واژه‌های کلیدی:

 کاربری اراضی; پوشش زمین؛ سنجش از دور؛ تشخیص تغییر

چکیده

با توجه به افزایش جمعیت مصر در چند دهه اخیر، تغییرات بزرگی در حوزه کشاورزی و شهرنشینی هنر مصر رخ داده است. در این مطالعه ما از رکورد موجود نقشه‌برداری موضوعی زمین نشسته چندزمانی (Tm) و تصویر نشست مصر برای تهیه نقشه پوشش زمین/کاربری زمین منطقه بین سال‌های 1987 و 2009 استفاده کردیم. همچنین از تحلیل تشخیص تغییر پس از طبقه‌بندی برای شناسایی استفاده کردیم. تغییر در کشاورزی، نواحی شهری و تغییر رودخانه نیل طی دوره بین سال‌های 1987 و 2009. تجزیه و تحلیل تشخیص تغییر پس از طبقه‌بندی نشان می‌دهد که توسعه کشاورزی در طول دوره مورد مطالعه به میزان 1785.96 هکتار افزایش یافته است با میانگین نرخ سالانه احیای اراضی 81.18 هکتار. /سال. در حالی که مساحت شهری با میانگین سالانه 101 2231.24 هکتار افزایش یافت. 42 هکتار در سال افزایش شهرنشینی و رشد ناشی از تجاوز به زمین های زیر کشت قدیمی کشاورز. تغییر رودخانه نیل چندان زیاد نیست و در دوره مورد مطالعه به 32/138 هکتار با متوسط ​​نرخ سالانه 29/6 هکتار در سال رسیده است. نتایج این مطالعه نشان می دهد که دقت با تغییرات پوشش زمین کمی سازی می شود و همچنین الگوهای فضایی آنها ترسیم می شود که کارایی زمین نشسته را در ارزیابی پویایی منظر در یک بازه زمانی خاص نشان می دهد. این داده ها برای مدیریت منابع طبیعی بسیار مفید است. دقت با تغییرات پوشش زمین اندازه گیری می شود و همچنین الگوهای فضایی آنها را ترسیم می کند که کارایی زمین نشسته را در ارزیابی پویایی منظر در یک بازه زمانی خاص نشان می دهد. این داده ها برای مدیریت منابع طبیعی بسیار مفید است. دقت با تغییرات پوشش زمین اندازه گیری می شود و همچنین الگوهای فضایی آنها را ترسیم می کند که کارایی زمین نشسته را در ارزیابی پویایی منظر در یک بازه زمانی خاص نشان می دهد. این داده ها برای مدیریت منابع طبیعی بسیار مفید است.

1. مقدمه

مصر یکی از سرزمین هایی است که از رشد بی رویه جمعیت رنج می برد، جمعیت کل از 11 میلیون نفر در سال 1907 به 79.88 میلیون نفر در سال 2011 افزایش یافت [ 1 ]. این افزایش منجر به این می‌شود که همه افرادی که در گذشته با رودخانه نیل همسایه بودند به جستجوی منطقه جدیدی برای زندگی در آن بپردازند. [ 2 ] متوجه شد که رسوبات رودخانه کواترنر نیل که 5 درصد از مساحت مصر را اشغال می کند 90 درصد از تولید کشاورزی مصر را پشتیبانی می کند. در سه دهه گذشته، توسعه صحرای مصر برای از بین بردن فشار بیش از حد جمعیت در دره باریک نیل و دلتا که میانگین نرخ رشد سالانه آن به 1.75٪ برسد، به سرعت شتاب گرفته است [ 3 ].]. دولت های متوالی مصر سیاست هایی را اتخاذ کردند که به دنبال خودکفایی در تولید مواد غذایی از طریق گسترش زمین های زیر کشت (2/1 درصد در سال) و به حداکثر رساندن تولید زمین های کشاورزی موجود بودند [ 4 ]. همچنین هدف طرح ملی بهره برداری از 25 درصد از خاک مصر تا پایان نیمه اول 21 است. احیاء برای مقاصد کشاورزی و سکونتگاه های انسانی مناطق مختلفی را در سراسر مصر هدف قرار داده است و قسمت جنوبی صحرای غربی که منطقه مورد مطالعه در آن قرار دارد بخشی از این مناطق است.

