پایش تغییرات کاربری زمین و پیش بینی روند زمانی مکانی آن در شهرستان همدان

سابقه و هدف: تغییرات کاربری زمین پدیده ای است که در کشورهای درحال توسعه در حال گسترش است و دارای پیامدهای محیطی اکولوژیک منفی در محیط است. در این راستا، دسترسی به اطلاعات به روزرسانی شده در زمینه تغییرات کاربری زمین برای تحلیل انواع نیازمندی های سکونتگاه های انسانی و اتخاذ سیاستهای مناسب برای اطمینان از آینده ضروری است . بررسی گذشته ، حال و پیش بینی کاربری زمین در آینده دارای جایگاه بنیادین در تصمیم گیری ها و سیاستگذاری های برنامه ریزان کاربری زمین است. در این پژوهش ، هدف ، مطالعه کاربری زمین و تغییرات آن در طول سال های 1993 ، 2004 و 2019 بوده است. همچنین، شناسایی چگونگی تغییرات کاربری زمین در شهرستان همدان و شبیه سازی و آینده نگری کاربری زمین و تغییرات آن بوسیله مدل camarkov در سال 2050 است .مواد و روش ها: در این پژوهش درآغاز، پس از دریافت تصویرهای ماهواره ای سنجنده های tm , etm و oli ، مرحله های پیش پردازش در برگیرنده انواع تصحیح های رادیومتریک و هندسی روی تصویرها انجام شد. سپس با استفاده از نمونه های تعلیمی و نرم افزار گوگل ارث و با استفاده از الگوریتم ماشین بردار پشتیبان، طبقه بندی تصویرهای ماهواره ای انجام شد. براین مبنا، تفکیک کاربری های منطقه به چهار کلاس همچون: کاربری مسکونی و غیرمسکونی ، زمین های بایر و مرتع های فقیر، زمین های باغی و زراعت آبی، کوهستانی و مرتع دسته بندی شد. پس از آشکارسازی کاربری زمین و تغییرات آن، به پیش بینی روند این تغییرات با استفاده از مدل سلول های خودکار و زنجیره مارکوف به دلیل توانایی بالا در تشخیص تغییرات مولفه مکانی - فضایی، در سال 2050 پرداخته شد .نتایج و بحث: نتایج مطالعه حاضر بیانگر آن است که باگذشت زمان، رشد و توسعه شهرنشینی در این کلان شهر سبب گسترش بافت فیزیکی شهر در این منطقه شده، بدین صورت که در ابتدای دوره مطالعه در سال 1993 مساحت کاربری مسکونی و غیرمسکونی میزان 8 / 0 درصد از مجموع منطقه را در برگرفته است . درصورتی که در انتهای دوره یعنی در سال 2019 این میزان به 1 / 2 درصد مساحت کل منطقه رسیده است. مطالعه تغییرات کاربری نشان داد که از سال 1993 تا 2004 ، میزان 2 / 0 درصد به میزان کاربری های مسکونی و غیرمسکونی افزوده شد ه است. بیشترین افزایش مساحت کاربری بعدی مربوط به زمین های بایر و مرتع های بسیار فقیر بوده که مساحت آنها معادل / 49 درصد در سال 2004 شده است. کاربری زمین های باغی و زراعت آبی به همراه کاربری کوهستانی، ازجمله کاربری هایی بوده اند که در سال 2004 نسبت به سال 1993 به ترتیب برابر 2 / 1 و 5 / 1 درصد کاهش مساحت داشته اند. این روند باگذشت زمان ادامه داشته به گونه ای که مساحت کاربری ساخت و ساز مسکونی و غیرمسکونی و زمین های بایر روندی افزایشی داشته؛ و در سال 2019 به ترتیب معادل 1 / 1 و 4 / 2 درصد به مساحت این کاربری ها افزوده شده است. سرانجام، می توان گفت باگذشت زمان از سال 1993 تا 2019 کاربری زمین های باغی و زراعی، کوهستانی و مرتع به کاربری های ساخت و ساز مسکونی و غیرمسکونی و زمین های بایر تبدیل شده اند. تبدیل زمین های کشاورزی پیامدهایی منفی در آینده منطقه خواهد داشت که باید برای کاهش پیامدهای منفی این تغییرات در آینده کارهای مناسبی بوسیله برنامه ریزان و سیاست گذاران انجام شود .نتیجه گیری : در این پژوهش ، آشکار شد مدل سلول های خودکار و زنجیره مارکوف دارای توانایی بالایی در پیش بینی تغییرات کاربری زمین در آینده است. همچنین، بیشترین افزایش مساحت کاربری مربوط به کاربری ساخت و ساز مسکونی و غیرمسکونی و زمین های بایر بوده و کاربری های دیگر مانند زمین های باغی و زراعت آبی، زمین های کوهستانی و مرتع مساحت شان کاهش یافته است. بنابراین، شایسته است که برنامه ریزان همواره رشد شتابان شهری را در آینده در راستای انجام هرچه مناسب تر برنامه ریزی های خود در نظر گیرند .

Monitoring land-use changes and predicting their spatio-temporal trends in Hamedan City

Introduction: Land use change is spreading in developing countries and has negative environmentalecological consequences. Therefore, access to uptodate information on landuse change is necessary to analyze the needs of human settlements and adopt appropriate policies that are essential to ensure the future. The study of past, present, and future land use has a fundamental role in the decisions and policies of landuse planners. This study aimed to study land use and its changes during 1993, 2004, and 2019. The CAMARKOV model also identifies how landuse changes in Hamedan and simulates and predicts land use and its changes in 2050.Material and methods: In this study, after obtaining satellite images of TM, ETM, and OLI sensors, preprocessing steps including various radiometric and geometric corrections were performed on the images.Then, the classification of satellite images was done using Google Earth software and the vector support algorithm. Based on this, the land uses of the region were divided into four classes: residential and nonresidential use, barren lands and poor rangeland, garden lands and irrigated agriculture, and mountainous and rangeland. After land use detection and its changes, the trend of these changes was predicted in 2050 using the automatic cell model and Markov chain due to its high ability to detect spatialspatial component changes.Results and discussion: Results indicated that the growth and development of urbanization in this metropolis have led to the city’s expansion in this area. So that residential and nonresidential land use increased from 0.8% of the total area in 1993 to 2.1% in 2019. The study of landuse changes showed that from 1993 to 2004, 0.2% was added to the rate of residential and nonresidential land uses. The next largest increase in land use was in the very poor barren lands and rangeland, which reached 49.8% in 2004. Horticultural and irrigated agriculture land use and mountainous land use decreased by 1.2 and 1.5%, respectively, in 2004 compared to 1993. The landuse area of residential and nonresidential construction and barren lands have continued to increase in 2019. The area of these land uses increased by 1.1 and 2.4 %, respectively. Finally, it can be said that from 1993 to 2019, horticultural, agricultural, mountainous, and rangeland uses have been transformed into residential and nonresidential construction uses and barren lands. This land conversion has negative consequences for the region’s future.Conclusion: In this study, it was found that the automatic cell model and Markov chain have a high ability to predict future landuse changes. Also, the largest increase in land use was related to residential and nonresidential construction and barren lands, and other land uses such as garden lands and irrigated and mountainous agriculture. Rangeland experienced a decrease in area in the region. Therefore, planners should consider this extensive urban growth and development to carry out their plans more efficiently.