آشکارسازی تغییرات کاربری اراضی: ماتریس انتقال، تفسیر و گزارش پایان‌نامه‌ای

صفحه آشکارسازی تغییرات کاربری و پوشش اراضی در گیسلند مبانی و روش‌های کلی را معرفی کرده است. این آموزش یک گام جلوتر می‌رود و روی بخشی تمرکز دارد که بیشتر پایان‌نامه‌ها در آن ضعیف‌اند: ساخت درست ماتریس انتقال، استخراج شاخص‌های تغییر از آن و نوشتن تفسیری که فراتر از «مساحت شهر ۵۰ درصد افزایش یافت» باشد. مثال عددی ما یک دشت فرضی ۲۷ هزار هکتاری در حاشیه یک شهر میانی ایران بین سال‌های ۱۳۹۲ و ۱۴۰۲ است.

روش‌های آشکارسازی تغییرات کاربری اراضی

برای پایان‌نامه‌ها و گزارش‌های برنامه‌ریزی، مقایسه پس از طبقه‌بندی همچنان استاندارد است، چون به پرسش اصلی تصمیم‌گیر پاسخ می‌دهد: «کدام کاربری، به کدام کاربری و چقدر تبدیل شده است؟»

پیش‌نیازها: دو نقشه قابل مقایسه

1. تصاویر هم‌فصل: هر دو تصویر از یک ماه (مثلاً اردیبهشت) تا اثر فنولوژی گیاه به عنوان تغییر کاربری ثبت نشود.
2. تفکیک یکسان: اگر یک تاریخ لندست ۳۰ متری و دیگری سنتینل ۱۰ متری است، هر دو را در ۳۰ متر تحلیل کنید. نکات در هم‌ترازی و بازنمونه‌گیری رستر.
3. کلاس‌های یکسان و روش یکسان: همان طرح کلاس، همان الگوریتم و نمونه تعلیمی با کیفیت مشابه. روش کامل در تهیه نقشه کاربری اراضی با طبقه‌بندی نظارت‌شده.
4. هم‌ثبتی دقیق: خطای جابه‌جایی کمتر از نصف پیکسل. جابه‌جایی یک‌پیکسلی در مرز کلاس‌ها تغییر کاذب می‌سازد.
5. ارزیابی دقت هر نقشه: صحت کلی و کاپای هر تاریخ را جداگانه گزارش کنید؛ روش در ضریب کاپا در سنجش از دور.

ساخت ماتریس انتقال در ArcGIS Pro

روش ۱: Change Detection Wizard

1. از زبانه Imagery ← Change Detection ← Change Detection Wizard را باز کنید.
2. Change Detection Method را Categorical Change قرار دهید و دو رستر طبقه‌بندی‌شده را به عنوان From و To بدهید.
3. در Class Configuration می‌توانید فقط تغییرات مورد نظر (مثلاً همه کلاس‌ها به ساخته‌شده) را انتخاب کنید.
4. خروجی رستری است که هر پیکسل کد «از-به» دارد و جدول ویژگی آن تعداد پیکسل هر ترکیب را نشان می‌دهد.

روش ۲: Tabulate Area یا Combine

ابزار Tabulate Area (Spatial Analyst ← Zonal) با ورودی Zone = نقشه سال اول و Class = نقشه سال دوم، مستقیم جدول ماتریس انتقال را به متر مربع می‌دهد. ابزار Combine هم رستری با یک کد برای هر ترکیب و ستون‌های هر دو سال می‌سازد. با Field Calculator مساحت را به هکتار تبدیل کنید (پیکسل ۳۰ متری = ۰٫۰۹ هکتار) و جدول را به Excel ببرید. برای تکرار این کار برای چند دوره، زنجیره را در ModelBuilder بسازید.

ساخت ماتریس انتقال در QGIS و GEE

در QGIS افزونه SCP بخش Postprocessing ← Land cover change با دو نقشه مرجع و جدید، رستر تغییر و جدول ماتریس را می‌سازد. در Processing Toolbox هم الگوریتم r.cross از GRASS یا r.stats -a ترکیب‌ها و مساحت‌ها را می‌دهد. مقدمات در آموزش کاربردی QGIS.

// GEE: کد ترکیبی از-به و مساحت هر ترکیب
var change = lulc1392.multiply(10).add(lulc1402).rename('code');
var stats = ee.Image.pixelArea().divide(1e4).addBands(change)
  .reduceRegion({reducer: ee.Reducer.sum().group({groupField: 1, groupName: 'code'}),
                 geometry: aoi, scale: 30, maxPixels: 1e10});
print(stats);   // کد 21 یعنی کلاس 2 در 1392 به کلاس 1 در 1402

ضرب در ۱۰ و جمع، برای حداکثر ۹ کلاس یک کد دو رقمی یکتا می‌سازد. مقدمات GEE در آشنایی با گوگل ارث انجین.

