بررسی تغییرات کاربری اراضی شهر هرات با استفاده از تصاویرماهواره ای بین سال های ۲۰۱۵ تا ۲۰۲۲

سال انتشار: 1404
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 180

فایل این مقاله در 16 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_GIS-17-2_002

تاریخ نمایه سازی: 8 شهریور 1404

چکیده مقاله:

سابقه و هدف: در سال های اخیر، تغییرات کاربری اراضی به ویژه در مناطق شهری، از چالش های مهم در حوزه برنامه ریزی شهری، مدیریت منابع طبیعی و توسعه پایدار شناخته شده است. با افزایش جمعیت، گسترش ساخت وسازها و رشد فزاینده تقاضا برای اراضی شهری، نیاز بیش ازپیش به پایش و تحلیل دقیق تغییرات کاربری اراضی، به منظور مدیریت بهینه منابع و تدوین سیاست های کارآمد توسعه شهری، احساس می شود. در این راستا، تحقیق حاضر با هدف بررسی روند تغییرات کاربری اراضی در شهر هرات، طی سال های ۲۰۱۵ تا ۲۰۲۲ انجام شده است. برای این منظور، از تصاویر ماهواره ای لندست ۸ مربوط به سنجنده OLI استفاده شد که با توجه به ویژگی های طیفی و مکانی مناسب، قابلیت بالایی در تحلیل تغییرات کاربری اراضی دارد.مواد و روش ها: ابتدا پیش پردازش های لازم، ازجمله تصحیح رادیومتریکی، تصحیح هندسی و تصحیح اتمسفری، درمورد تصاویر ماهواره ای جمع آوری شده متعلق به دو سال مورد نظر انجام شد تا دقت تحلیل های بعدی افزایش یابد. پس از مراحل پیش پردازش، چهار کلاس کاربری اراضی شامل اراضی خاکی، پوشش گیاهی، مناطق مسکونی و اراضی آبی در محدوده مورد مطالعه شناسایی شد. به منظور طبقه بندی این تصاویر و استخراج اطلاعات درزمینه تغییرات کاربری، از دو الگوریتم طبقه بندی پرکاربرد، یعنی روش حداکثر احتمال (Maximum Likelihood Classification) و شبکه عصبی مصنوعی (Artificial Neural Network)، استفاده شد و دقت نتایج حاصل از این دو روش مورد ارزیابی و مقایسه قرار گرفت.نتایج و بحث: نتایج تحلیل ها نشان داد که روش حداکثر احتمال، در طبقه بندی تصاویر ماهواره ای، عملکردی بهتر از روش شبکه عصبی مصنوعی داشته است. مقادیر ضریب کاپا و دقت کلی که برای ارزیابی صحت طبقه بندی به کار می روند، درمورد سال ۲۰۱۵، برابر با ۷۵/۰ و ۸۵% و برای سال ۲۰۲۲، برابر با ۹۶/۰ و ۹۷% به دست آمدند. این مقادیر حاکی از دقت بالا و قابلیت اعتماد روش حداکثر احتمال، در تفکیک کلاس های متفاوت کاربری اراضی، در منطقه مورد مطالعه است. تحلیل نتایج طبقه بندی در بازه زمانی ۲۰۱۵ تا ۲۰۲۲ نشان دهنده تغییرات شایان توجه در ساختار فضایی کاربری اراضی شهر هرات است. براساس نتایج، طی این دوره زمانی، سطح اراضی خاکی به میزان ۰/۴ کیلومترمربع کاهش یافته و سطح اراضی آبی نیز با کاهش ۶۲/۱کیلومترمربعی مواجه بوده است. ازسوی دیگر، سطح اراضی مناطق مسکونی به میزان ۳۹/۱ کیلومترمربع و سطح پوشش گیاهی ۵۹/۴ کیلومترمربع افزایش داشته است.نتیجه گیری: این تغییرات نشان دهنده روند توسعه شهری، در شهر هرات، طی این دوره زمانی است و به افزایش مداخلات انسانی در کاربری اراضی، به ویژه در قالب توسعه مناطق مسکونی و افزایش فضای سبز یا پوشش گیاهی، اشاره دارد. درمجموع، یافته های این پژوهش حاکی از آن است که توسعه شهری در شهر هرات باعث کاهش اراضی طبیعی، همانند زمین های خاکی و منابع آبی، شده و درمقابل، کاربری هایی با مداخلات انسانی، مانند مناطق مسکونی و پوشش گیاهی، افزایش یافته است. با توجه به کاهش منابع آبی و اراضی طبیعی، برنامه ریزی های آتی شهر باید با تمرکز بر توسعه پایدار، حفاظت از منابع طبیعی و به ویژه مدیریت موثر منابع آبی همراه باشد. این مدیریت می تواند ازطریق سیاست گذاری های دقیق، اعمال محدودیت در توسعه بی رویه شهری و ارتقای آگاهی عمومی درباره اهمیت منابع طبیعی تحقق یابد. این پژوهش، با بهره گیری از داده های سنجش از دور و تحلیل علمی تغییرات کاربری اراضی، اطلاعات ارزشمندی برای تصمیم گیران و برنامه ریزان شهری فراهم کرده است. نتایج این مطالعه را می توان به منزله مبنایی برای تدوین راهکارهای علمی درزمینه مدیریت اراضی شهری، حفظ منابع طبیعی و توسعه پایدار در شهر هرات به کار برد؛ بنابراین استفاده از فناوری های نوین در پایش و ارزیابی تغییرات کاربری اراضی باید از الزامات اساسی در فرایند تصمیم گیری و سیاست گذاری های شهری به شمار رود و پیشنهاد می شود توسعه شهری با مدیریت بهتر منابع آبی همراه باشد.

