پایش تغییرات کاربری اراضی با استفاده از روشهای مختلف تئوری آموزش آماری منطقه نیشابور

نوع مقاله: مقاله علمی پژوهشی

نویسندگان

1 عضو هیات علمی دانشگاه

2 عضو هیات علمی

3 دانشگاه حکیم سبزواری

چکیده

کشف وشناسایی تغییر عوارض سطح زمین برای درک ارتباط متقابل انسان و محیط امری ضروریست که آگاهی از آن باعث برنامه ریزی صحیح در جهت توسعه پایدار می گردد. امروزه به دلیل هزینه بسیار زیاد تهیه نقشه های کاربری ارضی با روش های سنتی و دستی ، سنجش از دور می تواند با دقت و سرعت بیشتری به مهندسان در تهیه نقشه کاربری ارضی و در مرحله بعد ارزیابی تغیرات در منطقه کمک نماید. هدف از این تحقیق کشف و شناسایی تغیرات پوشش زمین و کاربری ارضی با استفاده از روش های آموزش آماری می باشد. در این تحقیق پس از انجام مراحل پیش پردازش و آماده سازی اطلاعات به منظور استخراج اطلاعات دقیق سه روش حداکثر احتمال وحداقل فاصله و ماشین بردار پشتیبان با استفاده از ضریب کاپا مورد ارزیابی قرار گرفت. طبق بررسی های به عمل آمده مشخص شد روش حداکثر احتمال با ضریب کاپای 79/0 و دقت کلی 29/83 نسبت به روش های حداقل فاصله و ماشین بردار پشتیبان از دقت بیشتری به منظور تهیه نقشه کاربری ارضی برخوردار است.در ادامه با استفاده از روش حداکثر احتمال نقشه کاربری ارضی برای سالهای 1988-200-2006 تولید و تغییرات رخ داده در منطقه توسط روش مقایسه پس از طبقه بندی کشف و ارزیابی شد. افزایش سطح زیر کشت اراضی بایر و شور، گسترش باغات منطقه تحت تاثیر احداث سد های بالا دست و افزایش محدوده شهری در طی 18 سال دوره تحقیق از مهمترین تغییرات رخ داده در منطقه می باشد.

کلیدواژه‌ها


عنوان مقاله [English]

Change detectionn land use and land cover regional neyshabour using Different methods of statistical training theory

نویسندگان [English]

  • elahe akbari 1
  • mohamad ali zangane asadi 2
  • EBRAHIM TAGHAVI 3
چکیده [English]

Change detectionn land use and land cover regional neyshabour using Different methods of statistical training theory Abstract Change detection and identification Terrain is essential for understand of human interaction and the environment, that Aware of the cause is correct planning for sustainable development. Today, land use mapping manually is difficult with traditional methods and, remote sensing can help for Engineers in Land use mapping accurately and more quickly, and then assess the region changes. The purpose of this study to explore changes in land cover and land use by using Different methods of statistical training theory. In this study the process of preprocessing and data preparation to extract accurate information have been evaluated of three methods, Maximum likelihood and minimum distance and support vector machines by using the kappa coefficient. The results show that the maximum likelihood method with kappa 0/79, and overall accuracy of 29/83 than the minimum distance and support vector machine methods more accurately for made land use map .Then was produced land use map using by maximum likelihood method for the years 1988-200-2006 detection and evaluation the changes occurring by comparison post classification method. The most important changes to increased area of arable land, orchards increased of dam construction, urban land increased during the study period is 18 years. Keywords: change, remote sensing, statistical training land use, detection , neyshabour ffg hhh hhh hh hhh hh hhh hhh hhh hhh hhh hhh hhh hhh hhh hh hhhh hhhh hhhh hhhh hhh hhhh hhhh h hh hh hh h hh h h hhhh h hhh h

کلیدواژه‌ها [English]