مثال عددی: ماتریس انتقال ۱۳۹۲ تا ۱۴۰۲

ماتریس انتقال دشت نمونه به هکتار (سطر = ۱۳۹۲، ستون = ۱۴۰۲):

شاخص‌هایی که از ماتریس انتقال استخراج می‌شوند

• زیان = جمع سطر منهای قطر؛ سود = جمع ستون منهای قطر.
• تغییر خالص = سود منهای زیان؛ همان چیزی که از مقایسه ساده مساحت دو نقشه به دست می‌آید.
• جابه‌جایی = ۲ × کمینه(سود، زیان)؛ تغییری که در مساحت خالص دیده نمی‌شود چون کلاس در جایی از دست رفته و در جای دیگری به دست آمده است (مفهوم Pontius).
• ثبات کل: ۲۲٬۸۴۰ هکتار (۸۴٫۳٪)؛ تغییر کل: ۴٬۲۶۰ هکتار (۱۵٫۷٪) که ۱٬۴۰۰ هکتار آن تغییر خالص و ۲٬۸۶۰ هکتار جابه‌جایی است.

نرخ تغییر سالانه

r = (1 / t) × ln(A2 / A1) × 100

برای مناطق ساخته‌شده: r = (1/10) × ln(2800 / 1850) × 100 ≈ 4.1% در سال. این نرخ پیوسته برای مقایسه دوره‌هایی با طول متفاوت مناسب‌تر از درصد تغییر کل است. اگر با همین نرخ ادامه یابد، مساحت ساخته‌شده حدوداً هر ۱۷ سال دو برابر می‌شود (ln2 ÷ 0.041).

تفسیر ماتریس انتقال: از عدد به داستان

ضعیف‌ترین بخش بیشتر گزارش‌ها همین‌جاست. چند پرسش که تفسیر را عمیق می‌کند:

1. رشد شهری روی چه زمینی؟ از ۹۵۰ هکتار افزایش ساخته‌شده، ۶۲۰ هکتار (۶۵٪) از کشاورزی و ۱۸۰ هکتار (۱۹٪) از باغ آمده است؛ یعنی بیش از ۸۰ درصد رشد شهر روی اراضی مولد بوده، نه زمین‌های بایر. این جمله برای برنامه‌ریز بسیار مهم‌تر از «شهر ۵۱ درصد رشد کرد» است.
2. تغییر خالص چه چیزی را پنهان می‌کند؟ کشاورزی فقط ۲٫۵ درصد کاهش خالص دارد و ظاهراً پایدار است. اما ماتریس نشان می‌دهد ۱٬۶۰۰ هکتار از دست رفته و ۱٬۳۳۰ هکتار، عمدتاً از مرتع (۹۸۰ هکتار)، به دست آمده است. یعنی کشاورزی از دشت به سمت دامنه‌ها و مراتع جابه‌جا شده که پیامد فرسایشی جدی دارد؛ موضوعی که با مدل RUSLE قابل کمّی کردن است.
3. تخریب مرتع: مرتع با ۱۳ درصد کاهش خالص بزرگ‌ترین بازنده است؛ ۶۱۰ هکتار آن به اراضی بایر تبدیل شده که نشانه احتمالی تخریب و بیابان‌زایی است و با کاهش NDVI قابل تأیید است (محاسبه شاخص NDVI).
4. تغییرات غیرمنطقی: تبدیل ساخته‌شده به کلاس‌های دیگر در دوره ده‌ساله معمولاً رخ نمی‌دهد. در مثال ما صفر است؛ اگر در ماتریس شما مقدار قابل توجهی دارد، احتمالاً خطای طبقه‌بندی است و باید در بخش محدودیت‌ها بحث شود.

از گذشته به آینده: ماتریس احتمال انتقال و زنجیره مارکوف

اگر هر سطر ماتریس انتقال را بر جمع همان سطر تقسیم کنید، «ماتریس احتمال انتقال» به دست می‌آید؛ یعنی احتمال اینکه یک هکتار از هر کلاس در طول ده سال به کلاس دیگر تبدیل شود. برای مثال ما:

با فرض اینکه این احتمال‌ها در ده سال آینده ثابت بمانند (فرض اصلی زنجیره مارکوف)، ضرب بردار مساحت ۱۴۰۲ در این ماتریس پیش‌بینی ۱۴۱۲ را می‌دهد: ساخته‌شده حدود ۳٬۷۴۰ هکتار، کشاورزی ۱۰٬۴۲۰، باغ ۳٬۷۴۰، مرتع ۶٬۷۰۰ و بایر ۲٬۵۰۰ هکتار. یعنی اگر روند ادامه یابد، حدود ۹۴۰ هکتار دیگر به بافت شهری اضافه می‌شود. مارکوف فقط «چقدر» را پیش‌بینی می‌کند، نه «کجا» را؛ برای توزیع مکانی از مدل‌هایی مثل CA-Markov یا Land Change Modeler استفاده می‌شود که از لایه‌هایی مثل فاصله از جاده و شهر، شیب و کاربری فعلی کمک می‌گیرند. نتیجه را همیشه یک «سناریوی ادامه روند» بنامید، نه پیش‌بینی قطعی.

