Evaluation of land-cover changes in the city of Shahrekord, and predicting its future status, using remote-sensing data and CA-Markov

Authors

1 Senior Expert in Watershed Management, Department of Natural Resources and Geosciences, Shahrekord University, Iran

2 Assoc. Prof, Department of Natural Resources and Geosciences, Shahrekord University, Iran ataollah.ebrahimi@nres.sku.ac.ir

Abstract

Land use mapping using remote-sensing data is one of the newest and most widely used methods for the provision of land use map, and making a comparison between the existent usages. The aim of this study therefore, is checking the trend of urban land cover, based on Landsat satellite images of ETM+7 and OIL/TIRSS 8, between 2003-2016. To this purpose, after the separation of Sharekord City's boundaries, and providing the training samples, the land use map, using supervised classification method with maximum likelihood, was drawn. Based on training samples, the accuracy of extracted maps was checked, using Error Matrix. Finally, the lands' area of 2003 and 2016 were compared. Then, we reached the adaptation map of two classified image, using the difference of these two images. Then using the adaptation matrix, the amount of changes between the evaluated years was determined. The Kappa coefficient for land use in 2003 and 2016 was 82% and 93% respectively. Results shows that the urban areas have been raised to 1632 hectares in 2003, and to 2220 hectares in 2016. Whereas, the amount of green space has increased to 577 hectares in 2003, and to 664 hectares in 2016. Results also shows that the amount of urban area in 2016 has been increased by 13%, in comparison to 2003, while the green space area increase was 11.6%. Finally, the amount of change in urban area -using CA-Markov Model- was predicted to be increased by 6.01% in 2026 (the next 10 years). Therefore, the urban development planning requires the green space development, to be in accordance with urban expansion through this city.

Keywords

Main Subjects


مقدمه

بررسی تغییرات کاربری اراضی، یکی از پرکاربردترین موضوعات پژوهشی است که نظر بسیاری از پژوهشگران را جلب کرده است. توسعة شهرنشینی در چند سال اخیر به تغییرات گسترده‌ای در اراضی شهری منجر شده و چشم‌انداز این نوع از کاربری را تغییر داده است. اطلاع از نوع بهره‌گیری از اراضی شهری، نقش مهمی در مدیریت شهری، نظارت بر جمعیت و فعالیت‌های آن و سیاست‌گذاری دولت دارد. طبقه‌بندی اراضی شهری با توجه به پیچیدگی و گستردگی اراضی شهری، کاری دشوار و وقت‌گیر و مطالعه دربارة آن بسیار گسترده است (Liu X et al, 2017: 1676).

فعالیت‌های بشری، یکی از عواملی است که تأثیر بسزایی بر روند تغییرات کاربری اراضی شهری دارد و این تغییرات در بیشتر مواقع ناسازگار با محیط است. فعالیت‌های انسان در زمینة ساخت‌وساز، تغییرات بسیاری در سیمای سرزمین‌ها به وجود آورده است. با تغییر در کاربری اراضی به ‌وسیلة انسان، اراضی از جنبه‌های مختلف به کار می‌روند. این تغییرات با افزایش جمعیت و افزایش ضروریات اقتصادی و اجتماعی رشد بیشتری دارد .(Bauni et al, 2015: 51) روند سریع تغییرات کاربری اراضی باعث تغییرات چشمگیری در کرة زمین شده و سطح کاربری‌ها را متحول کرده است؛ به ‌طوری ‌که سطوحی از عرصه‌های طبیعی همچون اراضی جنگلی و اراضی کشاورزی را به اراضی شهری تبدیل کرده است (قراگوزلو، ۱۳۷۷: 15). بیشتر این تغییرات در کاربری‌های اراضی در جهت توسعة شهری و ازبین‌بردن محیط‌ زیست طبیعی انجام شده است؛ بنابراین برنامه‌ریزان را بر آن داشته است تا با مطالعه بر روی اراضی، علت این تغییرات را بررسی کنند و از نتایج به‌دست‌آمده برای شناخت راهکارهای مبارزه با این تغییرات مخرب بهره برند. بهره‌گیری از روش‌های سنتی برای این منظور بسیار پرهزینه و وقت‌گیر است؛ اما در مقابل با بهره‌گیری از تصاویر ماهواره‌ای و بررسی آنها می‌توان تغییرات در کاربری اراضی را در کمترین زمان برآورد کرد (بدر، ۱۳۷۹: ۴).

شهرکرد ازجمله شهرهایی است که در چند سال اخیر تغییرات زیادی داشته است؛ ساخت‌وساز و تبدیل اراضی به اراضی دست‌ساخت در محدودة اطراف شهر و تبدیل اراضی ملی و مرتعی باعث افزایش محدودة شهرنشینی و گسترش این شهر شده است. بررسی نوع تغییرات و میزان و آثار آنها، نیاز به بررسی نقشه‌های گذشته و مقایسة آنها با نقشه‌های اخیر دارد. در دهه‌های اخیر، بررسی تغییرات کاربری اراضی به ‌منظور مقایسه و اطلاع از روند تغییرات، به یکی از موضوعات ضروری و مورد بحث تبدیل و در بیشتر پژوهش‌های انجام‌شده با بهره‌گیری از تصاویر ماهواره‌ای و طبقه‌بندی اراضی به ‌عنوان یک روش دقیق پذیرفته ‌شده است. روش‌های سنجش از دور و تصاویر به‌دست‌آمده را به عنوان یک روش مناسب برای ارزیابی تغییرات دانسته‌اند (Singh and Khanduri, 2011: 845. Aplin and Atkinson, 2004: 142).

