ارزیابی تغییرات کاربری اراضی با استفاده از تصاویر ماهواره‌ای چند طیفی و شبکه عصبی مصنوعی

نوع مقاله : پژوهشی

نویسندگان

1 دانشجوی دکتری/گروه مهندسی آبیاری و آبادانی، دانشکده مهندسی و فناوری کشاورزی، دانشگاه تهران، تهران، ایران

2 دانش‌آموخته کارشناسی ارشد/ گروه مهندسی آبیاری و زهکشی، دانشکدگان ابوریحان، دانشگاه تهران، تهران، ایران

3 دانشیار/ بخش تحقیقات حفاظت خاک و آبخیزداری، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان کردستان، سازمان تحقیقات، آموزش و ترویج، سنندج، ایران

چکیده

هدف از این پژوهش، ارزیابی تغییرات کاربری اراضی شهرستان الیگودرز طی یک دورة زمانی نه ساله بین 1392 و 1400 به‌کمک تصاویر ماهواره‌ای چندطیفی و شبکه عصبی مصنوعی است. در این پژوهش از تصاویر ماهواره‌ای لندست 8 سنجنده OLI استفاده شد. قدرت تفکیک مکانی این تصاویر با استفاده از تکنیک فیوژن و باند پانکروماتیک به 15 متر بهبود یافت. ساختار شبکه عصبی مورد استفاده در این پژوهش یک شبکة عصبی پرسپترون سه لایه است که شامل هفت نرون ورودی (تعداد نرون‌های ورودی برابر تعداد باندهای تصویر ماهواره‌ای)، 11 نرون میانی و شش نرون خروجی (تعداد نرون خروجی برابر تعداد کلاس‌های نقشه پوشش زمین) می‌شود. تعداد شش کلاس، زمین‌های بدون پوشش گیاهی، معادن، زمین‌های مرتفع، مناطق مسکونی، پهنه‌های آبی و زمین‌های تحت پوشش گیاهی استخراج شد. تصاویر به‌دست آمده به‌وسیلۀ نقاط برداشت زمینی و تصاویر Google Earth Pro 7.3.4.8642 اعتبارسنجی شد. نتایج نشان داد که با توجه به احداث سد حوضیان در سال 1395، پهنه‌های آبی افزایش 1.34 درصدی را شاهد بوده است. سطح زیر کشت در سال 1400 افزایش 5.53 درصدی را نسبت به سال 1392 تجربه کرده است. از آن‌جایی‌که یکی از اهداف احداث سد حوضیان تامین آب آبیاری زمین‌های کشاورزی پایین‌دست بوده است، 4.30 درصد از اراضی که در سال 1392 در کلاس زمین‌های بایر طبقه‌بندی شده است، در سال 1400 تحت آبیاری قرار گرفته و در طبقة مناطق با پوشش گیاهی جای گرفته است. هم‌چنین، احداث این سد، شرایط آبیاری زمین‌های مرتفع پایین‌دست (تپه‌ها و مناطق کوهستانی) را فراهم کرده است. مساحت معادن در دوره زمانی مورد مطالعه به میزان 0.23 افزایش و مساحت مناطق بدون پوشش گیاهی حدود 1.74 درصد نسبت به سال 1392 کاهش یافته است. در استفاده از نتایج این پژوهش لازم است توجه داشت که این نتایج برای محدودة سد به‌دست آمده و افزایش پوشش گیاهی در اثر احداث سد، قابل تعمیم به کل حوضه نیست.

