محمد کریم سیرت؛ معصومه گمرکی
چکیده
امروزه تغییرات کاربری اراضی در مناطق شهری نقشه مهمی را در برنامهریزیهای شهری، مدیریت منابع و توسعه شهری دارد. لذا در این تحقیق به بررسی تغییرات کاربری اراضی پرداخته شده است. هدف از این پژوهش بررسی روند تغییرات کاربری اراضی شهرهرات با استفاده از تصاویرماهوارهای لندست ۸ سنجنده OLI بین سالهای ۲۰۱۵ الی ۲۰۲۲ است. پس از تصحیح هندسی، ...
بیشتر
امروزه تغییرات کاربری اراضی در مناطق شهری نقشه مهمی را در برنامهریزیهای شهری، مدیریت منابع و توسعه شهری دارد. لذا در این تحقیق به بررسی تغییرات کاربری اراضی پرداخته شده است. هدف از این پژوهش بررسی روند تغییرات کاربری اراضی شهرهرات با استفاده از تصاویرماهوارهای لندست ۸ سنجنده OLI بین سالهای ۲۰۱۵ الی ۲۰۲۲ است. پس از تصحیح هندسی، رادیومتریک و اتمسفریک در این تصاویر ماهوارهای چهارکلاس؛ کاربری اراضی خاکی، گیاهی، مناطق مسکونی و آبی درمنطقه مورد مطالعه شناسایی شد. برای طبقهبندی تصاویر ماهوارهای از دو روش حداکثر احتمال و شبکه عصبی مصنوعی جهت شناسایی تغییرات کاربری اراضی استفاده شده است. به صورت کلی طبقهبندی تصاویر مورد استفاده با روش حداکثر احتمال به نتایج بهتری دست پیدا کرده است . نتایج طبقهبندی تصاویر سال 2015 و 2022 با استفاده از روش حداکثر احتمال دارای ضرایب کاپای 75/0، 96/0 و دقت کلی 85 درصد و97 درصد به ترتیب میباشد. . براساس نتایج طبقهبندی طی دوره زمانی۲۰۱۵-۲۰۲۲ کاهش درسطح اراضی خاک و آب و افزایش درسطح اراضی مناطق مسکونی و پوشش گیاهی مشاهده شده است. پس از طبقهبندی میزان تغییرات در بازه زمانی 2015-2022 به میزان 00/4 کیلومترمربع سطح خاک و 62/1 کیلومترمربع سطح آب کاهش پیدا کرده است ولی بهمیزان 39/1 کیلومترمربع سطح اراضی مناطق مسکونی و 59/4 کیلومترمربع سطح پوشش گیاهی افزایش پیدا کرده است. به طور کلی این نتایج نشاندهنده آن است که در منطقه مورد مطالعه توسعه شهری رخ داده است و مناطق مسکونی و پوشش گیاهی با توسعه شهری افزایش و سطح اراضی آبی و خاکی کاهش یافته است که پیشنهاد میشود این توسعه با مدیریت بهتر منابع آبی بهپیش رود.
بیژن یونسی؛ ناصر احمدی ثانی؛ سوران شرفی
چکیده
کشاورزی، محور توسعه است و سطح زیرکشت محصولات زراعی و باغی در بخش کشاورزی یک پارامتر مهم مدیریتی است. ارزیابی و تعیین دقیق سطح این پارامتر، برنامهریزان را در توسعه کشاورزی یاری میدهد. بهمنظور غلبه بر محدودیتهای کار میدانی در برآورد سطح زیرکشت محصولات کشاورزی، استفاده از تصاویر ماهوارهای بهدلیل دید وسیع و یکپارچه، چندطیفی ...