 

 

 

پیشینة پژوهش

محمودزاده (۱۳۸۳) در پژوهشی تغییرات کاربری اراضی شهر تبریز را با بهره‌گیری از تصاویر TM و ETM+ در سال‌های ۱۳۶۸ تا ۱۳۸۰ بررسی کرد. بررسی تصاویر تهیه‌شده نشان داد فضای سبز این شهر به دلایل توسعة اراضی شهری و صنعتی کاهش چشمگیری داشته است (محمودزاده، 1383: 91).

در پژوهش دیگری، حقیقی (1383) در گیلان با بهره‌گیری از تصاویر ماهواره‌ای لندست، تغییر کاربری جنگل‌های جلگة غربی را بین سال‌های 1370 تا 1379 بررسی کرده است. نتایج نشان می‌دهد حدود 1400 هکتار از جنگل‌ها تغییر کاربری داده‌اند (حقیقی، 1383: 85).

کرمی (۱۳۸۳) و رفیعیان (1385) نیز پژوهش‌هایی دربارة تغییرات کاربری اراضی در ایلام و آمل انجام دادند. نتایج نشان از تغییرات کاربری اراضی و کاهش جنگل‌ها در مناطق مدنظر داشته است (کرمی، 1383: ۵۵؛ رفیعیان و همکاران، 1385: 286).

در چین نیز با بهره‌گیری از تصاویر لندست 5 مربوط به سال‌های 1986، 1991، 1996، 2001، تغییرات کاربری اراضی شهر پکن بررسی شد. نتیجة پژوهش حاکی است بیشترین تغییرات را اراضی شهری داشته‌اند و میزان اراضی شهری افزایش پیدا کرده است (Wu et al, 2006: 322).

در هندوستان با بهره‌گیری از تصاویر ماهواره‌ای لندست در بین سال‌های 2000 تا 2009، نقشة کاربری اراضی منطقة اوتاراکند تهیه و پس از طبقه‌بندی و صحت‌سنجی با مقایسة نتایج به‌دست‌آمده مشخص شد اراضی جنگلی و کشاورزی کاهش داشته و اراضی مسکونی نیز به میزان چشمگیری در کمتر از یک دهه افزایش پیدا کرده است (.(Kuldeep and Kamlesh, 2011: 40

در پژوهشی دیگر در کشور بنگلادش در سال 2016، روند تغییرات کاربری اراضی در منطقة شهری چیتاگونگ طی سال‌های 1989 تا 2011 با داده‌های لندست TM بررسی شد؛ پس از پردازش و تصحیح تصاویر و طبقه‌بندی آنها با کمک سنجش ‌از دور و مقایسة نقشه‌ها و پژوهش‌های قدیمی دردسترس، نتایج به‌دست‌آمده نشان داد 27 درصد از مساحت منطقة مدنظر دستخوش تغییر شده‌ است و پژوهشگران بهره‌گیری از فناوری GIS و سنجش ‌از دور را برای برنامه‌ریزی بهتر و مدیریت پایدارتر در بهره‌‌مندی از مناطق شهری توصیه کردند (Iqbal et al, 2016: 8).

براساس این پژوهش‌ها، روند تغییرات توسعة شهری و تبدیل اراضی به یکی از پیامدهای شهرنشینی و توسعة آن در سراسر جهان تبدیل‌ شده و لزوم برنامه‌ریزی هرچه بهتر برای آنها طی سال‌های آینده، مستلزم شناخت روند تغییرات توسعة شهری و مستندسازی آنها در گذشته است تا بتوان بر مبنای روش‌های علمی، برنامة درستی برای توسعة احتمالی مناطق شهری در نظر گرفت.

هدف از این پژوهش، بررسی نقشة کاربری اراضی شهر شهرکرد در سال‌های 2003 تا 2016 با بهره‌گیری از تصاویر ماهواره‌ای لندست 7 ETM+ و لندست 8 OIL/TIRSS و مقایسة تغییرات صورت‌گرفته در اراضی شهری طی سال‌های یادشده است. نتایج این پژوهش، امکان بررسی اراضی شهری و پراکنش آنها را در سریع‌ترین زمان ممکن با دقت زیاد در اختیار مدیران شهری قرار می‌دهد؛ مدیران شهری با مقایسة اهمیت و دقت تصاویر ماهواره‌ای لندست با مشاهدات شهرداری‌ها، می‌توانند صحت اطلاعات مربوطه را بررسی کنند و در مدیریت اراضی و برنامه‌ریزی شهری به کار برند.

 

محدودة پژوهش

شهرکرد، مرکز استان چهارمحال و بختیاری، در جنوب غربی کشور بین 50 درجه و 46 دقیقه و 54 ثانیه تا
50 درجه و 55 دقیقه و 43 ثانیه طول جغرافیایی و 32 درجه و 18 دقیقه و 03 ثانیه تا 32 درجه و 23 دقیقه و
12 ثانیه عرض جغرافیایی واقع‌ شده است. بیشترین ارتفاع مناطق شهر 2220 متر و مساحت آن 23/4756 هکتار است. شکل (1)، موقعیت شهرکرد را در استان چهارمحال و بختیاری نشان می‌دهد.

 

 

شکل- 1: موقعیت شهرکرد و منطقة پژوهشی در استان چهارمحال و بختیاری

داده‌های استفاده‌شده در پژوهش

داده‌های ماهواره‌ای

برای انجام این پژوهش از تصاویر ماهوارة لندست 7 در‌دسترس در سال 2003 و لندست 8 در سال 2016 مربوط به خط برداشت 164 و ردیف 038 استفاده شد. تصاویر ماهواره‌ای استفاده‌شده، لندست 7 و 8، قدرت تفکیک مکانی نسبتاً زیاد (15 متر در پانکروماتیک و 30 متر در چند طیفی) و شرایط هواشناسی مناسب و بدون ابر دارند. داده‌های ماهوارة لندست 8 شامل 11 باند هستند. در حال حاضر این داده‌ها را به علت تنوع باندی و قدرت تفکیک زیاد می‌توان به ‌عنوان یکی از باکیفیت‌ترین داده‌های ماهواره‌ای در حد قدرت تفکیک زمینی حدود 30 متر معرفی کرد. داده‌های ماهوارة لندست 7 نیز شامل 8 باند هستند. در جدول 1، مشخصات دو تصویر استفاده‌شده آمده است.

