آشکارسازی تغییرات کاربری اراضی در بازه زمانی 2013-2024 با استفاد از پردازش تصاویر لندست 8 و تحلیل اثرات آن (مطالعه موردی: شهر میاندوآب)
آرشیو
چکیده
زمینه و هدف: تحلیل تغییرات کاربری اراضی به عنوان یکی از شاخص های کلیدی تعامل انسان و محیط، برای مدیریت پایدار منابع و برنامه ریزی های منطقه ای امری ضروری است. این پژوهش با هدف تحلیل و آشکارسازی تغییرات مکانی-زمانی کاربری اراضی در شهرستان میاندوآب طی بازه زمانی ۲۰۱۳ تا ۲۰۲۴ با استفاده از الگوریتم بیشینه احتمال و داده های سنجش از دور انجام شده است. روش شناسی: در این تحقیق، داده های مورد استفاده شامل تصاویر ماهواره ای لندست ۸ برای سال های ۲۰۱۳ و ۲۰۲۴ بوده است. این تصاویر پس از انجام پیش پردازش های رادیومتریک و هندسی، با استفاده از الگوریتم طبقه بندی نظارت شده بیشینه احتمال (MLC) به نقشه های کاربری اراضی تبدیل شدند. در این فرآیند، هشت کلاس کاربری شامل مناطق ساخته شده، خاک، جاده ها، مزارع، باغات، آب، نمک زارها و خاک های شور شناسایی و استخراج گردید. یافته ها و نتیجه گیری: نتایج ارزیابی صحت طبقه بندی در سال های ۲۰۱۳ و ۲۰۲۴ نشان داد که دقت کلی به ترتیب ۹۴.۰۷% و ۹۴% بوده است که بیانگر عملکرد قابل قبول و دقت بالای الگوریتم طبقه بندی است. تحلیل تغییرات کاربری اراضی نشان می دهد که در این دوره، مزارع از ۳۱۸۳ هکتار در سال ۲۰۱۳ به ۴۹۶۳ هکتار در سال ۲۰۲۴ افزایش یافته و مناطق ساخته شده نیز به ۱۸۴۹ هکتار گسترش یافته اند. در مقابل، بیشترین کاهش مربوط به کلاس های باغات و خاک بوده است. این تغییرات ناشی از ترکیبی از عوامل انسانی (توسعه شهری و کشاورزی) و اقلیمی (خشکسالی و کاهش منابع آبی) می باشد. نتایج این پژوهش می تواند به عنوان ابزاری کاربردی برای برنامه ریزی کاربری اراضی و مدیریت پایدار منابع طبیعی در منطقه میاندوآب مورد استفاده قرار گیرد.Detection of Land Use Changes in the 2013-2024 Period Using Landsat 8 Image Processing and Analyzing its Effects (Case Study: Miandoab City)
Background and Objective: Land use and land cover (LULC) are among the most critical indicators of human-environment interaction, reflecting how societies exploit and transform the natural landscape. Understanding temporal changes in land use is essential for sustainable planning, environmental management, and agricultural policy development. This study aims to detect and analyze land use changes in Miandoab County over the period 2013 to 2024 using remote sensing techniques. Methodology: Landsat 8 OLI/TIRS satellite images for the years 2013 and 2024 were used as the primary data source. After applying radiometric and geometric preprocessing, the images were classified using the Maximum Likelihood Classification (MLC) algorithm, which relies on the statistical distribution of spectral data and assigns each pixel to the most probable class. Eight land use categories were defined: built-up areas, soil, roads, farmlands, orchards, water bodies, salt flats, and saline soils. The classification accuracy was assessed using overall accuracy and Kappa coefficient. Results and Findings: The classification results revealed significant land use changes over the 11-year period. Farmlands increased from 3,183 ha in 2013 to 4,963 ha in 2024, indicating a major shift toward agricultural expansion. Conversely, orchards and soil areas showed marked decreases, likely due to water scarcity and urban encroachment. Built-up areas expanded to 1,849 ha, reflecting urban development. The classification achieved high accuracy levels (94.07% in 2013 and 94% in 2024), validating the reliability of the MLC approach. The study demonstrates that remote sensing and supervised classification are effective tools for land use monitoring. The observed trends highlight the need for integrated land management strategies to balance development with environmental sustainability in Miandoab.
تبلیغات