منطقه مورد مطالعه در سمت غربی رود نیل در Tahta در استان Sohage، مصر علیا قرار دارد. مصر علیا پس از پروژه ملی کشاورزی (توشکا) به منطقه مهم و جذاب تبدیل می شود. مطالعات سنجش از دور برای پایش و ارزیابی تغییرات و توسعه این مناطق جدید اعمال می شود. داده‌های سنجش از دور منبع بهتری را برای اشتقاق استفاده از زمین به دلیل تکرارپذیری، سازگاری داخلی و پوشش در مکان‌هایی که دانش زمینی پراکنده است فراهم می‌کند [5،6]. فناوری سنجش از دور بررسی و نظارت بر تغییرات کاربری/پوشش زمین را بسیار تسهیل کرده است. عوامل متعددی مانند کیفیت تصویر، روش تجزیه و تحلیل داده ها، تکنیک های تفسیر،7 ]. داده‌های نقشه‌بردار موضوعی زمین نشسته (TM) و نقشه‌نگار موضوعی پیشرفته (ETM+) به طور گسترده برای مطالعات استفاده از زمین و تشخیص تغییر به کار گرفته شده‌اند [8-10].

دقت نقشه‌های تغییر حاصل در معرض انتشار خطا است و به دقت نقشه‌های طبقه‌بندی ورودی وابسته است، تصاویر طبقه‌بندی‌شده منفرد یک سری تاریخی را تشکیل می‌دهند که می‌توانند در برنامه‌هایی غیر از تشخیص تغییر استفاده شوند [ 11 ].

در این تحقیق از کاربرد تشخیص تغییر با استفاده از مقایسه پس طبقه‌بندی به همراه بررسی‌های میدانی برای تشخیص تغییر در نواحی کشاورزی، مناطق شهری و رودخانه نیل در بازه زمانی 1987 تا 2009 منطقه مورد بررسی استفاده شد. کیفیت نقشه های کاربری زمین و اطلاعات تشخیص تغییر تولید شده از طریق تجزیه و تحلیل ارزیابی دقت تضمین شد. نتایج تشخیص تغییر تایید شده، مقایسه الگوهای پوشش گیاهی و روند استفاده از زمین شهری و تغییر رودخانه نیل را از نظر فضایی و کمی تسهیل می‌کند. اطلاعات به دست آمده از کاربری/پوشش زمین و تغییرات در طول زمان می تواند در تدوین سیاست های مدیریتی دولت های ملی و نظارت بر برنامه های کشاورزی فعال استفاده شود.

2. مواد و روشها

نقشه برداری موضوعی لندست (TM) که در سال 1987 به دست آمد ( شکل 1 ) و مصر در سال 2009 ( شکل 2 ) برای شناسایی تغییرات در کشاورزی و مناطق شهری و همچنین رودخانه نیل، از سال 1987 تا 2009 استفاده شده است. نقشه های توپوگرافی تهیه شده توسط بررسی نظامی مصر در مقیاس 1:50000 نیز و همچنین تحقیقات میدانی مورد استفاده قرار گرفت. روش‌های تشخیص تغییرات متعددی برای ارزیابی تغییرات پوشش زمین با استفاده از داده‌های ماهواره‌ای از جمله تفاوت تصویر، روش اجزای اصلی و مقایسه‌های پس از طبقه‌بندی توسعه داده شده‌اند. در میان این تکنیک ها، مقایسه پس از طبقه بندی ترجیح داده می شود. دقت این تکنیک برای تشخیص تغییرات دینامیکی عمدتاً به دقت طبقه‌بندی فردی هر واحد پوشش زمین بستگی دارد.

در این مطالعه کالیبراسیون رادیومتری با استفاده از ERDAS -9.2 [ 12 ] انجام شد. تصحیح هندسی روی داده‌های خام حسگرها اعمال می‌شود تا خطاهای پرسپکتیو ناشی از انحنای زمین و حرکت حسگر را تصحیح کند. برخی از این خطاها معمولاً در مرکز پردازش داده های حسگر (ناسا) حذف می شوند. ارجاع جغرافیایی به فرآیند اختصاص مختصات نقشه به داده های تصویر اشاره دارد. فرآیند ماسک تصویر برای کاهش زمان مصرف شده در طول پردازش و ظرفیت ذخیره سازی تصاویر پردازش شده استفاده می شود [ 13 ].

شکل 1 . Land sat TM در سال 1987 به دست آمد (خط آبی مرز scarp است).

شکل 2 . مصر در سال 2009 نشست (خط آبی مرز اسکارپ است).