 

جدول- 1: تصاویر ماهواره‌های لندست 7 و 8 در سال‌های 2003 و 2016

ردیف

تاریخ تصویربرداری (میلادی)

تاریخ تصویربرداری (هجری شمسی)

ماهواره

سنجنده

تعداد باند

1

24/05/2003

03/03/82

لندست

+ETM

8

2

19/05/2016

30/02/95

لندست 8

OIL/TIRSS

11

 

داده‌های میدانی

در این پژوهش برای طبقه‌بندی تصاویر، کلاس‌های کاربری اراضی شهر شهرکرد در 3 گروه با عنوان کلاس اراضی شهری (دست‌ساخت بشر)، فضای سبز و اراضی لخت (عمدتاً مرتع) تعیین و سپس نمونه‌های تعلیمی از سطح منطقه با بهره‌گیری از تصاویر ماهواره‌ای گوگل‌ارث و بازدید میدانی گردآوری شد. جدول (2) ویژگی‌های هر طبقه را بیان می‌کند.

جدول- 2: کاربری‌های موجود در منطقة پژوهشی

نوع کاربری

اراضی تحت پوشش

اراضی شهری

شامل همة اراضی مسکونی، تجاری، درمانی، آموزشی، راه‌های ارتباطی

فضای سبز

شامل پارک‌ها و درختان موجود و اراضی تحت کشت در محدودة شهر

اراضی لخت

شامل خاک لخت، اراضی آیش و بدون کشت، تپه‌ها

 

روش پژوهش

به‌ طور کلی فرایندهای پردازشی از قبیل حذف اختلالات تصویری یا خطاهای موجود در تصاویر که ممکن است در اثر خطای سنجنده و اشکالات طبیعی حاصل از آلودگی اتمسفر ایجاد شوند، فنون ترمیم و تصحیح تصویر هستند؛ در این پژوهش با توجه به مقایسة زمانی تصاویر با انجام تصحیحات اتمسفری، تصاویر تصحیح شدند. با توجه به کیفیت زیاد و نداشتن هیچ نوع خطا، نیاز به هیچ‌گونه تصحیحات هندسی وجود نداشت.

پیش از استفاده از داده‌های ماهواره‌ای، برای تهیة نقشة کاربری اراضی منطقه با بهره‌گیری از بازدیدهای میدانی، نمونه‌های تعلیمی برای کاربری‌های موجود در منطقه تهیه شد. نمونه‌های تعلیمی به دو دسته تقسیم‌ می‌شوند: دستة اول برای استفاده در طبقه‌بندی و دستة دوم برای بررسی صحت طبقه‌بندی استفاده شدند؛ سپس در محیط نرم‌افزار IDRISI Selva با بهره‌گیری از تصاویر ماهواره‌ای لندست 7 و 8 با روش طبقه‌بندی نظارت‌شده[1]، طبقه‌بندی شدند. در این روش، ارزش‌های طیفی براساس نمونه‌هایی محاسبه می‌شوند که مفسر بر روی هر پدیده برگزیده است. از آنجا که مناطق نمونه (Training Site) پایة طبقه‌بندی را تشکیل می‌دهند، تلاش شد این نمونه‌ها با دقت برگزیده شوند.

در این پژوهش، الگوریتم حداکثر احتمال به کار رفت. در الگوریتم حداکثر احتمال[2] که یکی از رایج‌ترین روش‌های طبقه‌بندی نظارت‌شدة تصویر است، احتمال اینکه یک پیکسل بتواند به هریک از m کلاس موجود تعلق یابد، بررسی می‌شود و سپس پیکسل به کلاسی اختصاص می‌یابد که بیشترین احتمال را دارد. نتیجة نهایی طبقه‌بندی، تصویر طبقه‌ای تک‌باندی کلاسه‌بندی‌شده‌ای است که در آن طبقات نمونه‌گیری‌شده کاملاً مجزا شدند و هر طبقه یا کلاس کد مربوطه را دارد.

برای ارزیابی طبقه‌بندی انجام‌شده از نمونه‌های آزمون استفاده شد. برای این کار، ابتدا با بهره‌گیری از الگوریتم نمونه‌گیری (Sample)، تعدادی نمونة خوشه‌ای - تصادفی برگزیده شد و پس از بررسی موقعیت مکانی نمونه‌ها و ثبت واقعیات زمینی در محل‌های نمونه، نقشة مربوطه تهیه و به نقشه‌ای رستری براساس طبقات نقشة حاصل از طبقه‌بندی تبدیل شد. با بهره‌گیری از الگوریتم ماتریس خطا[3] در پژوهش حاضر از ضرایب صحت کلی[4] و ضریب کاپا[5] برای بررسی صحت طبقه‌بندی استفاده شد. پیش از انجام این مرحله، دقت هریک از نقشه‌های تولیدی با توجه به نمونه‌های گرفته‌شده در عرصه ارزیابی شد. در این ‌ارتباط، صحت کلی برابر با نسبت تعداد پیکسل‌های درست طبقه‌بندی‌شده یک طبقه به ‌کل پیکسل‌های درست طبقه‌بندی‌شده در تمامی طبقات است؛ همچنین دقت تهیه‌کننده برابر با تعداد پیکسل‌های درست طبقه‌بندی‌شده در ردیف مربوطه تقسیم ‌بر تعداد کل ردیف ضرب در 100 و دقت مصرف‌کننده برابر با تعداد پیکسل‌های درست طبقه‌بندی‌شده در ستون تقسیم ‌بر تعداد کل ستون ضرب در 100 است که مبنای قضاوت دربارة هریک از طبقات شد.

