ارزیابی و تحلیل روند توسعه شهر پرند در دو دهه اخیر با استفاده از داده ها وتصاویر ماهواره Sentinel۲ و Landsat-۷

پیشینه و اهداف: روند رو به رشد شهرنشینی و گسترش سریع سکونت گاه ها در دهه های اخیر، اهمیت مطالعه تغییرات کاربری اراضی را در برنامه ریزی شهری دوچندان کرده است. شهر جدید پرند، به عنوان یکی از نمونه های مهم شهرهای جدید کشور و واقع در مجاورت تهران، طی دو دهه گذشته دچار تغییرات قابل توجهی شده است. این شهر که در ابتدا تنها بخش کوچکی از محدوده مطالعه را دربر می گرفت، با افزایش جمعیت و تقاضای مسکن، رشد سریع و ملاحظه ای داشته است. هدف اصلی این مطالعه، پایش کمی تغییرات کاربری اراضی با تمرکز بر گسترش مناطق ساخته شده و کاهش اراضی بایر، مقایسه نقشه های کاربری اراضی در دو دوره زمانی، ارزیابی دقت طبقه بندی و تحلیل الگوی فضایی توسعه شهری پرند و پیامدهای آن است.روش ها : برای تحلیل توسعه شهری، رویکردی مبتنی بر ادغام چندحسگر به کار گرفته شد. تصاویر ماهواره ای Landsat-۷ مربوط به سال ۲۰۰۰ به عنوان داده پایه و تصاویر ماهواره ای ۲Sentinel- مربوط به سال ۲۰۲۴ به عنوان داده معاصر استفاده شدند. همچنین داده های راداری ۱Sentinel- برای بهبود تفکیک بافت های شهری به تحلیل اضافه شد. تمامی مراحل پردازش داده ها در محیط ابری Google Earth Engine انجام گرفت که امکان پردازش سریع و مدیریت داده های حجیم را فراهم می کند. چهار کلاس اصلی شامل گیاهان، مناطق ساخته شده، اراضی بایر و جاده ها با استفاده از الگوریتم جنگل تصادفی (Random Forest) طبقه بندی شدند. نمونه های آموزشی از طریق تفسیر بصری تصاویر و داده های کمکی آماده شدند. برای اعتبارسنجی، ماتریس خطا تهیه شد و دقت کلی و ضریب کاپا محاسبه گردید. خروجی های مطالعه شامل نقشه های باینری مناطق ساخته شده، نقشه های طبقه بندی شده کاربری اراضی و جداول آماری مساحت کلاس ها برای هر دو بازه زمانی بود.یافته ها: نتایج نشان داد که مساحت مناطق ساخته شده در پرند طی دوره مطالعه به طور چشمگیری افزایش یافته است؛ از حدود ۳.۶۶ کیلومتر مربع در سال ۲۰۰۰ به بیش از ۱۴.۳۱ کیلومتر مربع در سال ۲۰۲۴ رسیده است، که نشان دهنده افزایش بیش از چهاربرابری است. در همین دوره، اراضی بایر از ۱۴۶.۶۶ کیلومتر مربع به ۱۳۴.۵۰ کیلومتر مربع کاهش یافته است که نشان دهنده تبدیل بخش قابل توجهی از این اراضی به مناطق شهری است. تحلیل فضایی تغییرات نشان داد که رشد شهری عمدتا در بخش های شرقی و جنوبی پرند متمرکز بوده و الگوی پراکندگی اولیه به ساختاری منسجم تر و سازمان یافته تر تغییر کرده است. مقایسه کیفیت طبقه بندی نشان داد که نقشه سال ۲۰۲۴ با دقت کلی ۹۵.۹۷٪ و ضریب کاپا ۰.۹۴۴۴، کیفیت بالاتری نسبت به نقشه سال ۲۰۰۰ با دقت کلی ۸۹.۰۶٪ و ضریب کاپا ۰.۸۲۰۱ دارد؛ این تفاوت عمدتا به وضوح بالاتر داده های جدید و ادغام داده های اپتیکی و راداری بازمی گردد. کلاس های گیاهان و جاده ها تغییرات اندکی داشته اند که با ماهیت پایدارتر این کلاس ها همخوانی دارد..نتیجه گیری: نتایج نشان می دهد که ترکیب داده های نوری و راداری با الگوریتم های یادگیری ماشین در محیط ابری، روشی موثر و تکرارپذیر برای پایش بلندمدت توسعه شهری است. گسترش سریع مناطق ساخته شده، به ویژه در بخش های شرقی و جنوبی پرند، نیازمند بازنگری در سیاست های کاربری اراضی، توسعه زیرساخت های حمل ونقل و خدمات عمومی و حفاظت از اراضی کشاورزی است. این رویکرد می تواند مبنای مناسبی برای برنامه ریزی شهری پایدار، مدیریت جمعیت و اولویت بندی سرمایه گذاری فراهم کند. با این حال، محدودیت هایی مانند نویز داده های راداری، کمبود داده های میدانی و تفکیک پذیری محدود برخی کلاس ها همچنان باقی است.

کلیدواژه ها:

توسعه شهری ، سنجش از دور ، کاربری اراضی ، Random Forest