تحلیل عوامل محرک با لایه‌های کمکی

یک گام ساده اما اثرگذار: نقشه تبدیل‌های مهم را با لایه‌های کمکی روی هم بگذارید تا «چرا» را با عدد پاسخ دهید. مثلاً با ابزار Multiple Ring Buffer حلقه‌های ۵۰۰ متری اطراف جاده‌های اصلی بسازید و با Tabulate Area مساحت تبدیل کشاورزی به ساخته‌شده را در هر حلقه بشمارید. در مثال ما ۷۱ درصد این تبدیل در فاصله کمتر از یک کیلومتر از جاده کمربندی رخ داده است. همین کار را با کلاس‌های شیب برای تبدیل مرتع به کشاورزی انجام دهید: اگر بخش بزرگی از آن روی شیب بیش از ۱۲ درصد است، شاهد گسترش دیم روی دامنه‌ها و افزایش خطر فرسایش هستید. برای اتصال جدول‌ها، آموزش Join و Spatial Join و برای نقشه شیب ایجاد نقشه شیب را ببینید. این تحلیل‌ها بخش بحث پایان‌نامه را از توصیف به تبیین ارتقا می‌دهند.

ارزیابی دقت نقشه تغییر

اگر نقشه تغییر نتیجه نهایی شماست، علاوه بر دقت هر نقشه، دقت خود کلاس‌های تغییر را هم بسنجید. نمونه‌گیری تصادفی طبقه‌بندی‌شده را روی نقشه تغییر انجام دهید (مثلاً ۵۰ نقطه در هر تبدیل مهم و ۱۰۰ نقطه در «بدون تغییر») و برای هر نقطه وضعیت هر دو تاریخ را از تصاویر با تفکیک بالا یا آرشیو Google Earth بررسی کنید. چون کلاس‌های تغییر مساحت کوچکی دارند، خطای حذف در آن‌ها معمولاً زیاد است و برآورد مساحت تعدیل‌شده (روش Olofsson که در پست کاپا با مثال آمده) برای گزارش مساحت تغییرات به‌شدت توصیه می‌شود.

نقشه‌ها و نمودارهای گزارش

• نقشه کاربری هر سال با رنگ‌بندی یکسان.
• نقشه تغییرات انتخابی: فقط تبدیل‌های مهم (مثلاً کشاورزی و باغ به ساخته‌شده، مرتع به کشاورزی، مرتع به بایر) با رنگ‌های متمایز روی زمینه خاکستری «بدون تغییر».
• نمودار میله‌ای سود و زیان هر کلاس (سود مثبت، زیان منفی) که جابه‌جایی را بصری نشان می‌دهد.
• نمودار سنکی (Sankey) از ماتریس انتقال برای ارائه.

صفحه‌آرایی استاندارد را در آموزش طراحی لی‌اوت نقشه ببینید. یک نمونه پژوهش کاربردی در تحلیل تغییر کاربری اراضی و رشد شهری در سایت موجود است.

قالب گزارش پایان‌نامه‌ای برای فصل نتایج

1. جدول مشخصات تصاویر: سنجنده، تاریخ، سطح پردازش، تفکیک.
2. ارزیابی دقت هر نقشه: صحت کلی، کاپا، UA و PA هر کلاس.
3. جدول مساحت کلاس‌ها در هر سال (هکتار و درصد) و تغییر خالص.
4. ماتریس انتقال کامل به هکتار و ترجیحاً درصد سطری.
5. جدول سود، زیان، تغییر خالص و جابه‌جایی و نرخ سالانه.
6. تفسیر: مهم‌ترین تبدیل‌ها، عوامل محرک (سیاست‌ها، جاده جدید، خشکسالی، چاه‌ها) و پیامدها.
7. محدودیت‌ها: خطای ترکیبی، اختلاف فصل یا سنجنده، تغییرات غیرمنطقی.

نمونه جمله تفسیری: «طی دوره ۱۳۹۲ تا ۱۴۰۲، مساحت مناطق ساخته‌شده با نرخ سالانه ۴٫۱ درصد از ۱۸۵۰ به ۲۸۰۰ هکتار رسید که ۸۴ درصد این افزایش به زیان اراضی کشاورزی و باغی بوده است. هم‌زمان، ۹۸۰ هکتار مرتع به کشاورزی تبدیل شد که جابه‌جایی کشاورزی به سمت اراضی شیب‌دار و حاشیه‌ای را نشان می‌دهد.» اگر برای نگارش این فصل به مشاوره نیاز دارید، از صفحه تماس گیسلند اقدام کنید. برای یادگیری ساختارمند این روش‌ها، دوره آموزشی تشخیص تغییرات هم در دسترس است.

خطاهای رایج در آشکارسازی تغییرات و راه حل

پرسش‌های متداول درباره آشکارسازی تغییرات کاربری اراضی

مطالب مرتبط