پس از اطمینان از دقت نقشه‌های به‌دست‌آمده از طبقه‌بندی، تغییرات به‌وجودآمده در کاربری اراضی با روی‌هم‌اندازی دو تصویر و تفاضل آنها با انطباق تصاویر (Cross Tabulation) و تعیین تغییرات صورت‌گرفته و تبدیل نوع و مقادیر کاربری اراضی مشخص شد؛ به بیان دیگر در این پژوهش از روش پس از طبقه‌بندی[6] به ‌منظور ارزیابی تغییرات صورت‌گرفته استفاده شد. ماتریس انطباق تصاویر، تغییرات سال‌های مورد ارزیابی تغییرات کاربری اراضی را در محدودة مطالعه‌شده مشخص کرد.

 

بررسی تغییرات شاخص پوشش گیاهی به‌ منظور تعیین تغییرات فضای سبز شهری

به‌ منظور بررسی تغییرات شاخص پوشش گیاهی در پژوهش حاضر از شاخص پوشش گیاهی نرمال[7](NDVI) استفاده شد؛ به این‌ صورت که با محاسبة شاخص NDVI در سال‌های 1382 و 1395 و تفاضل بین دو نقشه، نقشة تفاضل به‌دست‌آمده با بهره‌گیری از انحراف معیار و میانگین طبقه‌بندی و میزان و شدت تغییرات فضای سبز شهری شهرکرد بررسی شد.

 

پیش‌بینی تغییرات کاربری اراضی

برای پیش‌بینی تغییرات آینده، مدل کا- مارکوف[8] در محیط IDRISI Selva به کار رفت. این مدل، احتمال تغییرات کاربری را در سال‌های بررسی‌شده محاسبه می‌کند؛ به این صورت که در مدل مارکوف از نقشة کاربری اراضی سال 1382 و 1395 و فاصلة 13 سال بین آنها، نقشة کاربری اراضی مربوط به 10 سال آینده (1405) پیش‌بینی شد.

 

نتایج و بحث

مبنای تهیة نقشه‌های کاربری شهرکرد، تصاویر ماهواره‌ای لندست 7 و 8 در سال‌های 1382 و 1395 است (شکل 2 و 3). به ‌منظور افزایش دقت کار، از نقشه‌های کاربری اراضی قدیمی و عملیات صحرایی برای مناطقی استفاده شد که تغییری در آنها رخ نداده بود. نتایج برای دو تصویر در سال‌های 1382 و 1395، نشان داد طبقه‌بندی نظارت‌شده به روش حداکثر احتمال از دقت خوبی برخوردار است. چنانچه در شکل (2) دیده می‌شود، نقشة حاصل از طبقه‌بندی کاربری اراضی در سال 1382 دقیق است؛ به ‌طوری ‌که این نقشه دقت کل معادل 56/89 درصد دارد که مقداری پذیرفته محسوب می‌شود. این مقدار برای سال 1395 برابر با 10/96 درصد محاسبه شد که مقدار بیشتری از سال 1382 و پذیرفته است و می‌توان تا حد زیادی به ‌دقت این نقشه‌ها اطمینان داشت؛ بنابراین برای این نقشه‌ها می‌توان مساحت هریک از کاربری‌ها را در زمان‌های مختلف محاسبه و همچنین مقدار تغییرات صورت‌گرفته را در هرکدام از کاربری‌ها در فاصلة زمانی سال 1382 تا 1395 برآورد کرد (شکل‌های 2 و 3).

درستی طبقه‌بندی هریک از طبقات کاربری نیز به‌ طور جداگانه، هم از نظر تولیدکننده و هم از نظر مصرف‌کننده، در همة موارد به‌ جز در کاربری 2، یعنی فضای سبز، برابر با 29/71 درصد در سایر موارد بالا بود؛ همچنین با توجه به اینکه برای صحت کاربری نقشة 1395 از نمونه‌های بهنگام‌تر و دردسترس‌تری استفاده ‌شده، درستی طبقه‌بندی کل در این نقشه بیشتر از نقشة کاربری اراضی 1382 است (جدول 3). این امر را تا حدودی نیز می‌توان به تعداد باندها و قدرت تفکیک رادیومتریکی بیشتر تصاویر ماهواره‌ای لندست 8 مربوط دانست.

جدول- 3: مقایسة دقت طبقه‌بندی نقشة کاربری‌های اراضی شهری در سال‌های 1395 و 1382

کاربری 1395

کاربری 1382

درستی طبقه‌بندی کل %

درستی طبقه‌بندی کل %

10/96

56/89

ضریب کاپا %

ضریب کاپا %

56/93

66/82

درستی طبقه‌بندی طبقات کاربری به ‌طور جداگانه

درستی طبقه‌بندی طبقات کاربری به‌ طور جداگانه

دقت مصرف‌کننده

دقت تولیدکننده

کاربری

دقت مصرف‌کننده

دقت تولیدکننده

کاربری

18/96

29/98

اراضی شهری

89/88

25/93

اراضی شهری

5/96

76/89

فضای سبز

29/71

64/96

فضای سبز

74/95

76/95

اراضی لخت

40/96

59/85

اراضی لخت

برای این نقشه‌ها می‌توان مساحت هریک از کاربری‌ها را در زمان‌های مختلف محاسبه کرد و همچنین مقدار تغییرات صورت‌گرفته در هرکدام از کاربری‌ها را در فاصلة زمانی سال 1382 تا 1395 به‌راحتی به دست آورد. نتایج نشان داد اراضی شهری در سال 1395 نسبت به سال 1382 حدود 13 درصد افزایش‌ یافته است؛ همچنین اختلاف بین دو نقشة (شکل 4) نشان داد در این فاصلة زمانی به اراضی شهری به مقدار 42/588 هکتار اضافه ‌شده است. میزان این تغییرات در فاصلة زمانی سال‌های 1382 (2003) تا سال 1395 (2016) در جدول 4 آمده است.

