns. The aim of the study was to detect changing in Shahriarʹs land use via three methods of support vector machine (SVM), neural network classifier (NNC) and maximum likelihood classifier (MLC) during (1987-2009) using LandSat digital images. The results showed that during a 22 years period, the urban development increased and agricultural land declined. The decline in agricultural land has been 37, 26 and 25 percent based on SVM, NNC and MLC methods, respectively. Furthermore, the result indicated that urban land has been increased 57 and 41 percent via SVM and NNC, while agriculture land has been decreased four percent based on MLC, which demonstrates the weaknesses in accounting estimates of this method.