طبقه بندی تصاویر چند طیفی برای استخراج اطلاعات موضوعی از تصاویر ماهواره ای به روش نیمه خودکار استفاده می شود [ 14 ]. طبقه‌بندی تصویر دیجیتال از اطلاعات طیفی استفاده می‌کند که توسط اعداد دیجیتال در یک یا چند باند طیفی نمایش داده می‌شود و تلاش می‌کند تا هر پیکسل جداگانه را بر اساس اطلاعات طیفی طبقه‌بندی کند. این نوع طبقه بندی را تشخیص الگوی طیفی می نامند. نتیجه تصویر طبقه بندی شده از موزاییکی از پیکسل ها تشکیل شده است که هر کدام به یک موضوع خاص و اساسا یک “نقشه” موضوعی از تصویر اصلی تعلق دارند.

3. طبقه بندی تصویر

در این مطالعه داده های TM و داده های مصر sat با استفاده از تکنیک طبقه بندی نظارت شده و طبقه بندی بدون نظارت طبقه بندی شدند.

طبقه بندی نظارت شده برای پردازش تصویر ماهواره ای توسعه داده شده است که در طبقه بندی لایه های طیفی اعمال شده است. طبقه بندی نظارت شده عمدتاً به تجربه و دقت کاربر در تشخیص تفاوت های امضای بین واحدهای مختلف در تصویر ماهواره ای با استفاده از چشم غیرمسلح بستگی دارد. با استفاده از ERDAS Imagine نسخه 9.1 تجزیه و تحلیل طبقه بندی نظارت شده جدید بر روی تصاویر TM (1987) و مصر sat (2009) برای شناسایی تغییرات کاربری/پوشش زمین در منطقه مورد مطالعه انجام شد. طبقه بندی نظارت شده قادر به تمایز بین واحدهای مختلف پوشش زمین نبود، بنابراین تکنیک طبقه بندی بدون نظارت انجام شد که نتایج ارزشمندتر و دقیق تری به همراه داشت.

در طبقه‌بندی بدون نظارت، کامپیوتر پیکسل‌ها را به کلاس‌هایی بدون هیچ جهتی از تحلیلگر جدا می‌کند [ 15 ]. این بدان معناست که تکنیک‌های طبقه‌بندی بدون نظارت، کاربر را ملزم نمی‌کند که اطلاعاتی درباره ویژگی‌های موجود در تصاویر مشخص کند. در منطقه مورد مطالعه، طبقه بندی بدون نظارت اعمال شده بر روی شش باند IR قابل مشاهده و منعکس شده زیر صحنه، منجر به 20 کلاس شد. در این مرحله، تفسیر تصویر دشوار است. باید در مورد انواع پوشش زمین مربوط به هر دسته تصمیم گیری شود.

برای اتخاذ این تصمیمات، مطالب اضافی و دانش منطقه مفید است. بررسی میدانی، مناطق مختلف تفکیک شده در تصویر دیجیتال باید در زمان تصحیح تصویر انجام شود تا نتایج دقیق تری به دست آید. اگر این دانش در دسترس نباشد، ممکن است از استدلال علمی برای گروه بندی دسته های مختلف در واحدهای پوشش زمین مرتبط استفاده شود. در مورد مطالعه حاضر گزینه دوم تنها امکان بود. تحلیل‌های طبقه‌بندی بدون نظارت (شکل‌های 3 و 4) بر روی تصاویر TM (1987) و مصر sat (2009) برای شناسایی تغییرات کاربری/پوشش زمین در منطقه مورد مطالعه انجام شد. سه طبقه مختلف کاربری زمین شناسایی شد که شامل موارد زیر است:

1) کشاورزی و زمین های زیر کشت با رنگ سبز.

2) سازه های شهری و دست ساز با رنگ سیاه.

3) رودخانه نیل با رنگ آبی.

پالایش پس از طبقه بندی برای بهبود دقت طبقه بندی مورد استفاده قرار گرفت زیرا یک روش ساده و مؤثر است [ 16 ]، زیرا سطح شهری ناهمگن است و از ترکیب پیچیده ای از ویژگی ها (به عنوان مثال، ساختمان ها، جاده ها، چمن، درختان، خاک) تشکیل شده است. ، آب) [ 17]. پس از انجام پالایش پس از طبقه‌بندی، طبقه‌بندی‌های اشتباه عمدتاً اصلاح شده‌اند. تبدیل پس طبقه بندی شطرنجی طبقه بندی شده به بردارهای سه شکل با استفاده از ENVI نسخه 4.5 و با استفاده از ابزار ARC GIS انجام شده است. شکل سه به‌دست‌آمده به منظور معرفی تحلیل تشخیص تغییر به یک پایگاه داده‌های جغرافیایی تبدیل شد. قبل از این مرحله، لازم است مطمئن شوید که طبقه‌بندی مورد استفاده برای روش تشخیص تغییر با استفاده از تکنیک ارزیابی دقت، با واقعیت در میدان مطابقت دارد.

