پایش تغییرات کاربری اراضی مبتنی بر الگوریتم decision tree با استفاده از تصاویر ماهواره لندست، مطالعه موردی: محدوده غرب تهران

مقدمهرشد سریع شهرها و روند صنعتی‌شدن، مشکلات محیط‌زیستی زیادی را در بسیاری از مناطق جهان ایجاد کرده است. آگاهی از روند تغییرات پوشش و کاربری اراضی طی دوره‌‌های زمانی طولانی برای برنامه‌‌ریزان و مدیران به‌منظور ارزیابی و پیش‌‌بینی مشکلات ناشی از این تغییرات بسیار با اهمیت است. سنجش‌ازدور، ابزار موثری برای پایش تغییرات پوشش اراضی در مناطق شهری و حوالی آن است. شهر تهران در چند دهه اخیر به واسطه رشد و به دنبال مهاجرت افراد، گسترش زیادی پیدا نموده و اثرات فراوانی بر محیط‌زیست پیرامون خود بر جای گذاشته است. ازاین‌رو، پژوهش حاضر به ارائه مدلی مبتنی بر الگوریتم درخت تصمیم (decision tree) جهت طبقه‌بندی و پایش تغییرات کاربری اراضی با استفاده از تصاویر سنجنده tm و mss در محدوده غرب شهر تهران در فاصله سال‌های 1975 تا 2011 پرداخته است. مواد و روش‌هادر این پژوهش، ابتدا یک تصویر سنجنده mss و سه تصویر سنجنده tm ماهواره لندست است که در ماه خرداد اخذ شد‌‌ه و سپس داده‌‌های کمکی یعنی مدل رقومی ارتفاع مستخرج از نقشه توپوگرافی 1:25000 سازمان نقشه‌برداری است مورداستفاده قرار گرفته است. بعد از انجام پیش‌پردازش‌ها، با استفاده از شاخص‌های پوشش اراضی از جمله شاخص پوشش گیاهی، روش dt و ترکیب آن با روش طبقه‌بندی حداکثر احتمال طبقه‌های کاربری اراضی استخراج شد. سپس، دقت تصاویر طبقه شده حاصل از dt با کمک ضریب کاپا و دقت کلی ارزیابی صحت شد و در پایان با استفاده از روش مقایسه تصاویر در زمان‌های موردمطالعه تغییرات طبقه‌های مختلف کاربری اراضی محاسبه شد. نتایج و بحثبر اساس یافته‌‌های این پژوهش، صحت کلی طبقه‌‌بندی برای سال 2011، 82 درصد است. همچنین، نتایج پایش تغییرات نشان داد که تراکم فضاهای ساخت‌وساز شده طی دوره زمانی 36 ساله دارای روندی مثبت و رو به افزایش است و در پی آن سایر اراضی در حال کاهش بوده‌اند. تراکم فضاهای ساخت‌وساز شده در سال 1975 با مساحت 2166 هکتار که معادل 8 درصد بوده به 8125 هکتار یعنی 29 درصد در سال 2011 رسیده است. در مجموع درصد تغییرات نسبی آن 21 درصد معادل 5959 هکتار است. با بررسی تغییرات کاربری اراضی در غرب شهر تهران از سال 1975 تا سال 2011 که در نقشه‌ها نمایش داده شده است، می‌‌توان گفت که با توسعه شهرنشینی و افزایش نیاز افراد به خدمات مختلف و نبود فضای کافی برای جوابگویی به این نیازها فضاهای باز و سبز غرب شهر تهران تخریب شده و جایگزین کاربری‌های مختلف شده است.نتیجه‌گیریپژوهش حاضر با هدف پایش پوشش و کاربری اراضی محدوده غرب تهران با دقت بالای طبقه‌بندی از طریق مدل مبتنی بر الگوریتمdt  و تلفیق نتایج طبقه‌بندی حداکثر احتمال با آن به انجام رسید. برای انجام پژوهش از تصاویر ماهواره‌‌ای چندزمانه سنجنده tm و mss ماهواره لندست و داده‌های کمکی استفاده شده و پس از تهیه نقشه کاربری اراضی هر دوره زمانی، نقشه تغییرات پوشش و کاربری اراضی استخراج شد. نتایج این پژوهش نشان می‌‌دهد که داده‌‌های سنجش‌ازدور همراه با فن‌های طبقه‌‌بندی ترکیبی از توانایی بالایی در استخراج انواع نقشه‌‌های کاربری اراضی و همچنین ارزیابی تغییرات کاربری برخوردارند و همچنین پتانسیل داده‌‌های سنجنده mss و tm ماهواره لندست را به‌عنوان یک ابزار مناسب و اقتصادی برای تصویر نمودن و تجزیه‌وتحلیل تغییرات پوشش اراضی در طی زمان نشان می‌‌دهد. همچنین نتایج پژوهش حاضر حاکی از آن است که استفاده از روش شاخه‌‌ای یا چندمرحله‌ای برای طبقه‌‌بندی تصاویر ماهواره‌‌ای، دارای مزایایی از جمله کاستن زمان پردازش، بهبود صحت طبقه‌های تعلیم کوچک، به‌کارگیری منابع متفاوتی از داده‌‌ها، مجموعه‌‌های مختلف از خصوصیات و حتی الگوریتم‌‌های متفاوت در هر مرحله از تصمیم‌‌گیری است.

