شناسایی کاربری اراضی و تغییر پوشش زمین در مناطق شهری با رشد سریع توسط محققان بسیاری مورد مطالعه قرار گرفته است و آثار زیادی در این زمینه وجود دارد. معمولاً گسترش سکونتگاه ها در منطقه به عوامل بسیاری مانند رفاه اقتصادی و رشد جمعیت بستگی دارد. عراق یکی از کشورهایی است که شاهد توسعه سریع در حوزه شهرک سازی بوده است. سنجش از دور و سیستم اطلاعات جغرافیایی (GIS) فناوری های نرم افزاری تحلیلی برای ارزیابی این پدیده آشنا در سراسر جهان هستند. این مطالعه با استفاده از تصاویر ماهوارهای لندست در دورههای مختلف، توسعه شهرکسازی در استان سلیمانیه را از سال 2001 تا 2017 نشان میدهد. تمامی تصاویر با استفاده از نرم افزار سنجش از دور طبقه بندی شده بودند تا نقشه برداری قدرتمندی از طبقه بندی کاربری اراضی انجام شود. روش حداکثر درستنمایی در اطلاعات راه حل دقیق استخراج شده از تصاویر جغرافیایی استفاده می شود. تصاویر Landsat از منطقه مورد مطالعه به چهار کلاس مختلف طبقه بندی شدند. اینها عبارتند از: جنگل، پوشش گیاهی، خاک و آبادی. نتایج تجزیه و تحلیل تشخیص تغییر نشان می دهد که در مواجهه با یک تغییر جمعیتی انفجاری در منطقه سکونتگاهی که رکورد + 8.99 درصد است که معادل 51.80 کیلومتر است.2 طی یک دوره 16 ساله و مساحت استقرار از 3.87 درصد در سال 2001 به 12.86 درصد در سال 2017 افزایش یافته است. مدل ارزیابی دقت برای ارزیابی تصاویر طبقه بندی شده (LULC) استفاده شد. نتایج دقت، دقت کلی 78.83٪ تا 90.09٪ را به ترتیب از سال 2001 تا 2017 نشان می دهد در حالی که نتایج قانع کننده ضریب کاپا بین توافقات اساسی و تقریباً کامل ارائه شده است. این مطالعه به تصمیم گیرندگان در برنامه ریزی شهری برای توسعه شهر آینده کمک خواهد کرد.
کلید واژه ها
گسترش سکونتگاه ، سیستم اطلاعات جغرافیایی (GIS) ، پوشش کاربری اراضی (LULC) ، طبقه بندی کاربری اراضی ، تصاویر ماهواره ای ، ارزیابی دقت و تشخیص تغییر
1. مقدمه
سطح زمین از طریق تغییرات کاربری سریع زمین و پوشش زمین (LULC) عبور می کند. کاربری اراضی معمولاً به اصلاح سطح زمین از طریق فعالیت های انسانی برای مدیریت شهری مناسب به دلیل فعالیت های مختلف اجتماعی-اقتصادی و پدیده های طبیعی اشاره دارد در حالی که پوشش زمین نمایانگر تجلی فیزیکی بر روی زمین است [ 1 ]. شکی نیست که رشد جمعیت، اجتماعی-اقتصادی، سیاسی و فرهنگی، نقش مهمی در تغییر پوشش زمین ایفا می کند، بنابراین، منجر به ایجاد یک الگوی قابل مشاهده در LULC در طول زمان می شود [ 2 ].
امروزه نرخ سریع شهرنشینی در اکثر کشورهای در حال توسعه در اولویت مشکلات جهانی قرار گرفته است، در حالی که این پدیده تأثیر بسزایی بر محیط زیست و فرآیندهای برنامه ریزی شهری آینده دارد [ 3 ] [ 4 ] [ 5 ].
استان سلیمانیه مانند بقیه شهرهای اقلیم کردستان عراق در 16 سال گذشته به دلیل رشد بالای جمعیت و رونق اقتصادی با گسترش سریع در مناطق شهری مواجه شده است [ 6 ] . سنجش از دور و تکنیک GIS کاربردهای اصلی هستند که سعی می کنند در نگاشت مستقیم دسکتاپ برای تحلیل زمانی و کمی سازی تغییرات در LULC با دقت بهتر در زمان کمتر و هزینه کم استفاده شوند و [ 7 ] [ 8 ].
