پایش تغییرات پوشش اراضی در 32 سال گذشته با استفاده از تکنیک سنجش از دور (مورد مطالعه: شهرستان پیشوا)

مطالعه میزان تغییرات و تخریب منابع می تواند در برنامه ریزی و استفاده بهینه از منابع و کنترل و مهار تغییرات غیراصولی در آینده گام مهمی باشد و ازآنجا که این تغییرات در سطوح وسیع و گسترده اتفاق می‌افتد، بنابراین تکنولوژی سنجش‌ازدور ابزاری ضروری و ارزشمند جهت پایش تغییرات می باشد. هدف از تحقیق حاضر، پایش پوشش اراضی شهرستان پیشوا با تکنیک سنجش‌ازدور می باشد. بدین منظور ابتدا تصاویر ماهواره لندست مربوط به سال های 1986، 2002 و 2018 تهیه و پس از تصحیح رادیو متریک و بررسی صحت هندسی، طبقه‌بندی تصاویر به روش حداکثر احتمال انجام پذیرفت و دقت طبقه بندی نیز با شاخص کاپا و صحت کلی بررسی شد. نتایج نشان داد که در طی سی و دو سال گذشته سطح اراضی بایر و زراعت آبی در منطقه کاهش و سطح کاربری های گلخانه و انسان‌ساخت افزایش یافته است. بررسی دقت طبقه‌بندی تصاویر نشان داد که تصاویر مربوط به سال‌های 2018، 2002 و 1986 مربوط به سنجنده های oli، etm و tm به ترتیب با ضریب کاپا 0.96، 0.80 و 0.76و همچنین صحت کلی 97.56، 86.54 و 86 درصد از بیشترین دقت طبقه‌بندی برخوردار است. بر اساس نتایج در دوره اول (1986-2002) ، 27.6 درصد از منطقه، در دوره دوم (2002-2018) 29.6 درصد از منطقه و در بازه (1986-2018) 31.8 درصد از منطقه دچار تغییرات کاربری اراضی شده است. نتایج تحقیق نشان می‌دهد روند تغییرات در منطقه ناشی از شرایط اقلیمی از قبیل کاهش بارندگی، وقوع خشک‌سالی و شرایط اجتماعی نظیر افزایش جمعیت و نیاز غذایی و شرایط اقتصادی نظیر سود بیشتر با افزایش راندمان تولید است.

Monitoring Land Cover Changes in Past 32 Years Using Remote Sensing Technique (Case Study: Pishva Town, Tehran)

Study of resources changes in previous years could be useful in the planning and optimal using of resources to control inappropriate changes. Because land use changes occur on largescale, remote sensing technique is a useful and valuable tool for monitoring the changes. The aim of this research is land cover changes detection in a period of 32 years in Pishva town with using remote sensing technique .First TM, ETM and OLI images for the years 1986, 2002 and 2018 were collected respectively and after geometric and radiometric corrections, images were classified by using maximum likelihood classification methods. Kappa and overall indexes were used to calculate classification accuracy. Results showed in past 32 years, bare land and irrigated land have decreased while residential and greenhouse areas have increased. Classification accuracy showed that OLI, ETM and TM sensors have high accuracy respectively with kappa 0.96, 0.80 and 0.76 and also overall indexes of 97.56, 86.54 and 86 percent. Based on results, in the first period (19862002) 27.6%, in the second period (20022018) 29.60% and in the third period (19862018) 31.8% of area land cover have been changed. Results showed land cover changes in the area is related to climate changes like low precipitation, drought and social condition like population and food need increasing and economic condition like high production and efficiency.