کلیدواژه ها:

نویسندگان

محمد کریم سیرت

دانشکده زمین شناسی، دانشگاه بامیان، بامیان، افغانستان

معصومه گمرکی

دانشکده مهندسی نقشه برداری فتوگرامتری، دانشگاه تهران، تهران، ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Abdolalizadeh, Z., Ebrahimi, A. & Mostafazadeh, R., ۲۰۱۹, Landscape Pattern ...
  • Aghaei, M., Khavarian, H. & Mostafazadeh, Z., ۲۰۲۲, Prediction and ...
  • Ahani, H., Ghorbani, A., Rostegarmoghadam, M., Fallahshamsi, S.R. & Bagharnajad, ...
  • Alavi, S.F. & Tanaka, T., ۲۰۲۳, Analyzing the Role of ...
  • Arghandwal, N.A., ۲۰۲۱, The Land Use Change Analysis of the ...
  • Arkhi, S., ۲۰۱۵, Detecting Land Cover/Land Use Changes by Object-Oriented ...
  • Arkhi, S. & Fathizad, H., ۲۰۱۰, Evaluation of Desertification Trends ...
  • Arkhi, S., Shahkouei, E. & Ata, B., ۲۰۲۲, Evaluation of ...
  • Banzhaf, E., Kabisch, S., Knapp, S., Rink, D., Wolff, M. ...
  • Bolstad, P. & Lillesand, T.M., ۱۹۹۱, Rapid Maximum Likelihood Classification, ...
  • Changiz, M., Savari, A., Dashti, S., Orak, N. & Karimi-Orghani, ...
  • Chen, G., Li, X., Liu, X., Chen, Y., Liang, X., ...
  • Danesh, A. & Ilanlou, M., ۲۰۲۰, Land Use Change Assessment ...
  • Dehghani, T., Ahmadpari, H. & Amini, A., ۲۰۲۳, Land Use ...
  • Delgarm, S., Ganjalikhani, M. & Bakhtiari, B., ۲۰۲۳, Land Use ...
  • Gomroki, M., Hasanlou, M. & Reinartz, P., ۲۰۲۲, IUNet-UCD: Improved ...
  • Gomroki, M., Hasanlou, M. & Chanussot, J., ۲۰۲۳a, Automatic ۳D ...
  • Gomroki, M., Hasanlou, M. & Reinartz, P., ۲۰۲۳b, STCD-EffV۲T Unet: ...
  • Hekmat, H., Ahmad, T., Singh, S.K., Kanga, S., Meraj, G. ...
  • Hersini, I., Kaboli, M., Faghihi, J., Taherzadeh, A. & Asadi, ...
  • Hu, Y., Raza, A., Syed, N.R., Acharki, S., Ray, R.L., ...
  • Jafarian, N., Mirzaei, J. & Karami, O., ۲۰۲۰, Land Use ...
  • Karimian, K., Amini, A., Bagheri-Abadi, M. & Ghayoumi-Mohammadi, H., ۲۰۲۰, ...
  • Khalighi, S., Mahdavi, M. & Sagafian, B., ۲۰۰۵, Investigating the ...
  • Lippmann, R., ۱۹۸۷, An Introduction to Computing with Neural Nets, ...
  • Mahdizadeh-Karizaki, M., Alizadeh, A. & Ansari, H., ۲۰۱۹, Land Use ...
  • Mojarad, K. & Kamanroudi, M., ۲۰۱۸, Land Use and Land ...
  • Mousavi, S.H., Ranjbar, A. & Haseli, M., ۲۰۱۶, Monitoring and ...
  • Oluseyi, O.F., ۲۰۰۶, Urban Land Use Change Analysis of a ...
  • Padgett, C. & Cottrell, G.W., ۲۰۲۲, A Simple Neural Network ...
  • Pakkhosal, E., Ghadikolaei, J., Jalilvand, H. & Akbari, H., ۲۰۲۱, ...
  • Pijanowski, B.C., Brown, D.G., Shellito, B.A. & Manik, G.A., ۲۰۰۲, ...
  • Rezaei, R., Ghadousi, J., Hosseini, A.H., Arjamandi, R. & Vafainejad, ...
  • Saadian, A. & Shafizadeh-Moghadam, H., ۲۰۲۱, Land Use Change Assessment ...
  • Shanai, H.S.M. & Zarei, H., ۲۰۱۶, Land Use Change Analysis ...
  • Sharafat, A., Toghani, N. & Sirat, M.K., ۲۰۲۴, Investigating Changes ...
  • Shehu, P., Rikko, L.S. & Azi, M.B., ۲۰۲۳, Monitoring Urban ...
  • Statistical Yearbook of Afghanistan, ۲۰۲۲ ...
  • Sundarakumar, K., Harika, M., Begum, S.A., Yamini, S. & Balakrishna, ...
  • Talebi Khiavi, H., Mostafazadeh, R., Asaadi, M.A. & Asbaghian Namini, ...
  • Tarko, A.P., ۲۰۲۳, Maximum Likelihood Method of Estimating the Conflict-Crash ...
  • نمایش کامل مراجع