4. ارزیابی دقت

دقت میزان نزدیکی نتایج به مقادیر واقعی است. دقت مورد انتظار و سطح اطمینان به دست آمده از یک رویکرد ارزیابی دقت خاص، در درجه اول به تعداد نمونه های هر کلاس و کیفیت مجموعه داده های مرجع درگیر در تجزیه و تحلیل بستگی دارد. نقشه های موضوعی طبقه بندی شده برای منابع مختلف تولید می شوند: انواع یا خواص خاک، پوشش زمین، کاربری زمین و بسیاری موارد دیگر. این نقشه ها

شکل 3 . نقشه کاربری اراضی 1987.

شکل 4 . نقشه کاربری اراضی 2009.

بدون اظهارات کمی در مورد دقت آنها بسیار مفید نیستند. به طور کلی، دقت طبقه بندی به میزان تطابق بین داده های سنجش از راه دور و اطلاعات مرجع اشاره دارد [ 17 ].

دقت طبقه‌بندی دیجیتالی پوشش زمین را می‌توان با ساخت و تفسیر یک ماتریس خطای طبقه‌بندی به صورت کمی بیان کرد. یک ماتریس خطا، اطلاعات یک تصویر طبقه بندی شده یا نقشه پوشش زمین را با سایت های مرجع شناخته شده (“حقیقت”) برای تعدادی از نقاط نمونه مقایسه می کند.

ارزیابی دقت نقشه های پوشش زمین استخراج شده از داده های لندست شامل تولید 100 مرجع تصادفی (“نقاط حقیقت”) برای هر نقشه پوشش زمین است. ارزیابی دقت نقشه‌های پوشش زمین پس از پالایش پس از طبقه‌بندی و ادغام 20 طبقه در 3 کلاس که واحدهای اصلی پوشش زمین را پوشش می‌دهند، با استفاده از داده‌های میدانی، نقشه‌های توپوگرافی انجام شد و نتایج در یک ماتریس سردرگمی ثبت شد. ماتریس سردرگمی، روش استاندارد برای ارزیابی دقت [18-20] برای تشخیص دقت خروجی های طبقه بندی و تشخیص تغییر اعمال می شود. دو اطلاعات مهم را می توان از ماتریس خطا به دست آورد: خطاهای حذف، یا دقت تولیدکننده، و کمیسیون، یا دقت کاربر [21-23]. دقت کاربر در یک کلاس خاص، نسبت نمونه‌های طبقه‌بندی شده صحیح به تعداد کل نمونه‌های انتخاب شده در آن کلاس است. ضریب کاپا معمولاً به عنوان اندازه گیری دقت نقشه استفاده می شود [20،24]. به طور معمول، هدف دقت کلی 85٪ با دقت کلاس کمتر از 70٪ برای نقشه برداری کاربری / پوشش زمین با داده های Land sat قابل قبول است [25،26]. دقت نقشه‌های کاربری / پوشش زمین در چندین مرحله در پردازش ارزیابی شد. [27] دریافت که ادغام تفسیر بصری با طبقه‌بندی نظارت شده، دقت کلی را تا حدود 10 درصد در مناطقی که تحت تغییر شدید پوشش زمین قرار گرفته‌اند، افزایش می‌دهد. دقت مورد انتظار و سطح اطمینان حاصل از یک رویکرد ارزیابی دقت خاص در درجه اول به تعداد نمونه های هر کلاس و کیفیت مجموعه داده های مرجع درگیر در تجزیه و تحلیل بستگی دارد. دقت خروجی های طبقه بندی و تشخیص تغییر از نظر توافق بین نقشه های مشتق شده و مجموعه داده های مراجع به صورت تجربی با استفاده از ماتریس های سردرگمی، روش استاندارد برای ارزیابی دقت ارزیابی می شود [18،20]. اطلاعات مهم را می توان از خطاهای حذف، یا دقت و هیاهوی تولیدکننده را می توان از ماتریس خطا به دست آورد: خطای حذف، یا دقت تولیدکننده، و کارمزد، یا دقت کاربر از یک کلاس خاص، نسبت نمونه‌های طبقه‌بندی شده صحیح به تعداد کل نمونه‌های انتخاب شده در کلاس است. به همین ترتیب، دقت تولیدکننده یک کلاس با در نظر گرفتن نسبت پیکسل های به درستی تعریف شده به تعداد کل پیکسل های انتخاب شده برای آن کلاس در داده های مرجع به دست می آید.