 

شکل- 2: نقشة کاربری اراضی شهرکرد در سال 1382 با روش طبقه‌بندی حداکثر احتمال

 

شکل- 3: نقشة کاربری اراضی شهرکرد در سال 1395 با روش طبقه‌بندی حداکثر احتمال

جدول- 4: مساحت کاربری‌ها و تغییرات صورت‌گرفته در آنها در سال‌های 1382 و 1395

نوع کاربری

1382

1395

درصد تغییرات

مساحت (هکتار)

درصد

مساحت (هکتار)

درصد

1395-1382

اراضی شهری

33/1632

34

75/2220

47

13+

فضای سبز

17/577

12

83/664

14

2+

اراضی لخت

73/2546

54

65/1870

39

15-

جمع کل

23/4756

100

23/4756

100

 

 

 

 

شکل- 4: تفاوت میزان اراضی شهری بین سال‌های 1382 (2003) تا 1395 (2016)

 

سطح تغییرات اراضی و نوع تغییرات در شکل (5) آمده است؛ بر این اساس، بیشترین تغییرات در اراضی بین سال‌های 1382 تا 1395 مربوط به تبدیل اراضی لخت به اراضی شهری است.

 

شکل- 5: انطباق نقشة کاربری اراضی شهری سال‌های 1382 (2003) تا 1395 (2016)

 

جدول ماتریس بین این دو طبقه در ادامه آمده است. در جدول (5)، ماتریس طبقات انطباق برای سال 1382 و 1395 بیان ‌شده است؛ چنانچه دیده می‌شود در ستون‌ها، کلاس‌های طبقه‌بندی مربوط به سال 1382 بیان‌ و در سطرهای جدول، کلاس‌های کاربری مربوط به سال 1395 مشخص ‌شده و میزان تغییرات هر کلاس در سال 1382 نسبت به سال 1385 در جدول 5 آمده است. در این جدول، بیشترین عدد مربوط به تغییر کاربری اراضی لخت است و نشان از انطباق بیشتر بین اراضی لخت در سال 1395 نسبت به سال 1382 دارد.

 

جدول- 5: ماتریس طبقات انطباق دو نقشة ستون مربوط به سال 1382 و سطرها مربوط به سال 1395

1382

1395

اراضی شهری

فضای سبز

اراضی لخت

اراضی شهری

16100

1254

7321

فضای سبز

845

7398

2144

اراضی لخت

1192

761

18832

 

 

در جدول (6) نیز میزان مساحت هر طبقة انطباق مشخص ‌شده است؛ همان‌طور که دیده می‌شود بیشترین تغییرات مربوط به تبدیل اراضی لخت به اراضی شهری (89/658 هکتار) و سپس اراضی لخت به فضای سبز (96/192 هکتار) است که نشان از توسعة شهری و توسعة فضای سبز شهری دارد.

جدول- 6: مساحت طبقات انطباق بین دو تصویر سال‌های 1382 تا 1395

نوع تغییرات (82-95)

مساحت (هکتار)

اراضی شهری- اراضی شهری

1449

فضای سبز- اراضی شهری

86/112

اراضی لخت- اراضی شهری

89/658

اراضی شهری- فضای سبز

05/76

فضای سبز- فضای سبز

82/395

اراضی لخت- فضای سبز

96/192

اراضی شهری- اراضی لخت

28/107

فضای سبز- اراضی لخت

49/68

اراضی لخت- اراضی لخت

88/1694

 

نتایج بررسی تغییرات شاخص پوشش گیاهی نرمال به ‌منظور بررسی تغییرات فضای سبز شهری

شکل (6) و (7)، نقشة شاخص پوشش گیاهی را در سال‌های 1382 و 1395 نشان می‌دهد. با توجه به اینکه مقدار شاخص پوشش گیاهی بین 1+ تا 1- است، در مواقعی که خاک لخت و بدون پوشش باشد، مقدار آن کمتر و نزدیک به 1- می‌شود و در مواقعی که پوشش گیاهی (فضای سبز شهری) داشته باشیم، مقدار آن به 1 نزدیک می‌شود. بیشترین مقدار این شاخص در سال 1382، 72/0 و مربوط به اراضی فضای سبز و کمترین مقدار آن، 0 و مربوط به اراضی لخت است؛ همچنین در تصویر سال 1395، بیشترین مقدار این شاخص، 86/0 و کمترین مقدار آن، 02/0- است. با توجه به اینکه زمان دو تصویر استفاده‌شده در این پژوهش تقریباً در ماه خرداد است و مقدار شاخص پوشش گیاهی نرمال برای اراضی فضای سبز در سال 1382، 72/0 و در سال 1395، 86/0 است، اختلافی که بین مقدار شاخص پوشش گیاهی نرمال برای دو تصویر استفاده‌شده وجود دارد، احتمالاً می‌تواند ناشی از تغییرات کاربری اراضی باشد.

 

شکل- 6: شاخص پوشش گیاهی نرمال در سال 1382 محاسبه‌شده از باند قرمز و مادون قرمز برای منطقة پژوهشی

 

شکل- 7: شاخص پوشش گیاهی نرمال در سال 1395 محاسبه‌شده از باند قرمز و مادون قرمز برای منطقة پژوهشی

 

جدول (7) و شکل (8)، میزان اختلاف تغییرات پوشش گیاهی را طی دورة 1382 تا 1395 نشان می‌دهد. نتایج حاکی است بیشتر اراضی در محدودة پژوهشی بدون تغییر بوده‌اند. با وجود این، تغییرات افزایشی پوشش گیاهی حدود 5/304 هکتار (شامل 250 هکتار افزایش و 5/54 هکتار افزایش شدید) را نشان می‌دهد که حدود 4/6 درصد از مساحت منطقه را شامل می‌شود. از سویی در همین زمان، حدود 43 هکتار (که شامل 32/22 هکتار کاهش و 88/20 هکتار کاهش شدید) را نشان می‌دهد که مقداری حدود 91/0 درصد را شامل می‌شود.