  • change
  • Remote Sensing
  • statistical training land use
  • Detection
  • Neyshabour
  1. آرخی، صالح و مصطفی ادیب­نژاد. 1390. ارزیابی کارآیی الگوریتم­های ماشین بردار پشتیبان برای طبقه‌بندی کاربری اراضی با استفاده از داده­های ماهواره لندست (مطالعه موردی: حوضه سد ایلام)،فصلنامه تحقیقات مرتع و بیابان ایران، جلد 28، شماره 3، صفحات 420-440.
  2. آرخی، صالح ویعقوب نیازی. 1389. ارزیابی روش­های مختلف سنجش از دور برای پایش تغییرات کاربری اراضی (حوضه­ دره شهر ایلام)، فصلنامه علمی –پژوهشی تحقیقات مرتع و بیابان ایران، شماره 1، صفحات 74-93.
  3. ربیعی، حمیدرضا. پرویزضیائیان وعباسعلی­محمدی. 1384. کشف و بازیابی تغییرات کاربری و پوشش اراضی شهر اصفهان به کمک سنجش از دور وسیستم اطلاعات جغرافیایی، فصلنامه مدرس علوم انسانی،دوره 9، شماره 4، زمستان، صفحات 19-32
  4. رسولی، علی­اکبر. 1387. مبانی سنجش از دورکاربردی. تبریز، انتشارات دانشگاه تبریز.777 صفحه
  5. رضایی، محمدرضا و اسماعیل رحیمی. 1392. بررسی علل تغییرات کاربری ارضی در طرح­های تفصیلی شهر مرودشت، مجله پژوهش­های برنامه­ریزی شهری، شماره 13، تابستان، صفحات 77-93
  6. روستا، زهرا؛سیدمسعود منوری؛ مهدی درویشی و فاطمه فلاحتی. 1391. کاربرد داده­های سنجش از دور و سیستم اطلاعات جغرافیایی در استخراج نقشه­های کاربری اراضی شهر شیراز، نشریه آمایش سرزمین، شماره 6، بهار، صفحات 149-164
  7.  سازمان جهادکشاورزی سازمان امور اراضی. 1389
  8. سالنامه آماری سال ۱۳۸۸ استانداری خراسان رضوی. مشهد: وزارت کشور ، مرکز آمار ایران
  9. سرسنگی, علیرضا؛ کاظم رنگزن؛ بهمن سلیمانی و احسان آبشیرینی، ۱۳۸۶، استفاده از روشMaximum Likelihoodومدل LMM برای برآورد میزان تغییرات مناطق بیابانی شرق اهواز، بیست و ششمین گردهمایی علوم زمین، تهران، وزارت صنایع و معادن، سازمان زمین شناسی و اکتشافات معدنی کشور، 
  10. سفیانیان، علیرضا. 1388. بررسی تغییرات کاربری اراضی محدوده شهر اصفهان با استفاده از تکنیک آشکارسازی برداری تغییرات طی سال­های 1366 تا 1377، مجله علوم آب وخاک، شماره 49، صفحات 153-164.
  11. فیض­زاده بختیار و محمود حاج میررحیمی. 1387.آشکارسازی تغییرات کاربری ارضی شهرک اندیشه با استفاده از روش طبقه­بندی شیء­گرا، همایش ژئوماتیک 87،سازمان نقشه­‌برداری کشور.
  12. قهفرخی، سوسن، سعید سلطانی، سیدجمال­الدین خواجه­الدین و بهزاد رایگانی. 1388. بررسی تغییرات کاربری اراضی در زیر حوضه قلعه شاهرخ با استفاده از تکنیک سنجش از راه دور،نشریه علوم وفنون کشاورزی و منابع طبیعی، شماره 47، صفحات ۳۴۹-۳۶۵.
  13. ماهینی رسول، نجفی علی، محمدزاده مرجان. 1389.آشکارسازیتغییراتپوششاراضیحوزهآبخیزچالوس‌رودبااستفادهازسنجشازدورو سامانهاطلاعاتجغرافیاییاولینکنفرانسملیژئوماتیکنوین، دانشگاه تهران.
  14. مدنیان،فاطمهسادات. 1389.بررسیتغییراتپوششاراضیحاشیهرودخانهزایندهرودبااستفادهازتکنیک‌هایآشکارسازیتغییرات (مطالعهموردی: منطقهفلاورجان) پایان‌نامهکارشناسی‌ارشددانشگاهصنعتیاصفهاندانشکدهکشاورزیومنابعطبیعی،استادراهنما: علیرضاسفیانیان
  15. نادریان­فر، محمد؛ حسین انصاری کامران ضیائی علی‌داوری. 1390. بررسی روند تغییرات نوسانات سطح آب زیرزمینی در حوضه آبریز نیشابور تحت شرایط اقلیمی مختلف، فصلنامه مهندسی آبیاری و آب، سال اول، شماره 3، صفحات 22-37
  16. نیازی، یعقوب. محمدرضا اختصاصی. حسین ملکی­نژاد. زین­العابدین حسینی وجعفر مرشدی. 1389. مقایسه دو روش حداکثر احتمال و شبکه عصبی مصنوعی در استخراج نقشه کاربری اراضی (مطالعه موردی:حوضه سد ایلام)، مجله جغرافیا و توسعه، شماره 20، زمستان، صفحات 119-132