کلیدواژه‌ها

موضوعات


آقائی، مریم، خاوریان، حسن، و مصطفی‌زاده، رئوف (1399). پیش‌بینی و آشکارسازی تغییرات کاربری اراضی با استفاده از مدل CA مارکوف و LCM در آبخیز کوزه-‌تپراقی استان اردبیل. پژوهش‌های آبخیزداری، 33(3)، 91-107. doi:10.22092/wmej.2019.128009.1267
بلوچی، بهنام، دهقانی، مریم، و نیکو، محمدرضا (1395). بررسی تغییر کاربری اراضی و اثرات احداث سد کرخه با استفاده از تصاویر ماهواره‌ای و روش طبقه‌بندی بیش‌ترین شباهت. مهندسی منابع آب، 9(28)، 19-32.
تقی‌ملایی، یوسف، کرمشاهی، عبدالعلی، عرفانی‌فرد، سیدیوسف، و حیدری، مهدی (1400). تهیه نقشه کاربری اراضی با طبقه‌بندی شیء پایه با تصاویر ماهواره‌ای با قدرت تفکیک بالای WorldView 2. علوم و تکنولوژی محیط زیست، 23(4)، 249-258.doi:10.30495/jest.2021.35947.4277
حاجی، خدیجه، اسمعلی‌عوری، اباذر، مصطفی‌زاده، رئوف.، و نظرنژاد، حبیب (1401). ارزیابی تغییرات پوشش/کاربری اراضی با پردازش شیءگرای تصاویر ماهواره‌ای (۲۰۱۵-۱۹۸۵) در حوزه آبخیز روضه‌چای ارومیه. تحقیقات کاربردی علوم جغرافیایی، ۲۲(۶۶)، 189-۱۷۱.doi:10.52547/jgs.22.66.171
داودپور، رضوان، و ترنج‌زر، حمید (1399). تعیین نقشه کاربری اراضی با استفاده از سنجنده +ETM (مطالعه موردی حوزه آبخیز هندودر). علوم و تکنولوژی محیط زیست، 22(6)، 379-389.  doi:10.22034/JEST.2020.5723.1481
دهداری، سمیه، ارمند، نظام، فرجی، محمد، آرمان، نسیم، و هادیان، فاطمه (1397). آشکارسازی تغییرات کاربری اراضی سدهای کارون 3 و 4 با استفاده از تصاویر ماهواره‌ای. مرتع و آبخیزداری، 71 (1)، 96-85.doi:10.22059/jrwm.2017.240266.1161
روزبهانی، مهری، جانبازقبادی، غلامرضا، متولی، صدرالدین، و عظیمی آملی، جلال (1400). آشکارسازی و تحلیل منطقه‌ای تغییرات پوشش سبز شهری در مناطق 22‌گانه شهر تهران. پژوهش‌های بوم‌شناسی شهری، 12(25)، 49-68.doi:10.30473/grup.2022.8708
سبزواری، یاسر، و قنبرپوری، مرادعلی (1400). ارزیابی روش‌های تجربی برآورد تبخیروتعرق مرجع در اقلیم الیگودرز. دهمین کنفرانس بین‌المللی سامانه‌های سطوح آبگیر باران، دانشگاه کردستان.
سعدین، بهروز، و عفیفی، محمد ابراهیم (1400). بررﺳﯽ روﻧﺪ تغییرات ﮐﺎرﺑﺮی اراﺿﯽ ﺷﻬﺮ ﻋﺴﻠﻮﯾﻪ ﺑﯿﻦ ﺳﺎل‌های 1372 ﺗﺎ 1392 و ﭘﯿﺶﺑﯿﻨﯽ تغییرات ﺑﺎ اﺳﺘﻔﺎده از ﺳﻨﺠﺶ از دور و ﻣﺪل‌های CA-Markov و LCM. جغرافیا و مطالعات محیطی. (در حال انتشار)
علوی، سیدعلی، روستایی، شهرام، یوسفی، مریم، و کیا، روح‌اله (1396). آشکارسازی تغییرات کاربری شهری با استفاده از پردازش تصاویر ماهواره‌ای بر مبنای شبکة عصبی (مطالعه موردی: شهر تبریز).‎ فضای جغرافیایی، 17(59)، 27-46.
ملکی، محمد، توکلی صبور، مسیدمحمد، و جوان، فرهاد (1397). تحلیل اثرات احداث سد بر پوشش گیاهی نواحی پیرامونی در ارتفاع و شیب‌های مختلف؛ مطالعه‌ی موردی: سدهای سلیمان شاه و گاوشان. پژوهش‌های مکانی-فضایی، 2 (2)، 102-117.
نظری، نرجس، شمس اسفندآباد، بهمن، وروانی، جواد، احمدی، عباس، و ترنج زر، حمید (1401). تغییرات کاربری اراضی محدوده تالاب و تنوع پرندگان آبزی و کنار آبزی در تالاب‌های بین‌المللی انزلی، آلماگل، آلاگل و آجی‌گل. مدل‌سازی و مدیریت آب و خاک، 2(3)، 27-39. doi:10.22098/mmws.2022.9871.1068
هادیان، فاطمه، جعفری، رضا، بشری، حسین، و رمضانی، نفیسه (1392). بررسی آثار سد حنا بر تغییرات سطح کشت و کاربری اراضی. بوم‌شناسی کاربردی، ۲(۴)، 101-114. dor:20.1001.1.24763128.1392.2.4.7.2
هوشمندزاده، فاطمه، یزدانی، محمدرضا، و عربی، فهیمه (1398). مقایسه کارایی انواع روش‌های درخت تصمیم و حداکثر احتمال جهت استخراج نقشه‌ کاربری اراضی در مناطق خشک. مطالعات علوم محیط‌زیست، 4(2)، 1459-1468.
 