monitoring land use changes based on decision tree algorithm using landsat satellite images, case study: west tehran area

introductionthe rapid growth of cities and the process of industrialization have created numerous environmental problems across many parts of the world. it is essential for planners and managers to be aware of changes in land cover and land use over extended periods to evaluate and predict the impacts caused by these changes. remote sensing is an effective tool for monitoring land use changes in urban areas and their surroundings. tehran has expanded significantly over the last few decades due to population growth and migration, leaving substantial effects on the surrounding environment. consequently, this study presents a model based on the decision tree algorithm to classify and monitor land use changes using images from tm and mss sensors in the western region of tehran between 1975 and 2011. materials and methodsin this study, one mss sensor image and three tm sensor images from the landsat satellite, all taken in june, were used along with ancillary data, specifically a digital elevation model extracted from the 1:25000 topographic map of the mapping organization. after pre-processing, land cover indices, including vegetation index, dt method, and its combination with the maximum likelihood classification method, were used to extract land use classes. the accuracy of the classified images obtained from the dt was evaluated using the kappa coefficient and overall accuracy, and finally, the changes in different land use classes over time were calculated using the image comparison method. results and discussionaccording to this study’s findings, the overall classification accuracy for 2011 is 82%. the results of change monitoring indicate a positive and increasing trend in the density of built-up land over the 36-year period, while other land types have decreased. the density of the built-up land class in 1975, with an area of 2166 hectares (equivalent to 8%), increased to 8125 hectares (29%) by 2011. in total, the percentage of relative change is 21%, equivalent to 5959 hectares. by examining the land use changes in the west of tehran from 1975 to 2011, shown in the maps, it is evident that urban development and increased demand for various services, coupled with a lack of adequate space, have led to the destruction of green spaces in the western part of tehran, replaced by other land uses. conclusionthis research aimed to monitor land use/cover in the west of tehran with high classification accuracy using a model based on the dt algorithm combined with the maximum likelihood classification method. multi-temporal satellite images from the landsat satellite’s tm and mss sensors, along with ancillary data, were used to conduct the research. after preparing a land use map for each period, a map depicting land cover and land use changes was extracted. the results of this research indicate that remote sensing data combined with classification techniques have a high capability to extract various types of land use maps and evaluate land use changes. moreover, landsat’s mss and tm sensor data prove to be suitable and cost-effective tools for depicting and analyzing land use/cover changes over time. additionally, the findings highlight that using a branching or multi-stage method for classifying satellite images offers advantages such as reduced processing time, improved accuracy in small classes, and the ability to use different data sources, feature sets, and algorithms at each decision-making stage.