داده های لندست تصاویر را در جهان با قابلیت بازبینی مکرر بهبود بخشید. منابع مختلف تصویر ماهواره ای در مطالعات قبلی در طبقه بندی کاربری زمین برای دستیابی به روندهای تاریخی تغییرات پوشش زمین استفاده شده است [ 9 ] [ 10 ] [ 11 ] [ 12 ] [ 13 ]. انتخاب تصویر ماهواره ای در تاریخ های مختلف اکتساب بر نتایج بر اساس چرخه زندگی پوشش گیاهی تأثیر می گذارد [ 11 ]] ، طبقه بندی تصاویر ماهواره ای در طول زمان برای همان منطقه تاثیر بر تغییر در مساحت طبقه بر اساس رشد پوشش گیاهی و خیس شدن در خاک لخت. با این حال، تمام تصاویر ماهواره ای منتخب در این مطالعه به یک فصل در طول سال ها اشاره می کنند تا از تشخیص تغییرات کاذب در پوشش زمین به دلیل فنولوژی گیاهی جلوگیری کنند [ 9 ] [ 11 ] [ 14 ] [ 15 ] [ 16 ].
حداکثر احتمال یک روش طبقه بندی نظارت شده است و در این مطالعه برای تشخیص تغییر LULC برای ارائه نحوه تغییر کاربری زمین از سال 2001 تا 2017 استفاده شد. هر پیکسل در تصاویر طبقه بندی شده Landsat بر اساس تغییرات پوشش زمین در طول زمان متفاوت است [ 2 ] ] . اغلب، دادههای انتخابشده در طول طبقهبندی تصاویر، تقریباً در حداکثر رشد پوشش گیاهی در طول فصل سالانه ترجیح داده میشوند [ 14 ] [ 16 ]. تصویر طبقه بندی شده سنجش از دور نیاز به ارزیابی دقت دارد تا از محدودیت های قطعیت برای نتایج جلوگیری شود [ 17 ] [ 18 ].
ارزیابی دقت به طور گسترده در تصاویر طبقه بندی شده با مقایسه تصویر Landsat با نتایج در ارزیابی کمی استفاده می شود، که نمی توان از ارزیابی بصری [ 15 ] [ 18 ] [ 19 ] [ 20 ] [ 21 ] پیاده سازی کرد. ضریب کاپا کوهن در این مطالعه به عنوان یک معیار استاندارد برای دقت طبقهبندی به منظور در نظر گرفتن کلاس صحیح که کاملاً تصادفی مشخص شده است استفاده میشود [ 22 ] [ 23 ] [ 24 ] [ 25 ]. ارزیابی دقت معمولاً در تصاویر مرجع Landsat با تصاویر طبقهبندی شده پردازش میشود [ 15 ] [ 18 ] [ 19 ]26 ] [ 27 ] [ 28 ] .
برای دستیابی به این هدف، نقاط نمونه تصادفی در سیستم اطلاعات جغرافیایی (GIS) قرار می گیرند، ارزیابی دقت بین هر یک از تصاویر Landsat مرجع و تصاویر طبقه بندی شده یک ماتریس سردرگمی (ماتریس خطا) را پیاده سازی می کند.
عراق شاهد جنگ های پی در پی بود که منجر به رکود اقتصادی، شهری و انسانی شد که همه مناطق از جمله شهر سلیمانیه را تحت تاثیر قرار داد. با توجه به امنیت غذایی و آسیب پذیری در یک بررسی عمیق از استان سلیمانیه پس از حوادث سال 2003، عراق شاهد رونق اقتصادی عظیمی بود. اقتصاد سلیمانیه امروز بر گردشگری، کشاورزی، کارخانه ها، تجارت و توسعه ساخت و ساز متکی است [ 29 ].
شکی نیست که توسعه شهری بر محیط زیست و اقلیم جهانی با از دست دادن زیست توده پوشش گیاهی، جنگل زدایی و تغییر کاربری اراضی از مناطق با احتمال زیاد گسترش شهری تأثیر می گذارد [ 30 ].
این مطالعه تلاشی برای ارزیابی وضعیت تغییر LULC با توسعه سکونتگاهها در استان سلیمانیه برای شناسایی میزان کاربری اراضی و تغییرات رخ داده در دو دهه گذشته با استفاده از تکنیکهای مکانی است.
