پایش تغییرات کاربری اراضی حوضه آب- ملایر با استفاده از تصاویر لندست در سامانه گوگل ارث انجین

تعیین روند و بررسی تغییرات کاربری اراضی در مدیریت حوضه‌های آبریز امری ضروری است. هدف از این مطالعه بررسی تغییرات کاربری اراضی حوضه آبریز آب ملایر برای سال‌های 1379و 1399 با استفاده از تصاویر لندست در سامانه گوگل ارث انجین است. تهیه نقشه کاربری اراضی به شیوه ترکیب تصاویر لندست و پروداکت کاربری اراضی سنجنده مادیس و از الگوریتم طبقه‌بندی جنگل تصادفی استفاده شد. نتایج منطقه مورد مطالعه را به پنج کلاس، شامل کاربری‌های علفزار، زمین زراعی، چمن‌زار، شهری در سال 1379 و کاربری‌های جنگل، زمین زراعی، چمن‌زار ، شهری و بایر در سال 1399 تقسیم کرد. نتایج نشان داد که بیشترین تغییر کاربری اراضی علفزار مربوط به چمن‌زار به‌میزان 37.1 درصد و کم‌ترین آن به‌میزان صفر درصد مربوط به جنگل بود. بیشترین تغییر کاربری اراضی چمن‌زار مربوط به زمین‌های زراعی با میزان 6 درصد و کم‌ترین آن مربوط به جنگل‌های ساوانا با میزان 0.01 درصد است. از سوی دیگر، بیشترین تغییر کاربری اراضی زمین‌های زراعی به چمن‌زار 11.4 درصد و کمترین آن 0.2 درصد نیز به جنگل‌های ساوانا اختصاص داشت. در فرآیند صحت‌سنجی تصاویر طبقه‌بندی شده با الگوریتم جنگل تصادفی دقت کلی به‌ترتیب برای سال‌های 1379 و 1399برابر با73 و 75درصد و ضریب کاپا برابر با 0.66 و 0.68 به دست آمد که این مقادیر نتایج قابل‌قبولی را برای طبقه‌بندی کاربری اراضی در منطقه مورد مطالعه ارائه کرد.

monitoring land use changes in ab-malayer basin using landsat images by google earth engine

determining the trend and examining land use changes is essential in managing watersheds. this study aims to investigate land use changes in the ab- malayer watershed for the years 2001 and 2021 using landsat images in the google earth engine. the land use map was created by combining landsat images with the modis land use product and applying the random forest classification algorithm. the analysis categorized the study area into five classes: grassland, cropland, forest, urban land, and barren land. in 2001, the land was primarily classified as grassland, cropland, and urban land. by 2021, the classifications expanded to include forest and barren land. the most significant change observed was in grassland, which decreased by 37.1%, while forest cover remained unchanged at 0%. grassland primarily transitioned into agricultural land, accounting for a 6% change, whereas the smallest shift, 0.01%, involved conversion to savannah forests. additionally, agricultural land experienced an 11.4% conversion to grassland, with the smallest change of 0.2% occurring towards savannah forests. the validation of the classification using the random forest algorithm yielded overall accuracy rates of 73% and 75%, and kappa coefficients of 0.66 and 0.68 for the years 2001 and 2021, respectively. these results indicate a reliable land use classification for the study area.