Abdolalizadeh, Z., Ebrahimi, A., & Mostafazadeh, R. (2019). Landscape pattern change in Marakan protected area, Iran. Regional Environmental Change, 19(6), 1683-1699. doi:10.1007/s10113-019-01504-9
Acharya, T. D., & Yang, I. (2015). Exploring Landsat 8. International Journal of IT, Engineering and Applied Sciences Research, 4(4), 4-10.
Aghaei, M., Khavarian, H., & Mostafazadeh, R. (2020). Prediction of land use changes using the CA-Markov and LCM models in the Kozehtopraghi Watershed in the Province of Ardabil. Watershed Management Research Journal, 33(3), 91-107.  doi:10.22092/wmej.2019.128009.1267 [In Persian]
Alavi, S., Rustai, Sh., Yousefi, M., & Kia, R. (2017). Detecting changes in urban use using satellite image processing based on neural network (case study: Tabriz city). Geographical Space, 17(59), 27-46. [In Persian]
Balouchi, B., Dehghani, M., & Nikoo, M. (2016). Assessing land-use change induced by the karkhe dam using satellite images and maximum likelihood classification method. Water Resources Engineering, 9(28), 19-32. [In Persian]
Chaves, M., Picoli, M., & Sanches, I. (2020). Recent applications of Landsat 8/OLI and Sentinel-2/MSI for land use and land cover mapping: A systematic review. Remote Sensing, 12(18), 1-39. doi:10.3390/rs12183062
Davodpour, R., & Toranjzar, H. (2020). Preparation of land use map using ETM+ Landsat (A Case study in Hendodar watershed). Journal of Environmental Science and Technology, 22(6), 379-389. doi:10.22034/JEST.2020.5723.1481 [In Persian]
Dehdari, S., Armand, N., Faraji, M., Arman, N., & Hadian, F. (2018). Land use change detection of 3 and 4 Karun Dams using satelite images. Journal of Range and Watershed Management, 71(1), 85-96.  doi:10.22059/jrwm.2017.240266.1161 [In Persian]
Dehghani, T., Aghelmirrezaei, F., Jahangiri, E., Ahmadpari, H., & Binesh, S. (2021). Study of changes in land use and land cover in and around the Chah Nimeh water reservoir in Sistan and Baluchistan Province, Iran. Turkish Journal of Computer and Mathematics Education, 12(3), 4520-4525.
Dehghani, T., Koolivand, I., Mehdizadeh, S., Ahmadpari, H., Zolfagharan, A., & Mohamadi, E. (2022). Monitoring land-use changes using remote sensing, ENVI and ArcGIS software in Hamoun Wetlands, 3rd International and 6th National Conference on Conservation of Natural Resources and Environment, University of Mohaghegh Ardabili, Ardabil province, Iran.
Dogan, S., & Bugday, E. (2018). Modeling of temporal and spatial changes of land cover and land use by artificial neural networks: Kastamonu sample. Bartın Orman Fakültesi Dergisi, 20(3), 653-663.
Girma, R., Fürst, C., & Moges, A. (2022). Land use land cover change modeling by integrating artificial neural network with cellular Automata-Markov chain model in Gidabo river basin, main Ethiopian rift. Environmental Challenges, 6(1), 1-15. doi:10.1016/j.envc.2021.100419