 

جدول- 7: تفاوت و میزان تغییرات شاخص پوشش گیاهی نرمال در بین سال‌های 1382 و 1392

طبقه‌بندی

مساحت (هکتار)

درصد

کاهش شدید

88/20

44/0

کاهش

32/22

47/0

بدون تغییر

38/4408

69/92

افزایش

11/250

26/5

افزایش شدید

45/54

14/1

 

 

شکل- 8: میزان و محل تغییرات شاخص پوشش گیاهی بین سال‌های 1382 تا 1395

 

نتایج پیش‌بینی تغییرات کاربری اراضی شهری

نتایج پیش‌بینی تغییرات کاربری اراضی شهری با بهره‌گیری از مدل کا- مارکوف و با نقشة کاربری اراضی سال 1382 و 1395 به دست آمد. در جدول (8) و شکل (9)، میزان این تغییرات مشخص‌ شده است و پیش‌بینی می‌شود بیشترین تغییرات مربوط به اراضی لخت است و حدود 300 هکتار به محدودة اراضی شهری (6 درصد) اضافه خواهد شد؛ همچنین 32 هکتار نیز به اراضی فضای سبز شهری طی 10 سال آینده اضافه خواهد شد.

 

جدول- 8: میزان تغییرات نقشة پیش‌بینی کاربری اراضی نسبت به کاربری اراضی در سال 1395

نوع کاربری

1395

1405

درصد تغییرات

مساحت (هکتار)

درصد مساحت

مساحت (هکتار)

درصد مساحت

1395-1405

اراضی شهری

75/2220

47

35/2521

01/53

01/6

فضای سبز

83/664

14

33/696

64/14

64/0

اراضی لخت

65/1870

39

55/1538

34/32

66/6-

جمع کل

23/4756

100

23/4756

100

 

 

 

شکل- 9: نقشة پیش‌بینی تغییرات کاربری اراضی در سال 1405 (2026)

 

نتیجه‌گیری

بررسی تغییرات کاربری اراضی و پوشش زمین با بهره‌گیری از تصاویر ماهواره‌ای لندست و استفاده از فناوری سنجش ‌از دور به دلیل اینکه دید کلی از پوشش اراضی و پدیده‌های زمینی دارند، می‌تواند نتایج بهتر و نزدیک به واقعیت را ارائه دهد و نقش عمده‌ای در تحلیل مکانی و بررسی تغییرات زمانی کاربری اراضی داشته باشد. این موضوع در پژوهش‌های انجام‌شده با داده‌های ماهواره‌ای و بهره‌گیری از توانایی‌های سنجش ‌از دور نیز بررسی شده است که نتایج برآوردی را پذیرفته ارزیابی کردند .(Iqbal et al, 2016: 8. Kuldeep and Kamlesh, 2011: 840)

در پژوهش حاضر با بررسی تصاویر ماهواره‌ای لندست 8، تغییرات کاربری اراضی شهری شهرکرد ارزیابی و با بررسی‌های زمینی مقایسه شد. با به‌دست‌آمدن ضریب کاپای 66/82 و 56/93 می‌توان نتیجه گرفت طبقه‌بندی کاربری اراضی تا حدود زیادی به‌درستی انجام شده است. با توجه به اینکه نقشة پوشش اراضی دوم با ماهوارة لندست 8 تهیه شده است، چنین افزایش دقتی به دلیل افزایش قدرت تفکیک طیفی و همچنین قدرت رادیومتریکی این ماهواره دور از انتظار نیست.

با توجه به جدول (3) مشخص می‌شود هنوز درستی طبقه‌بندی کاربری شمارة 3، یعنی فضای سبز در سال 1382 چندان دقیق نیست؛ این مسئله می‌تواند به دلایل کم‌بودن نمونه‌های تعلیمی، ضعف پوشش گیاهی و استفاده از نقشه‌های قدیمی و همچنین محدودیت سنجندة لندست 7 باشد؛ ولی این مسئله در سال 1395 حل ‌شده و نتایج بهتری ارائه داده است که به ‌احتمال ‌زیاد به دلیل نمونه‌های تعلیمی مربوط به سال 1395، به‌روزبودن واقعیات زمینی و همچنین کیفیت بهتر سنجنده است که بهنگام‌تر با واقعیت زمینی بهتری است. این امر نشان می‌دهد داشتن اطلاعات نزدیک به واقعیت، کمک بسیار زیادی به مدیریت بهتر و نتیجه‌گیری مطلوب‌تر می‌کند؛ همچنین با توجه به کوچک‌بودن نسبی منطقة مدنظر و تعداد کاربری‌های کم، به‌راحتی کاربری‌ها از همدیگر تفکیک داده می‌شوند و نقشه‌های به‌دست‌آمده دقیق‌اند.