2. منطقه مطالعه
استان سلیمانیه در شمال شرق عراق واقع شده است شکل 1 شهر سلیمانیه (مرکز استان سلیمانیه) یکی از سه شهر بزرگ شهری اقلیم کردستان است. بر اساس داده های به دست آمده از اداره آمار سلیمانیه ، از نظر جغرافیایی، این شهر از شمال شرق به کوه ها محدود شده و در زمین های پایین تر قرار دارد و مساحتی به وسعت حدود 470 کیلومتر مربع با کل جمعیت 829245 نفر در اوایل سال 2017 دارد. منطقه مورد مطالعه با آب و هوای داخلی قاره ای متمایز با تابستان های گرم و زمستان های سرد از نوع مدیترانه ای با میانگین بارندگی سالانه بین (500 تا 700) میلی متر مشخص می شود.
3. روش شناسی
3.1. تصاویر و طبقه بندی لندست
تصاویر نقشهبردار موضوعی لندست (TM) بهدستآمده از سالهای 2001، 2007 و 2011 با تصویرگر زمین عملیاتی لندست (OLI) با وضوح 30 متر برای سالهای 2016 و 2017 در طبقهبندی LULC استفاده شد. جدول 1 تصاویر موجود لندست را با باند طیفی مورد استفاده در این مطالعه نشان می دهد. تمامی تصاویر ماهواره ای مورد نیاز برای منطقه مورد مطالعه از سایت رسمی USGS Earth Explorer دانلود شد. طرح شهر از شرکت شهرداری سلیمانیه به عنوان فایل شکل منطقه مورد مطالعه اخذ شده است.
در این تحقیق از نرم افزار سنجش از دور ENVI 5.3 برای پردازش تصویر استفاده شد. در طول فرآیند، تصاویر از طریق کالیبراسیون پیش پردازش که شامل تصحیح اتمسفر و توپوگرافی است، از نظر هندسی تصحیح شد.
شکل 1 . نقشه موقعیت منطقه مورد مطالعه.
[ 31 ] [ 32 ] . تکنیکهای پردازش تصویر، الگوریتمهای آماری هستند که ظاهر بصری یا ویژگیهای هندسی تصاویر را تغییر میدهند، این اصلاحات برای تصاویر منتخب چند زمانی یا چندحسگر Landsat برای بهبود دید و کیفیت تصویر و دریافت نتایج دقیقتر مورد نیاز است [ 9 ] [ 31 ].
در Landsat Operational Land Imager (OLI) مقادیر عدد دیجیتال به بازتاب سطحی با تجزیه و تحلیل سریع اتمسفر خط دید ابرمکعب ها (FLAASH) برای حذف اثرات اتمسفر و ایجاد تصویر بازتاب سطحی تبدیل شد.
تصاویر از پیش پردازش شده با در نظر گرفتن روش طبقه بندی نظارت شده طبقه بندی شدند. در این تکنیک، حداکثر احتمال انتخاب شد که مبتنی بر نظریه بیزی در تخمین پارامترهای یک مدل احتمالی است [ 33 ]. هر پیکسل برای یک کلاس با توجه به احتمال آن اختصاص داده می شود. بردار میانگین و سنجههای کوواریانس جزء کلیدی طبقهبندی حداکثر احتمال هستند که میتوانند از دادههای آموزشی (امضاها یا منطقه مورد نظر ROI) بازیابی شوند [ 7 ] [ 14 ]. تمام دادههای مورد استفاده برای این مطالعه به سیستم پروجکشن Universal Transverse Mercator (UTM) با سیستم مرجع WGS 84 ارائه شد. شکل 2 مراحل جریان کار شماتیک را برای تغییر پوشش زمین کاربری زمین LULC و ارزیابی دقت نشان می دهد.
سنسور نقشهبردار موضوعی لندست (TM) بر روی لندست 5 حمل شد و تصاویر شامل شش باند طیفی با وضوح فضایی 30 متر برای باندهای 1 تا 5 و 7 و یک باند حرارتی (باند 6) است. تصاویر تصویرساز زمین عملیاتی (OLI) و حسگر حرارتی مادون قرمز (TIRS) لندست شامل 9 باند طیفی با وضوح فضایی 30 متر برای باندهای 1 تا 7 و باند 9 برای سیروس مفید است.