بیشتر
کشاورزی، محور توسعه است و سطح زیرکشت محصولات زراعی و باغی در بخش کشاورزی یک پارامتر مهم مدیریتی است. ارزیابی و تعیین دقیق سطح این پارامتر، برنامهریزان را در توسعه کشاورزی یاری میدهد. بهمنظور غلبه بر محدودیتهای کار میدانی در برآورد سطح زیرکشت محصولات کشاورزی، استفاده از تصاویر ماهوارهای بهدلیل دید وسیع و یکپارچه، چندطیفی و بهروز بودن گزینه مناسبی به نظر میرسد. در این تحقیق دادههای ماهواره IRS-P6 بهمنظور برآورد سطح زیرکشت باغات در اراضی دشت شارویران شهرستان مهاباد مورد تجزیهوتحلیل قرار گرفت. بهمنظور استخراج بهتر اطلاعات، شاخصهای مختلف با استفاده از روشهای نسبتگیری باندی و تحلیل مولفههای اصلی تهیه شدند. طبقهبندی دادهها بهروش نظارتشده و با الگوریتمهای مختلف به دوصورت 7 کلاسه (طبقات کاربری اراضی) و 2 کلاسه (باغ و غیرباغ) انجام شد. صحت نقشههای حاصل از طبقهبندی در مقایسه با نقشههای واقعیت زمینی ارزیابی شد. بهترین صحت کلی و ضریب کاپا بهترتیب برابر %75/97 و 95/0 با الگوریتم حداکثر احتمال در طبقهبندی 2 کلاسه حاصل شد. نتایج نشان داد که دادههای IRS-P6 برای شناسایی و پایش سطح زیرکشت باغات از لحاظ هزینه، زمان و دقت بسیار مناسب هستند
علیرضا دانشی؛ مصطفی پناهی
دوره 8، شماره 2 ، بهمن 1395، ، صفحه 73-86
چکیده
با توجه به اینکه الگوریتمهای متنوعی برای طبقهبندی تصاویر ماهوارهای در سنجش از دور توسعه یافتهاند، انتخاب الگوریتم مناسب طبقهبندی در دستیابی به نتایج صحیح نقش بسیاری ایفا میکند. به همین منظور در پژوهش حاضر، با مقایسۀ کارآیی صحت طبقهبندی دو الگوریتم حداکثر احتمال و ماشینهای بردار پشتیبان، الگوریتم دقیقتر تعیین، و از ...
بیشتر
با توجه به اینکه الگوریتمهای متنوعی برای طبقهبندی تصاویر ماهوارهای در سنجش از دور توسعه یافتهاند، انتخاب الگوریتم مناسب طبقهبندی در دستیابی به نتایج صحیح نقش بسیاری ایفا میکند. به همین منظور در پژوهش حاضر، با مقایسۀ کارآیی صحت طبقهبندی دو الگوریتم حداکثر احتمال و ماشینهای بردار پشتیبان، الگوریتم دقیقتر تعیین، و از آن برای بررسی روند تغییرات کاربری اراضی استفاده شد. تحقیق حاضر در حوزۀ آبخیز سیمینهرود و با استفاده از تصاویر سنجندههای TM، ETM+ و OLI انجام گرفت. نتایج تحقیق نشان داد که الگوریتم ماشین بردار پشتیبان، درمقایسه با الگوریتم حداکثر احتمال، تصاویر ماهوارهای را بهتر طبقهبندی کرده است و از میان کرنلهای ماشین بردار، کرنل تابع پایۀ شعاعی (RBF) کارآیی بهتری داشته است. بنابراین، از الگوریتم ماشین بردار پشتیبان با کرنل تابع پایۀ شعاعی برای تهیۀ نقشۀ کاربری اراضی دورههای مورد بررسی و تغییرات کاربری استفاده شد. بررسی روند تغییرات کاربری اراضی، با استفاده از این کرنل، مشخص کرد که در طی دورههای بررسیشده، مساحت کاربریهای زراعت آبی از 30.535 هکتار به 67.210 هکتار، زراعت دیم از 79.909 هکتار به 123.383 هکتار و مناطق مسکونی از 474 هکتار به 1934 هکتار افزایش یافته است درحالیکه مراتع از 259.811 هکتار به 178.398هکتار، و منابع آب از 240 هکتار به 41 هکتار روند کاهشی دارند.