برای اهداف طبقه بندی، 75 یا 100 نمونه در هر کاربری در ارزیابی مساحت بزرگ (4000 کیلومتر مربع) یا اگر بیش از دوازده طبقه کاربری در آنالیز وجود داشته باشد، قابل قبول است [ 20 ] . پس از حذف داده های مرجع نزدیک به مرزها، 95 نمونه، به طور کامل در 10 تا 15 پیکسل، به طور تصادفی از ایستگاه های مرجع هر طبقه کاربری انتخاب و یک شماره شناسایی منحصر به فرد داده شد. به صورت تصادفی، 35 درصد از این اعداد شناسایی برای ارزیابی دقت و بقیه به عنوان سایت های آموزشی استفاده شد. قبل از انجام تشخیص تغییر، دقت نقشه‌های کاربری/پوشش زمین در چندین مرحله در پردازش ارزیابی شد. میز 1نشان می‌دهد که دقت کلی نقشه‌های کاربری/پوشش زمین، با دقت کاربر و تولیدکننده و ضرایب کاپا مصر در سال 2009.

در مصر به دلیل وجود پوشش آب و پوشش گیاهی در تمام سال ها به دلیل وجود طیف های مادون قرمز مشابه مرئی-نزدیک، مشکلات زیادی برای تمایز بین مناطق شهری و مزارع کشاورزی ایجاد می شود [4،28]. در مطالعه من، دقت کلی محاسبه شده، حداکثر دقت قابل حصول را نشان می دهد، اما نه بهینه. این به دلیل خطاهای حذفی است که از داده‌های دقت تولیدکننده محاسبه می‌شود و هیچ گونه سوگیری احتمالی ارائه‌شده توسط جزئیات فرآیند نمونه‌گیری، برای مثال خود تکنیک نمونه‌گیری یا تعداد نمونه‌ها در هر کلاس را در نظر نمی‌گیرد [ 29 ]. جدول 1 نشان می دهد که دقت طبقه بندی کشاورزی 94 درصد است، در حالی که طبقه بندی شهری 97.56 درصد و دقت طبقه بندی رودخانه نیل 94.23 است.

5. تشخیص تغییر

تشخیص تغییر یک تکنیک سنجش از راه دور عمومی است که تصاویر جمع آوری شده در یک منطقه را در زمان های مختلف مقایسه می کند و ویژگی هایی را که تغییر کرده اند برجسته می کند. بسیاری از تکنیک های تشخیص تغییر سنجش از دور توسعه یافته اند و مزایا و معایب هر کدام توسط تعدادی از نویسندگان بررسی شده است [ 26 ]. با این حال، تکنیک‌های جدید تشخیص تغییرات دیجیتال، عمدتاً در پاسخ به طیف وسیعی از چالش‌های اجتماعی و زیست‌محیطی ناشی از تغییر شکل انسان در سطح زمین [30،31] و پتانسیل سنجش از دور در نظارت بر فرآیندهای مرتبط، به توسعه ادامه می‌دهند [32- 34].

همه تکنیک‌های تشخیص تغییر بر این ایده اساسی تکیه دارند که تغییرات در ویژگی‌های طیفی و/یا بافتی تصاویر سنجش از دور تصحیح‌شده از نظر هندسی، جوی و توپوگرافی، تغییرات سطح زمین را نشان می‌دهد. متداول‌ترین الگوریتم‌های تشخیص تغییر به ترتیب عبارتند از: تفاوت تصویر، تجزیه و تحلیل اجزای اصلی و مقایسه پس از طبقه‌بندی.

در این مطالعه، روش مقایسه پس از طبقه بندی، ارجح ترین است. مقدار و مکان تغییر (ماتریس تشخیص تغییر “از به”) برای کل سال های مورد مطالعه (1987-2009) تعیین شد. عمده تغییرات پوشش زمین کد رنگ بود. جدول 2 تغییرات عمده پوشش زمین مشاهده شده را نشان می دهد و مساحت هر طبقه پوشش زمین بر حسب متر مربع با میانگین تغییر سالانه در هر نوع (هر طبقه) آورده شده است.

6. بحث و نتیجه گیری

شناخت پتانسیل منابع طبیعی و یک خطر طبیعی در توسعه و توسعه بسیار مهم است

جدول 1 . دقت کاربر و سازنده و ضرایب کاپا برای تجزیه و تحلیل داده های تشخیص تغییر.

همچنین در ایجاد جوامع جدید [ 35 ].