شکل 2 . گردش کار شماتیک مورد استفاده برای تشخیص تغییر LULC.
تشخیص ابر وضوح برای باند 8 (پانکروماتیک) 15 متر است در حالی که باندهای حرارتی 10 و 11 وضوح (100 * 30) متر هستند [ 34 ].
3.2. امتیازهای ارزیابی دقت ایجاد کنید
برای ایجاد ارزیابی دقت 470 نقطه انتخاب شده در تصاویر طبقه بندی شده با تصاویر همخوان لندست 2001، 2007، 2011، 2016 و 2017، تصاویر طبقه بندی شده با تصاویر مرجع با استفاده از ماتریس خطا مقایسه شدند [ 19 ] [ 37 ] [2 ] . [ 22 ] [ 36 ] .
دقت کلی با استفاده از رابطه (1) محاسبه شد، در حالی که ضریب کاپا با استفاده از رابطه (2) [ 18 ] [ 19 ] [ 20 ] محاسبه شد.
O A = ( C/ A )∗100OA=(C/A)∗100(1)
جایی که؛
OA: دقت طبقه بندی کلی؛
ج: تعداد امتیازات صحیح
A: تعداد کل نقاط مرجع.
ک=ن∑ri = 1ایکسمن من–∑ri = 1(ایکسمن +∗ایکس+ 1)ن2–∑ri = 1(ایکسمن +∗ایکس+ 1)K=N∑i=1rxii−∑i=1r(xi+∗x+1)N2−∑i=1r(xi+∗x+1)(2)
جایی که؛
r: تعداد دسته ها (کلاس ها)؛
N: تعداد کل نقاط (پیکسل مشاهدات)؛
x ii : تعداد نقاط سطر i و ستون i.
x i + : مجموع حاشیه ای ردیف i (از ماتریس کلی سردرگمی/خطا).
x +i : مجموع حاشیه ای ستون (از ماتریس سردرگمی/خطا کلی).
3.3. ارزیابی دقت
ضریب کاپا کوهن (K) یک روش آماری قوی است که برای اندازهگیری توافق بین طبقهبندیهای پیشبینیشده و مشاهدهشده یک مجموعه داده استفاده میشود. این روش آماری به ویژه در دقت پیشبینی طبقهبندی مفید است [ 36 ]. نقاط نمونه تصادفی پس از طبقهبندی برای ارزیابی دقت مورد استفاده قرار گرفتند، 470 نقطه نمونه تصادفی توسط نرمافزار Arc-map قرار گرفتند و همه نقاط تحت نوع دستهبندی خود در طبقهبندی برچسبگذاری شدند. نقاط مرجع با نتایج طبقه بندی در همان مکان ها مقایسه شد. فایل شکل نقطه خروجی یا کلاس ویژگی که حاوی 470 نقطه تصادفی است در ماتریس سردرگمی محاسبه شد تا اطمینان حاصل شود که هر نقطه دارای ارزش دارایی کلاس معتبر برای نقطه طبقه بندی شده و حقیقت پایه [ 14 ] [ 20 ] است.] .
دقت تولید کننده و دقت کاربر برای هر کلاس محاسبه شده از ماتریس و همچنین یک شاخص کاپا کلی توافق. وقتی ضریب کاپا برابر با (1.00) باشد به معنای توافق کامل و اگر مقدار نزدیک به (0.00) باشد به معنای توافق ضعیف است. جدول 2 معیارهای رتبه بندی آمار کاپا [ 33 ] [ 37 ] را نشان می دهد. دقت کاربر نشان دهنده این احتمال است که یک پیکسل در یک دسته معین طبقه بندی می شود که در واقع آن دسته را در زمین نشان می دهد [ 38 ].
4. نتایج و بحث
4.1. نتایج طبقه بندی
چهار طبقه پوشش زمین از طبقهبندی حداکثر احتمال شناسایی شدند. این طبقات عبارتند از جنگل، منطقه سکونتگاه، خاک، پوشش گیاهی و همانطور که در شکل 3 نشان داده شده است.