نتایج به‌دست‌آمده از انطباق تصاویر نیز نشان می‌دهد بیشترین تغییرات در اراضی، در تغییر کاربری اراضی لخت به اراضی شهری است (89/658 هکتار) و نشان از رشد زندگی شهرنشینی دارد. طبیعی است برای توسعة شهری، به دلیل ارزان‌بودن تغییر اراضی ملی (عمدتاً مراتع) به اراضی شهری، گزینة اول تغییر کاربری اراضی، چنین اراضی‌ای است؛ بنابراین شاهدیم بیشتر اراضی شهری توسعه‌یافته (حدود 6 درصد منطقه) در این اراضی بوده است. پژوهش‌های انجا‌م‌شده در محدودة اراضی شهری نیز به این نکته اشاره دارد که ساخت‌وساز و توسعة اراضی دست‌ساخت به طور چشمگیری با تغییرات کاربری اراضی فضای سبز و اراضی جنگلی بوده است (Iqbal et al, 2016: 8.؛Wu et al, 2006: 330) توسعة اراضی شهری عمدتاً در محدودة مسکن مهر و اراضی منظریة منطقة مدنظر و در بخش شمال شرقی آن رخ داده است. این منطقه که خارج از محدودة شهری و در قسمت شمال شرقی شهر شهرکرد ساخته شده، عمدتاً در سال‌های اخیر توسعه یافته است؛ لیکن در همین منطقه، توسعة فضای سبز به‌درستی و براساس بخش مرکزی شهر صورت نگرفته است (مقایسة شکل 2 و 3 و 5)؛ همچنین در انطباق تصاویر (شکل 5)، 86/112 هکتار از اراضی فضای سبز به اراضی شهری تبدیل‌ شده‌ و با توجه به اینکه این تغییرات بیشتر در هستة مرکزی شهر و در بافت فرسودة شهری صورت گرفته است، می‌توان این تغییرات را به دلیل تبدیل بافت فرسودة شهری که قاعدتاً به صورت سنتی حیاط‌های بزرگ و پوشیده از فضای سبز داشته است، به اراضی مسکونی جدید دانست؛ به دلیل قیمت زیاد مسکن در این شهر چنین تبدیلی نیز دور از انتظار نیست.

علت دیگر این امر را می‌توان در تبدیل اراضی کشاورزی سنتی (که نمودی همچون فضای سبز دارند) در محدودة شهری به اراضی مسکونی دانست؛ چنین اتفاقی در محدودة منتهی‌الیه جنوب شرقی شهر، یعنی محلة تازه‌ساخت فرهنگیان دیده می‌شود که تبدیل اراضی دست‌کاشت به اراضی مسکونی مشخص است. این تغییرات در قسمت شمال غربی شهر (محدودة چالشتر) نیز دیده می‌شود. همچنین 96/192 هکتار از اراضی لخت طی سال‌های 1382 تا 1396 به فضای سبز تبدیل‌شده‌ است که می‌توان به پارک‌های ساخته‌شده طی 13 سال اخیر به صورت پراکنده و عمدتاً در مجاورت پارک‌های پیشین و در مواردی نیز در پارک‌های جدید (همچون پارک ورودی شهر و همچنین در محدودة فرهنگیان و پارک مجاهدان) اشاره کرد.

پیش‌بینی اراضی با بهره‌گیری از مدل کا- مارکوف در پژوهش‌های پیشین کاوه و ابراهیمی (1392) و عزیزی و همکاران (1394) و وانگ و همکاران (2012) بررسی و ارزیابی شده و نتایج خوبی به دست آمده است. در این پژوهش نیز با بهره‌گیری از روش کا- مارکوف، تغییرات برای 10 سال آینده پیش‌بینی شد. نتایج تغییرات در دورة بررسی‌شدة 13 ساله و 10 ساله (پیش‌بینی) نشان داد درصدی از اراضی لخت به اراضی شهری تبدیل ‌شده‌ است. در فاصلة بین سال 1382 تا 1395، علاوه بر اطراف محدودة شهر، قسمتی از اراضی لخت در شمال شرقی دستخوش تغییرات و در آنها ساخت‌وساز شده است (شکل 2 و 3)؛ همچنین در شکل (3) دیده می‌شود قسمتی از فضای سبز شهری نیز دستخوش تغییرات و به اراضی مسکونی تبدیل‌ شده است (شکل 4). با توجه به نقشة پیش‌بینی (شکل 6)، توسعة اراضی شهری همچنان ادامه یافته است (شکل 5) و در اطراف محدودة ساخت‌وسازشده، اراضی لخت همچنان تبدیل به اراضی مسکونی شده‌ (شکل 9) و در مقابل آن نیز، فضای سبز شهری توسعة چندانی نداشته است (شکل 9).

نتایج این پژوهش نشان می‌دهد با فناوری‌های نوین سنجش ‌از دور می‌توان به‌راحتی و در کمترین زمان ممکن، تغییرات را بررسی کرد که به برنامه‌ریزی بهتر و تصمیم‌گیری درست‌تر مدیران و برنامه‌ریزان شهری می‌انجامد.