این اطلاعات نه تنها برای بهبود منابع طبیعی مفید هستند، بلکه نقشی حیاتی در حفظ توسعه زمین از قطع آب، شوری خاک، بیابان‌زایی و خطرات طبیعی احتمالی مانند سیل‌های ناگهانی دارند [ 36 ]. محصول آمار و نقشه های حاصل از تجزیه و تحلیل در نظارت بر پتانسیل و روندهای اجتماعی-اقتصادی مفید است [ 4 ].

کشاورزی در منطقه مورد مطالعه در سال 1987 حدود 34573.90 هکتار را پوشش داد در حالی که در سال 2009 به حدود 36359.80 هکتار رسید ( شکل 5 )، که به معنای افزایش کل سطح کشاورزی از سال 1987 تا 2009 حدود 1785.9 هکتار است.

جدول 2 . تغییرات پوشش اراضی در (هکتار) در سالهای 1366 و 1388 و میانگین تغییر در سال.

شکل 5 . تغییر نقشه تشخیص در منطقه کشاورزی.

با میانگین سالانه 81.2 هکتار در سال. این افزایش در سطح کشاورزی به دلیل اجرای طرح احیای گسترده در منطقه مورد مطالعه است. وجود آب زیرزمینی که به وسیله آبخوان کواترنر نشان داده می شود، نقش مهمی در توسعه دارد. این سفره عمدتاً از آبهای سطحی (رودخانه نیل و کانال آبیاری) تغذیه می شود و به دلیل شوری کم و همچنین نسبت جذب سدیم، آب زیرزمینی برای آبیاری مناسب است.

وجود آب مناسب برای زندگی به عنوان نقش اصلی در توسعه، این امر منجر به طرح های گسترده شهری برای رفع افزایش جمعیت می شود. شکل 6 کل مساحت شهری در سال 1987 را 6034.37 هکتار نشان می دهد و در سال 2009 به 8265.58 هکتار رسیده است که در بازه زمانی 1987 تا 2009 حدود 2231.21 هکتار افزایش یافته و متوسط ​​نرخ سالانه 101.45 هکتار در سال است.

رودخانه نیل منبع اصلی آب های سطحی مورد مطالعه بوده و به عنوان منبع تغذیه آبخوان کواترنری عمل می کند که منبع اصلی آب های زیرزمینی منطقه مورد بررسی نیز می باشد. رودخانه نیل از سال 1987 تا 2009 ( شکل 7 )، در سال 1987 حدود 686.79 هکتار و در سال 2009، 825.11 هکتار با کل تغییر در این دوره حدود 138.32 هکتار و میانگین سالانه پوشش داده شده است.

شکل 6 . تغییر نقشه تشخیص در منطقه شهری.

شکل 7 . تغییر نقشه تشخیص در رودخانه نیل.

نرخ 6.29 هکتار در سال.

اسماعیل عصام، فاید عبدالله، نیسنر اریش از بحث بالا دریافتیم که تغییرات زیادی در ناحیه کشاورزی و ناحیه شهری وجود دارد که به ترتیب به 2/81 و 45/101 هکتار در سال رسیده است. تغییرات رودخانه نیل با میانگین سالانه 6.29 هکتار در سال کم است.