    1. Anderson, J.R., Hardy, E.E., Roach, J.T., and Witmer, W.E. 1976.  A land use and  land  cover classification system  for  use  with  remote  sensing  data.USGS  professional  paper: 964pp. 45-138.Reston, Virginia’ U.S.Geological Survey.
    2. Bhagawat, R. 2013. Application of remote sensing and gis, land use/land cover change in kathmando metropolitan city, Nepal Journal of Theoretical and Applied Information Tech. 3: 2-7
    3. Clarke, K.C.Parks, B.O. and Crane,M. 2002 .Geographic Information Systems and Environmental Modeling," Prentice hall upper saddle river.
    4. Dengsheng, L., and Qihao, W.B.2006.Use or impervious surface in urban lana-use classification, Remote Sensing of Eoviroomeot, 102: 146-160.
    5. Earle,E.  andPontius, R.2012.Land-use and land-cover change". In: Encyclopedia of Earth. Eds. Cutler J. Cleveland Washington, D.C.: Environmental Information Coalition, National Council for Science and the Environment). [First published in the Encyclopedia of Earth.
    6. Fao, 1981.IPCC Special Report On Land Use, Land-Use Change And Forestry, 2.2.1.1 Land Use
    7. Fei Yuan, Kali, E. Sawaya, Brian.andLoeffelholz, C. 2005. Marvin E. Bauer, Land cover classification and change analysis of the Twin Cities (Minnesota) Metropolitan Area by multitemporal Landsat remote sensingRemote Sensing of Environment 98: 317-328.
    8. Huang, C., Davis, L. and Townshend, J. 2002, assessment of support vector machines for land cover classification Int. J. Remote Sens., 23: 725-749.
    9. Ioannis, M.and Meliadis, M. 2011. Multi-temporal Landsat image classification and change analysis of landcover/use in the Prefecture of Thessaloiniki, Greece. Proceedings of the International Academy of Ecologyand Environmental Sciences,1 p:15-26
    10. Goh,K., Chang,E. and Cheng,K.T. 2001 SVM Binary classifier ensembles for image classification. Conf  Information and Knowledgment Aand maegment (lCIKM), pp. 395-402, Nov. 2001
    11. Kenneth,M.and Gunter,M.2012.Monitoring Land-Use Change in Nakuru Kenya Using Multi-Sensor Satellite Data, advance remote sensing 2012 p.74-78
    12. Mengistie Kindu, Schneider Th, Teketay D.and Knoke, Th.2013.Land Use/Land Cover Change Analysis Using Object-Based Classification Approach in Munessa-Shashemene Landscape of the Ethiopian Highlands Remote Seats. 5 :2411-2435
    13. Lillesand, T.M. and Kiefer, R.W. 2001.Remote sensing and image interparation 4th ed,jhon wiley,and sons,inc usa.2001 isbn0471255157,London.
    14. Lu, D. Mausel, P., Brondi'zio, E. and Moran, E. 2004. Change detection techniques. Int. J. Remote Sensing, 25.
    15. Mary T.E.and Imam, T.H.2013. Evaluation of land use/land cover changes in Mekelle City, Ethiopia using Remote Sensing and GIS Computational Ecology and Software,  3(1): 9-16
    16. Tayebi, A., Delavar,M.R.,Saeedi,S.,Amini, J. and Alinia, H. 2008. Monitoring Land Use Change By MIulti-Temporal Landsat Remote Sensing Imagery the International Archives the Photogrammetry.Remote Sensing Information Science. XXXVII Part B7 Beijing
    17. Tso, B. and Blather, P. 2009. Classification methods for Remotely Sensed Data. Chapter 2-3. 2nd ed., Taylorar Francis Pub., America
    18. Vapinc, V.N. 1995. The nature of statistical l earning Theory(New York: Spring verlag)