[1] supervised classification

[2] Maximum Likelihood

[3] Error Matrix

[4] Overall accuracy

[5] Kappa coefficient

[6] Post-classification

[7] Normalized Different Vegetation Index

[8] Ca Markov

1-   بدر، رضا، (1379)، استفاده از سنجش از دور و سیستم اطلاعات جغرافیایی در تعیین جهت گسترش فیزیکی شهر (نمونة موردی: شهر رضی)، پایان‌نامة کارشناسی ارشد سنجش از دور، استاد راهنما: عسکری، علی، دانشگاه تربیت مدرس، گروه سنجش از دور دانشکدة علوم انسانی، 159.
2-   حقیقی خمامی، مریم، (1383)، بررسی تغییرات توده‌های جنگلی جلگه‌های غرب گیلان با استفاده از داده‌های ماهواره‌ای، پایان‌نامة کارشناسی ارشد جنگلداری، استاد راهنما: اسلام‌بنیاد، امیر، دانشگاه گیلان، دانشکدة منابع طبیعی گیلان، 98.
3-   رفیعیان، امید؛ درویش‌صفت، علی‌اصغر و نمیرانیان، منوچهر، (1385)، تعیین تغییرات گسترة جنگل‌های کشور بین سال‌های 73 تا 80 با استفاده از تصاویر سنجندة ETM+، مجلة علوم و فنون کشاورزی و منابع طبیعی، دورة 10، شمارة 3 (ب)، دانشگاه صنعتی اصفهان، 277-286.
4-   سلمان ماهینی، عبدالرسول و کامیاب، حمیدرضا، (1390)، سنجش از دور و سامانة اطلاعات جغرافیایی کاربردی با نرم‌افزار ادریسی، انتشارات مهر مهدیس، چاپ دوم، تهران، 596.
5-   عزیزی قلاتی، سارا؛ رنگزن، کاظم؛ سدیدی، جواد؛ حیدریان، پیمان و نقی‌زاده، ایوب، (1395)، پیش‌بینی روند تغییرات مکانی کاربری اراضی با استفاده از مدل زنجیرة مارکوف (مطالعة موردی: منطقة کوهمرة سرخی استان فارس)، سنجش از دور و سامانة اطلاعات جغرافیایی در منابع طبیعی، دورة 7، شمارة 1، دانشگاه آزاد اسلامی واحد بوشهر، 71-59.
6-     علوی‌پناه، سید کاظم، (1395)، کاربرد سنجش از دور در علوم زمین، انتشارات دانشگاه تهران، چاپ چهارم، تهران، 496.
7-   قراگوزلو، علیرضا، (1377)، استفاده از تصاویر ماهواره‌ای و GIS در ارزیابی و برنامه‌ریزی توسعه (مطالعة موردی: تهران)، پایان‌نامة کارشناسی ارشد، استاد راهنما: مخدوم، مجید، دانشگاه تهران، گروه برنامه‌ریزی و مدیریت محیط زیست دانشکدة محیط زیست، 140.
8-   کاوه، ندا و ابراهیمی، عطاءالله، (1392)، پیش‌بینی تغییرات کاربری/ پوشش اراضی با مدل CA مارکوف (مطالعة موردی: رودخانة آقبلاغ)، سنجش از دور و سامانة اطلاعات جغرافیایی در منابع طبیعی، دورة 4، شمارة 2، دانشگاه آزاد اسلامی واحد بوشهر،51-41.
9-   کرمی، فرشید، (1383)، مطال‍ع‍ة‌ ق‍اب‍ل‍ی‍ت‌ داده‌‌ه‍ای‌ ل‍ن‍دس‍ت‌ برای ت‍ع‍ی‍ی‍ن‌ ت‍خ‍ری‍ب‌ ج‍ن‍گ‍ل‌های‌ زاگ‍رس ‌(م‍طال‍ع‍ة‌ م‍وردی‌: م‍ی‍ان‌‌ت‍ن‍گ‌ اس‍ت‍ان‌ ای‍لام‌)، پایان‌نامة کارشناسی ارشد، استاد راهنما: اولادی قادیکلایی، جعفر، دانشگاه مازندارن، گروه جنگلداری، 71.
10-  محمودزاده، حسن، (1383)، کاربرد داده‌های ماهواره‌ای چندزمانه‌ای در محیط GIS با هدف بررسی تغییرات کاربری اراضی شهر تبریز، پایان‌نامة کارشناسی ارشد سنجش از دور و سیستم اطلاعات جغرافیایی، استاد راهنما: حسین‌زادة دلیر، کریم، دانشگاه تبریز، دانشکده علوم انسانی، گروه جغرافیای طبیعی، 97.
11- Alig Ralph, Latte Greg, Adams Darius, McCarl Bruce. ,(2010). Mitigation greenhouse gases: the importance of land base interaction between forests, agriculture and residential development in the face of changes in bioenergy and carbon prices; Forest policy and Economics; 12 (1): Pp 67- 75.
12- Aplin Paul. Atkinson, Pitter.M., (2004). predicting missing field boundaries to increase per-field classification Accuracy, photogrammetric engineering and remote sensing, 70: Pp 141-14.
13- Bauni Valeria, Schivo Facundo, Capmourteres Virginia, Homberg Marina., (2015). "Ecosystem loss assessment following hydroelectric dam flooding: The case of Yacyretá, Argentina", Remote Sensing Applications: Society and Environment, 1: Pp 50-60.
14- Chander, G., Markham, B.L., (2003). Revised Landsat-5 TM Radiometric Calibration Procedures and Post calibration Dynamic Ranges, Transactions on geosciences and remote sensing, vol 41, No 11, Pp 2674-2677
15- Iqbal Sarwar Md. Billa M. Paul, Alak., (2016). Urban land use change analysis using RS and GIS in Sulakbahar ward in Chittagong city, Bangladesh. Internatinal Journal Of Geomatics and geosciences.1: 7, Pp 1-10
16- Kuldeep, Tiwari., and Kamlesh, Khanduri., (2011). Land Use / Land cover change detection in Doon valley (Dehradun Tehsil), Uttarakhand: using GIS& Remote Sensing Technique, International Journal of Geomatics and Geosciences, 2 (1): Pp 34-41.
17- Singh, Prabhbir., Khanduri, Khanduri, Land., (2011). use and land cover change detection through Remote Sensing & GIS technology: case study of pathankot and dhar kalan tehsils,Punjabl ,international Journal of Geomatics And Geosciences, 4: Pp 839-846.
18- Wang SQ, Zheng XQ and Zang XB., (2012). Accuracy assessments of land use change simulation based on Markov-cellular automata model, Procedia Environmental Sciences, 13: Pp 1238 – 1245.
19- Wu Q. and et al, (2006). Monitoring and predicting land use change in Beijing using remote sensing and GIS, Landscape and Urban Planning, 78: Pp 322-333.
20- Liu, X., et al., (2017). "Classifying urban land use by integrating remote sensing and social media data", International Journal of Geographical Information Science 31(8), Pp 1675-1696.