منابع

  1. Msrintranet.Capmas.gov.eg، “آژانس مرکزی بسیج جمعیت و آمار – ساعت جمعیت”، 2011. https://www.msrintranet.capmas.gov.eg/pls/fdl/tst12e?action=&lname  [زمان(های استناد): 1]
  2. TH Brikowski و AM Faid، “مدل‌های جریان آب زیرزمینی کالیبره‌شده از طریق مسیر سفره‌های آب زیرزمینی دره نیل، اسنا، مصر علیا”، مجله هیدرولوژی، جلد. 324، شماره 1-4، 1385، صص 195-209. doi:10.1016/j.jhydrol.2005.10.011  [زمان(های استناد): 1]
  3. سازمان خواربار و کشاورزی ملل متحد، “کتابهای سال آماری فائو 2005-2006، شماره 2″، سازمان غذا و کشاورزی سازمان ملل متحد، رم، 2006.  [زمان(های استناد): 1]
  4. AM عبدالعزیز، JM Hurtado و R. Al-Douri، “کاربرد داده های چند زمانی لندست برای نظارت بر تغییرات پوشش زمین در منطقه دلتای نیل شرقی، مصر،” International Journal of Remote Sensing, Vol. 30، شماره 11، 1388، صص 2977-2996. doi:10.1080/01431160802558675  [زمان(های استناد): 2]
  5. JRG Townshend، “داده های جهانی بهبود یافته برای کاربردهای زمین: پیشنهادی برای مجموعه داده های با وضوح بالا”، گزارش شماره 20، برنامه بین المللی ژئوسفر-زیست کره، استکهلم، 1992.
  6. RS DeFries و JRG Townshend، “پوشش زمین جهانی: مقایسه مجموعه داده های مبتنی بر زمین با طبقه بندی ها با داده های AVHRR”، ویلی، چیچستر، 1994.
  7. JE Vogelmann، D. Helder، R. Morfitt، MJ Choate، JW Merchant و H. Bulley، “اثر نقشه‌بردار موضوعی لندست 5 و نقشه‌بردار موضوعی پیشرفته لندست 7 به علاوه کالیبراسیون‌ها و اصلاحات رادیومتری و هندسی بر ویژگی‌های منظر، سنجش از دور محیط زیست” ، جلد. 78، شماره 1-2، 1380، صص 55-70. doi:10.1016/S0034-4257(01)00249-8  [زمان(های استناد): 1]
  8. K. Green، D. Kempka و L. Lackey، “استفاده از سنجش از دور برای شناسایی و نظارت بر تغییر پوشش و کاربری زمین”، مهندسی فتوگرامتری و سنجش از دور، جلد. 60، شماره 3، 1373، صص 331-337.
  9. PT Wolter، DJ Mladenoff، GE Host و TR Crow، “طبقه بندی جنگل های بهبود یافته در ایالات دریاچه شمالی با استفاده از تصاویر Multitemporal Landsat”، مهندسی فتوگرامتری و سنجش از دور، جلد. 61، شماره 9، 1374، صص 1129-1143.
  10. RK Kaufman و KC Seto، “تشخیص تغییر، دقت و تعصب در یک تحلیل متوالی تصاویر Landsat در دلتای رودخانه مروارید، چین: تکنیک‌های اقتصادسنجی،” کشاورزی، اکوسیستم‌ها و محیط، جلد. 85، شماره 1-3، 1380، صص 95-105. doi:10.1016/S0167-8809(01)00190-6
  11. F. Yuan، KE Sawaya، BC Loeffelholz و ME Bauer، “طبقه بندی پوشش های زمین و تجزیه و تحلیل تغییر مناطق شهری دوقلو (مینسوتا) توسط سنجش از دور لندست چندزمانی،” سنجش از دور محیط زیست، جلد. 98، شماره 2-3، 1384، صص 317-328. doi:10.1016/j.rse.2005.08.006   [Citation Time(s):1]
  12. L. Geosystems، “Leica Geosystems Geospatial Imaging ERDAS IMAGINE 9.2″، Leica Geosystems Geospatial Imaging، Norcross، 2008.   [Citation Time(s):1]
  13. H. El-Sayed، “بررسی محیطی در دریاچه Maryut، غرب اسکندریه، مصر: ژئوشیمیایی، ژئوفیزیک و مطالعه سنجش از دور،” M.Sc. پایان نامه، دانشگاه اسکندریه، اسکندریه، 2010.   [Citation Time(s):1]
  14. N. Levin، “مبانی سنجش از راه دور”، اولین دوره مدیریت داده های هیدروگرافی، IMO-آکادمی بین المللی دریانوردی، تریست، 1999.   [Citation Time(s):1]
  15. FF Sabins، “Remote Sensing, Principles and Interpretation”، Freeman، New York، 1997.   [Citation Time(s):1]
  16. PM هریس و SJ Ventura، “ادغام داده های جغرافیایی با تصاویر سنجش از دور برای بهبود طبقه بندی در یک منطقه شهری”، مهندسی فتوگرامتری و سنجش از دور، جلد. 61، شماره 8، 1374، صص 993-998.   [زمان(های استناد): 1]
  17. JR Jensen، “Digital Change Detection,” In: Introductory Digital Image Processing-A Remote Sensing Perspective, Pearson Prentice Hall, Upper Saddle River, 2004, pp. 467-494.   [زمان(های استناد): 2]