نتایج طبقهبندی، تصویر شطرنجی LULC از ناحیه انتخابشده را نشان میدهد، میتوان مساحت هر کلاس را به طور جداگانه با توجه به هندسه پیکسل و توزیع آماری پیکسلها در منطقه مورد مطالعه محاسبه کرد. تشخیص تغییر در دسته های مختلف LULC در استان سلیمانیه از سال 2001 تا 2017 همانطور که در جدول 3 نشان داده شده است.
4.2. نتایج ارزیابی دقت
گزارش دقت از ماتریس تمام تصاویر طبقه بندی شده در جدول 4 آمده است. دقت کلی و ضریب کاپا به ترتیب برای سال های 2001، 2001، 2011، 2016 و 2017 به دست آمد. معیارهای مختلفی از ارزیابی دقت مانند دقت تولیدکننده، دقت کاربر، دقت کلی و ضریب کاپا انجام شد و در جدول 2 نشان داده شده است. ضرایب کاپا به طور کلی به عنوان توافق قابل توجهی برای همه طبقه بندی رتبه بندی شده است.
دقت تولیدکنندگان (خطاهای حذفی) نتایج حاصل از تقسیم تعداد پیکسل های طبقه بندی شده صحیح در هر دسته در ماتریس مورب اصلی بر تعداد پیکسل های مرجع “مشخص شده” به آن دسته (کل ستون)، این مقدار نشان دهنده میزان مرجع خوب است. پیکسلهای نوع پوشش زمین طبقهبندی میشوند، در حالی که دقت کاربران (خطای کمیسیون) با تقسیم تعداد پیکسلهای طبقهبندی صحیح در هر دسته بر تعداد کل پیکسلهایی که در آن دسته طبقهبندی شدهاند (مجموع ردیف) محاسبه میشود، این مقدار نشاندهنده احتمال اینکه یک پیکسل طبقه بندی شده در یک دسته معین در واقع آن دسته را در زمین نشان دهد.
در حالی که کاپا تفاوت بین توافق واقعی و توافق مورد انتظار تصادفی را منعکس می کند. نتایج کاپا به این معنی است که 80٪ توافق بهتری نسبت به تصادف به تنهایی وجود دارد، مقادیر مختلف کاپا و دقت کلی از سال 2001 تا 2017 به انتخاب داده های مرجع، تعامل بین حسگر باز می گردد. و طرح طبقه بندی مورد نظر و ماتریس خطا مبنای ارزیابی دقت است.
شکل 3 . طبقه بندی حداکثر احتمال استان سلیمانیه 2001، 2007، 2011، 2016 و 2017.
PA: دقت سازنده، UA: دقت کاربر. OA: دقت کلی، K: ضریب کاپا.
4.3. تجزیه و تحلیل تشخیص تغییر
در طول دوره 16 ساله (2001 تا 2017)، مساحت سکونتگاه حدود 9٪ افزایش یافته است که نشان دهنده 51.80 کیلومتر مربع است . از سوی دیگر، خاک لخت در سطح 44.77 درصد کاهش یافت. جنگل حداقل تغییر را بر اساس جنگل زدایی در استفاده از زمین در منطقه مورد مطالعه ثبت کرد، در حالی که پوشش گیاهی بیش از 37 درصد در منطقه افزایش یافت که در شکل 4 نشان داده شده است.
افزایش سطح پوشش گیاهی به دو عامل اشاره دارد که عبارتند از: رشد سکونتگاهی در مدت زمان یکسان و تفاوت در تاریخ اکتساب لندست، اگرچه تمام تصاویر موجود از یک فصل انتخاب شده اند در حالی که برای اولین و آخرین تصویر لندست حدود یک ماه تفاوت وجود دارد. مدت زمانی که برای رشد گیاه کافی است.
نتیجه طبقه بندی حداکثر احتمال، تصویر شطرنجی، مساحت سکونت محاسبه شده با توجه به هندسه پیکسل از جدول 1 و توزیع پیکسل های آماری در جدول ویژگی ها در منطقه مورد مطالعه را به دست می دهد.
تغییر در مساحت سکونتگاه بین سالهای 2001 تا 2017 از 3.87 درصد مساحت در سال 2001 به مساحت 12.87 درصد در سال 2017 افزایش یافته است که در شکل 5 نشان داده شده است.