Hadian, F., Jafari, R., Bashari, H., & Ramezani, N. (2013). Investigating the effects of Hanna Dam construction on long-term land use/cover changes. Iranian Journal of Applied Ecology, 2(4), 101-114.  dor:20.1001.1.24763128.1392.2.4.7.2 [In Persian]
Haji, K., Esmali-Ouri, A., Mostafazadeh, R., & Nazarnejad, H. (2022). Assessment of land cover/land use changes using object-oriented processing of satellite imageries (1985-2015) in the Rozechai Watershed of Urmia. Journal of Applied Research in Geographical Sciences, 22 (66), 171-189.  doi:10.52547/jgs.22.66.171 [In Persian]
Hashemi Aslani, Z., Omidvar, B., & Karbassi, A. (2022). Integrated model for land-use transformation analysis based on multi-layer perception neural network and agent-based model. Environmental Science and Pollution Research, 29(19), 1-14. doi:10.1007/s11356-022-19392-8
Hidalgo, D.R., Cortés, B.B., & Bravo, E.C. (2021). Dimensionality reduction of hyperspectral images of vegetation and crops based on self-organized maps. Information Processing in Agriculture, 8(2), 310-327. doi:10.1016/j.inpa.2020.07.002
Hooshmandzadeh, F., Yazdani, M., & Arabi, F. (2019). Comparison of the efficiency of different types of decision Tree and Maximum probability for produce Land Use maps in Arid Areas. Journal of Environmental Science Studies, 4(2), 1459-1468. [In Persian]
Maleki, M., Tawakli Saboor, M., & Javan, F. (2018). Analysis of the effects of dam construction on vegetation in the surrounding areas at different heights and slopes; Case study: Soleimanshah and Gavoshan dams. Journal of Space and Place Studies, 2(2), 102-117. [In Persian]
Malekian, A., & Chitsaz, N. (2021). Concepts, procedures, and applications of artificial neural network models in streamflow forecasting. Chapter 4, Advances in Streamflow Forecasting, Elsevier, 115-147.
Mezned, N., Alayet, F., Dkhala, B., & Abdeljaouad, S. (2022). Field Hyperspectral data and OLI8 multispectral imagery for heavy metal content prediction and mapping around an abandoned Pb-Zn mining site in northern Tunisia. Heliyon, 8(6), 1-13. doi:10.1016/j.heliyon.2022.e09712
MohanRajan, S.N., Loganathan, A., & Manoharan, P. (2020). Survey on Land Use/Land Cover (LU/LC) change analysis in remote sensing and GIS environment: Techniques and challenges. Environmental Science and Pollution Research, 27(24), 29900-29926. doi:10.1007/s11356-020-09091-7
Nasiri, V., Deljouei, A., Moradi, F., Sadeghi, S.M. M., & Borz, S.A. (2022). Land use and land cover mapping using Sentinel-2, Landsat-8 satellite images, and google earth engine: A comparison of two composition methods. Remote Sensing, 14(9), 1-18. doi:10.3390/rs14091977
Nazari, N., Shams Esfandabad, B., Varvani, J., Ahmadi, A., & Toranjzar, H. (2022). Land use changes around the wetland and diversity of waterfowl and shorebirds in Anzali, Almagol, Alagol, and Ajigol international wetlands (Iran). Water and Soil Management and Modelling, 2(3), 27-39.  doi:10.22098/mmws.2022.9871.1068 [In Persian]
Nguyen, H.T.T., Doan, T.M., & Radeloff, V. (2018). Applying random forest classification to map land use/land cover using Landsat 8 OLI. The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, 42(3), 363-367. doi:10.5194/isprs-archives-XLII-3-W4-363-2018
