ارزیابی تغییرات پوشش بخش جنوبی دریاچه ارومیه با استفاده از تصاویر ماهواره‌ای

مطالعه تغییرات پوشش و کاربری اراضی کاربرد گسترده‌ای در برنامه ریزی های محیطی دارد. در طول یک دهه اخیر رشد روز افزون خشکی در حوضه دریاچه ارومیه به یک معضل مهم منطقه‌ای و حتی ملی تبدیل شده است. هدف پژوهش حاضر آشکارسازی تغییرات پوشش/کاربری اراضی در بخش جنوبی و جنوب شرقی این حوضه با استفاده از دو تصویر تیر ماه در سال‎های 2000 و 2017 است. برای انجام پژوهش از تصاویر سنجنده‌های tm و oli ماهواره لندست و شاخص  ndviاستفاده شد. نقشه های کاربری منطقه در دو سال مورد بررسی، با استفاده از دو سری داده شامل باندهای طیفی (سری داده اول) و همچنین باندهای طیفی و لایه فیلتر بافت (سری داده دوم) به روش الگوریتم حداکثر احتمال تهیه. و شش طبقه کاربری شامل اراضی کشاورزی آبی، دیم، باغ، مراتع، بایر و آب تفکیک گردید. ارزیابی و مقایسه صحت نقشه های کاربری بدست آمده از هر سری داده، با استفاده از نمونه های تعلیمی برداشت شده از تصاویر گوگل ارث انجام شد و شاخص‌های ضریب کاپا، دقت کلی، دقت تولید کننده و دقت کاربر محاسبه گردید. طبق نتایج، سری داده های دوم از صحت طبقه بندی بالاتری برخوردار بوده و دقت کلی نقشه های سال 2000 و 2017 حاصل از سری داده های دوم به ترتیب 98.93 و 98.29 و سری داده های اول 99.28 و 91.45 بدست آمد. همچنین فیلتر بافت باعث کاهش اختلاط بین کلاسه های مرتع، اراضی کشاورزی آبی و باغ شد. نتایج ارزیابی تغییرات، گویای افزایش قابل توجه در مساحت اراضی کشاورزی آبی (13.44 درصد) و باغ (1.58) بوده، همچنین در بازه زمانی مورد مطالعه از مساحت پهنه های آبی و مرتع به میزان 1.58 و 22.94 درصد کاسته شده است.

assessment of land-cover change in south part of lake urmia using satellite imagery

study of land use/cover changes is widely used in environmental planning. during the last decade, growing increase of aridity in uromiyah basin has become a major regional and even national problem. the purpose of this study is to reveal the changes in land use/cover in the southern and southeastern parts of the basin with using 2 images for month of july of 2000 to 2017. landsat tm and oli data and ndvi were used for classification this study. land use/cover maps in the two studied years were provided using maximum likelihood classifier (mlc) algorithm applied on two series data including spectral bands (data series 1) also spectral bands and filter texture layer (data series 2) and six categories of land use/cover containing irrigated farmland, dry farmland, garden, rangeland, bare land and water bodies were distinguished.. the accuracy of the produced maps were assessed and compared with the training samples derived from google earth images and kappa index, overral accuracy, producer accuracy and user accuracy. the results demonstrated that the maps produced using the data series 1 have higher accuracy and the overall accuracy of the maps of 2000 and 2017 using the data series 2 are 98.93 and 98.29 and these values for data series 1 were gained 99.28 and 91.45, respectively. in additional, texture filtering decreased amount of mixing between classes of rangeland, irrigated farmland and garden. the results of change detection showed considerable increase in the area of irrigated farmland (13.44) and garden 1.85 (27.24) an also at the studied period, the area of the water bodies and rangeland were decreased to 1.58 and 22.94%.