تهيه نقشه پوشش اراضي منطقه رودبار قصران (شهرستان شميرانات) با تكنيك سنجش از دور

Land cover mapping of Roudbar-e Qasran (Shemiranat County) using Remote Sensing

يكي از مسايل مهم در فرايند توسعه شهري و منطقه اي در جهان، كاربري زمين و برنامه ريزي براي پايداري آن است. امروزه با توجه به توسعه روز افزون شهرها و عدم تعادل در پراكنش فضايي كاربري­ها، ساماندهي كاربري اراضي و آگاهي از وضعيت پوشش اراضي از اهميت بسيار زيادي برخوردار است. تكنيك هاي سنجش از دور بهترين وسيله براي استخراج نقشه ي كاربري اراضي مي باشد. بنابراين در اين تحقيق، براي تهيه نقشه كاربري اراضي از روش طبقه بندي نظارت شده و الگوريتم طبقه بندي حداكثر احتمال استفاده گرديد. منطقه مورد مطالعه بخش رودبار قصران شهرستان شميرانات است و در اين تحقيق، از تصاوير ماهواره اي لندست 8 (خرداد ماه) سنجنده OLI سال2015 استفاده گرديد . نتايج نشان داد كه به ترتيب اراضي باير، مرتع، انسان ساخت و زراعي بيش ترين مساحت كاربري را تشكيل مي دهند. براي ارزيابي صحت و دقت طبقه بندي هاي انجام شده، صحت كلي وضريب كاپا تعيين گرديد كه به ترتيب %97/74 و 0/92 به دست آمد. كه نشان دهنده ي قابليت بالاي تصاوير لندست براي تهيه ي نقشه ي كاربري اراضي مي باشد

One of the most important issues of urban and regional development throughout the world is land use and planning for its sustainability. Nowadays، organization of land use and understanding of land cover situation is a great importance due to the increasing development of cities and imbalance in the spatial distribution of users. Remote sensing techniques are the best application to extract the land use map. So in this study، for preparing the map of land use a Supervised Classification Technique and the Maximum Likelihood Classification Algorithm were used. The study area is located in the Roudbar-e Qasran region of Shemiranat county and in this research the Landsat-8 satellite images (June) of the OLI sensor in 2015 was used. The results showed that the barren lands، rangelands، man-made and farms comprise the largest area of use، respectively. To evaluate the accuracy of the classifications carried out، the total accuracy and Kappa coefficient were determined by 97.74% and 0.92%، respectively، representing the high resolution of Landsat images to map the land use.