Pandey, P.C., Koutsias, N., Petropoulos, G.P., Srivastava, P.K., & Ben Dor, E. (2021). Land use/land cover in view of earth observation: data sources, input dimensions, and classifiers-a review of the state of the art. Geocarto International, 36(9), 957-988. doi:10.1080/10106049.2019.1629647
Park, Y.S., & Lek, S. (2016). Artificial neural networks: Multilayer perceptron for ecological modeling. Developments in Environmental Modelling, 28(7), 123-140. doi:10.1016/B978-0-444-63623-2.00007-4
Qiang, Y., & Lam, N.S. (2015). Modeling land use and land cover changes in a vulnerable coastal region using artificial neural networks and cellular automata. Environmental Monitoring and Assessment, 187(3), 1-16. doi:10.1007/s10661-015-4298-8
Redowan, M., Phinn, S., Roelfsema, C., & Aziz, A. (2022). Modeling forest cover dynamics in Bangladesh using multilayer perceptron neural network with Markov chain. Journal of Applied Remote Sensing, 16(3), 1-30. doi:10.1117/1.JRS.16.034502
Roozbahani, M., Janbaz ghobadi, G., Motevalli, S., Azimi Amoli, J. (2022). Urban green space, Change detection, Tehran. Journal of Urban Ecology Researches, 12(25), 49-68.  doi:10.30473/grup.2022.8708 [In Persian]
Sabzevari, Y., & Ghanbarpouri, M. (2021). Evaluation of experimental methods for estimating reference evapotranspiration in Aligudarz climate. 10th International Conference on Rainwater catchment systems, University of Kurdistan, Kurdistan Province, Iran [In Persian]
Sadayn, B., & Afifi, M. (2022). On the current changes of votes 1993-2013 and changes from 3 rounds and CA-Markov and LCM. Journal of Geography and Environmental Studies, (In press). [In Persian]
Tadese, M., Kumar, L., Koech, R., & Kogo, B.K. (2020). Mapping of land-use/land-cover changes and its dynamics in Awash River Basin using remote sensing and GIS. Remote Sensing Applications: Society and Environment, 19(1), 1-25. doi:10.1016/j.rsase.2020.100352
Taghi Mollaei, Y., Karamshahi, A., Erfanifard, S., & Heydari, M. (2021). Mapping of land use with an object base classification using WorldView-2 high resolution satellite imagery. Journal of Environmental Science and Technology, 23(4), 249-258.  doi:10.30495/jest.2021.35947.4277 [In Persian]
Talebi Khiavi, H., & Mostafazadeh, R. (2021). Land use change dynamics assessment in the Khiavchai region, the hillside of Sabalan mountainous area. Arabian Journal of Geosciences, 14(22), 1-15. doi:10.1007/s12517-021-08690-z
Yatoo, S.A., Sahu, P., Kalubarme, M.H., & Kansara, B. (2020). Monitoring land use changes and its future prospects using cellular automata simulation and artificial neural network for Ahmedabad city, India. GeoJournal, 87(1), 765-786. doi:10.1007/s10708-020-10274-5
Zhang, H. (2022). Remote sensing data processing of urban land using based on artificial neural network. Scientific Programming, 22(1), 1-8. doi:10.1155/2022/6994179