  18. G. Rosenfield و K. Fitzpatrick-Lins، “ضریب توافق به عنوان اندازه گیری دقت طبقه بندی موضوعی”، مهندسی فتوگرامتری و سنجش از دور، جلد. 52، شماره 2، 1365، صص 223-227.
  19. RG Congalton، “مروری بر ارزیابی دقت طبقه بندی داده های سنجش از دور”، سنجش از دور محیط، جلد. 37، شماره 1، 1370، صص 35-46. doi:10.1016/0034-4257(91)90048-B
  20. RG Congalton و K. Green، “ارزیابی دقت داده های سنجش از دور: اصول و روش ها”، ناشران لوئیس، بوکا راتون، 1999.   [زمان(ها):1]
  21. M. Story و RG Congalton، “ارزیابی دقت: دیدگاه کاربر”، مهندسی فتوگرامتری و سنجش از دور، جلد. 52، شماره 3، 1365، صص 397-399.
  22. TM Lillesand و RW Kiefer، “Remote Sensing and Image Interpretation”، نسخه چهارم، جان وایلی و پسران، نیویورک، 1994.
  23. جی بی کمبل، “مقدمه ای بر سنجش از دور”، ویرایش سوم، انتشارات گیلفورد، نیویورک، 2002.
  24. دبلیو هادسون و سی رام، «فرمول صحیح ضریب توافق کاپا»، مهندسی فتوگرامتری و سنجش از دور، جلد. 53، شماره 4، 1366، صص 421- 422.
  25. JR Thomlinson، PV Bolstad و WB Cohen، «روش‌های هماهنگی برای مقیاس‌بندی طبقه‌بندی پوشش زمین از سایت خاص به جهانی: گام‌هایی به سوی اعتبارسنجی محصولات نقشه جهانی»، Remote Sensing of Environment، جلد. 70، شماره 1، 1378، صص 16-28.
  26. JR Anderson، EE Hardy، JT Roach و RE Witmer، “یک سیستم طبقه بندی کاربری و پوشش زمین برای استفاده با داده های سنسور از راه دور – شماره. Professional Paper 964, US Geological Survey, Washington DC, 1976.   [Citation Time(s):1]
  27. A. Shalaby and R. Tateishi, “Remote Sensing and GIS for Mapping and Monitoring Cover and User-Use Changes in the Northwestern Sea Zone of Egypt,” Applied Geography, Vol. 27، شماره 1، 1386، صص 28-41. doi:10.1016/j.apgeog.2006.09.004   [Citation Time(s):1]
  28. M. Pax-Lenney، CE Woodcock، JC Collin و H. Hamdi، “وضعیت کشاورزی در مصر: استفاده از ویژگی های چند زمانی NDVI برگرفته از Landsat TM”، Remote Sensing of Environment، جلد. 56، شماره 1، 1375، صص 8-20. doi:10.1016/0034-4257(95)00152-2
  29. AM Hay، «نمونه‌سازی طرح‌ها برای آزمایش دقت نقشه کاربری زمین»، مهندسی فتوگرامتری و سنجش از دور، جلد. 45، شماره 4، 1979، صص 529-533.   [زمان(های استناد): 1]
  30. AS Goudie, “Land Transformation,” در: RJ Johnston, Ed., The Challenge for Geography, A Changing World, A Changing Discipline, Black Well, Cambridge, 1993, pp. 17-137.
  31. RM Turner، “تغییر طولانی مدت پوشش گیاهی در یک سایت کاملاً محافظت شده صحرای Sonoran”، Ecology، جلد. 71، شماره 2، 1369، صص 464-477. doi: 10.2307/1940301
  32. G. Gutman، “علم تغییر زمین،” در: نظارت و درک مسیرهای تغییر در سطح زمین، ناشران آکادمیک Kluwer، دوردرخت، 2004، صفحات 329-350.
  33. COSPAR، شورای بین المللی اتحادیه های علمی، “پتانسیل سنجش از دور برای مطالعه تغییرات جهانی: گزارش COSPAR به شورای بین المللی اتحادیه های علمی (ICSU)،” Pergamon Press، آکسفورد، 1987.
  34. اس. اوستین، “راهنمای سنجش از دور: سنجش از دور برای مدیریت منابع طبیعی و نظارت بر محیط زیست”، جان ویلی و پسران، چیچستر، 2004.
  35. N. Bakr، DC Weindorf، MH Bahnassy، SM Marei و MM El-badawi، “نظارت بر تغییرات پوشش زمین در منطقه تازه احیا شده مصر با استفاده از داده های چند زمانی لندست،” جغرافیای کاربردی، جلد. 30، شماره 4، 1389، صص 592-605. doi:10.1016/j.apgeog.2009.10.008   [Citation Time(s):1]
  36. MF Abdalla و MA عبدالعزیز، “نظارت احیای زمین مرتبط با تغییر کاربری اراضی با استفاده از داده های لندست چند زمانی و ژئوانفورماتیک در منطقه کوم اومبو، مصر جنوبی،” مجله بین المللی سنجش از دور، 2011. (در چاپ)   [زمان(های استناد):1]

مقالات داخلی و بین المللی

مطالب مرتبط ...

بدون دیدگاه

دیدگاهتان را بنویسید