شکل 4 . تشخیص تغییر LULC در منطقه از سال (2001 تا 2017).
شکل 5 . تغییر در مساحت سکونتگاه از سال (2001 تا 2017).
دو گسترش سریع در منطقه سکونتگاهی طی ارزیابی تصاویر طبقه بندی شده به ترتیب بین سال های 2001 تا 2017 و 2011 تا 2016 مشاهده شد که عمدتاً ناشی از رونق اقتصادی و رشد جمعیت است.
تغییر در مساحت سکونتگاه به اصلاح پوشش اراضی ناشی از فرآیندهای انسانی باز می گردد در حالی که تغییر پوشش زمین یک اتفاق طبیعی در سطح زمین است مانند جنگل کاهش وسعت از سال 2001 تا 2017 طبق برنامه دولت سلیمانیه برای افزایش فضای سبز اطراف شهر. پیامدهای آتش سوزی جنگل، نرخ توسعه جنگل را کاهش داد، همانطور که در گرایش تغییرات پوشش زمین در شکل 6 نشان داده شده است.
با توجه به اصلاح پوشش اراضی و گسترش سکونتگاه، از سال 2001 تا 2017 سطح خاک لخت کاهش یافت.
پوشش گیاهی و توسعه مرتع منطقه پس از سال 2001 به شکوفایی اقتصادی و نیازهای انسانی از طریق رشد جمعیت اشاره دارد.
شکل 6 . گرایش تغییرات پوشش زمین از سال های 1380 تا 1396
5. نتیجه گیری ها
در شرایط تغییر کاربری سریع، تصاویر طبقه بندی شده اطلاعات جزئی برای درک کاربری و پوشش زمین منطقه مورد مطالعه را ارائه می دهند. مساحت سکونتگاه در استان سلیمانیه از سال 2001 تا 2017 به میزان قابل توجهی هزینه شده است. این گسترش به دلیل کمبود خاک و جنگل به ترتیب به میزان 257.87 و 4.51 کیلومتر مربع رخ داده است. بنابراین، سکونتگاه ها با توجه به کاربری زمین در خاک برهنه و جنگل زدایی، پراکندگی در منطقه را ثبت کردند.
تمامی تصاویر ماهوارهای در این مطالعه با اشاره به فصل مشابه در طول سالها برای تهیه نقشههای طبقهبندی کاربری اراضی سری انتخاب شدند، در حالی که در اولین تصویر در سال 2001 یک ماه زودتر اختلاف زمانی در تاریخ اکتساب وجود دارد. بنابراین، پوشش گیاهی با مساحت کمتری نسبت به خاک حاصل از گدایی ظاهر می شود. این امر باعث ایجاد تغییرات کاذب در پوشش زمین به دلیل فنولوژی می شود. افزایش سطح پوشش گیاهی عمدتاً به دو عامل توسعه سکونتگاهی ناشی از رشد جمعیت و تفاوت در طول تاریخ تملک لندست اشاره دارد. با این حال، تمام تصاویر موجود مربوط به یک فصل هستند.
منطقه مورد مطالعه تحت تأثیر جنگل زدایی در 4.51 کیلومتر مربع در کل مساحت 470 کیلومتر مربع بین سال های 2011 تا 2017 قرار دارد. این ارزش بر محیط زیست و مدیریت شهری آینده تأثیر می گذارد
این مطالعه به برنامه ریزان و تصمیم گیران برای توسعه آتی شهر کمک خواهد کرد.
نتایج طبقهبندی نشان میدهد که طبقهبندی حداکثر احتمال، تکنیک قوی است و شانس کمتری برای طبقهبندی اشتباه وجود دارد.
مدل ارزیابی دقت روش مهمی برای اعتبارسنجی در طبقهبندی کاربری اراضی است. همچنین تعداد نمونه ها و توزیع نقاط تصادفی بر اساس تراکم هر دسته در تصاویر طبقه بندی شده می باشد. ضریب کاپا نشان می دهد که روش طبقه بندی به خوبی برای کاربری و پوشش اراضی منطقه مورد مطالعه مورد مطالعه قرار گرفته است.
تأثیر اصلی بر تغییرات پوشش زمین از طریق عوامل مختلف مرتبط با یکدیگر است که رشد جمعیت و رونق اقتصادی است.
بدون دیدگاه