طبقه بندی و آشکارسازی تغییرات لندفرم های ژئومورفولوژی و شبیه سازی تغییرات با سلول های خودکار مارکوف(مطالعه موردی: حوضه آبریز سجاسرود)

شناسایی لندفرم های ژئومورفولوژی از لحاظ منشا شکل گیری و روند تغییرات آنها در گذشته،حال و آینده بسیار حائز اهمیت است. به همین علت موانع طبیعی و گستردگی پهنه های مورد مطالعه و مطالعات میدانی را با چالش روبرومی سازد. برای حل این گونه مشکلات استفاده از تکنولوژی هایسنجش از دور جهت مدیریت محیطی و مخاطرات طبیعی ضروری می باشد.یکی از جدید ترین روش ها، بهره گیری از توانایی‌های تصاویر ماهواره‌ای در جهت استخراج و بررسی تغییرات لندفرم ها در بازه های زمانی مختلف و پیش بینی تغییرات آن هادر آینده است. در همین راستا برای شناسایی لندفرم های حوضه آبریز سجاسرود و بررسی روند تغییرات و پیش بینی تغییرات تا سال 2050، از تصاویر ماهواره ای tm و oli در بازه زمانی 1986 تا 2018 بهره گرفته شد. در ادامه جهت شناسایی لندفرم ها از مطالعات و برداشت های میدانی و نرم افزار google earth و نقشه توپوگرافی و تجزیه مولفه های اصلی با تصاویر لندست استفاده گردید. پس از انجام تصحیحات لازم بر روی تصاویر ماهواره ای، روش طبقه بندی حداکثر احتمال برای طبقه لندفرم ها بکار گرفته شد. نتایج نشان داد پهنه‌های پوشش گیاهی و دشت آبرفتی به ترتیب 47.159 و 57.26 درصدافزایش مساحت و درمقابل کوه‌ها و تپه‌ها، پادگانه‌های آبرفتی، مخروط افکنه ها و آبرفت‌های جدیدبا کاهش مساحت مواجه بوده اند و همینطور نتایج الگوریتم mnf نشان داد بیشترین شدت و سرعت تغییرات مربوط به دشت‌های آبرفتی با مساحت 9892.45 و کوه‌ها و تپه‌ها 9481.13 هکتار و کمترین سرعت تغییرات مربوط به پادگانه‌های آبرفتی با میزان 10.36 هکتار است. در نهایت نتایج شبیه‌سازی ca-marcov نشان داد که در 32 سال آینده مخروط افکنه ها با مساحت 64.97- کیلومترمربع بیشترین تغییرات کاهشی، پوشش گیاهی و آبرفت های جدید به ترتیب با مساحت 120.96 و 0.23 کیلومتر مربع بیشترین تغییرات افزایشی را خواهند داشت.

classification and detection of changes in geomorphological landforms and simulation of changes with markov automatic cells (case study: sajasrood catchment)

introductionidentification of geomorphological landforms is very important in terms of the origin of their formation and the process of their changes in the past, present and future. therefore, natural obstacles and the extent of the study areas and field studies are challenging. to solve such problems, the use of remote sensing technologies for environmental management and natural hazards is essential. one of the newest methods is to use the capabilities of satellite images to extract and study changes in landforms at different time intervals and predict their changes in the future. the main goal of this research is to classify, reveal and simulate the changes in the main and important landforms of the sejasrud watershed using landsat satellite images and the maximum likelihood supervised classification algorithm between 1986 and 2018, as well as predicting the changes using the markov method for the year is 2050.methodologythe research method in this research is applied in terms of purpose and in terms of survey-analytical nature. field and library methods were used to perform and collect information. landsattm and oli satellite images from 1986 and 2018 were used to collect preliminary data .in this regard, in addition to extensive field studies, google earth images and topographic maps of the area were used to better identify land forms. after preparing the data required for better detection and detection of geomorphological landforms according to, different stages of image processing were performed. then, for classification, educational samples that had previously been radiomatically and atmospherically corrected were used. using trial and error process, the best method for educational examples was obtained by generating a vector layer on images and converting them into educational examples in envi5.3 software environment. in the next step, using the supervised classification method, the maximum probability of land classification of the surface forms of the studied area was studied. finally, using the functions related to the study of changes in landforms, the rate of change and simulation until 2050 was done. in the process of this research, envi 5.3, arcgis10.1 excel2013 terrse idrisi software were used.results what can be deduced from tables (5, 4, 3) and figure (7) is the extensive changes in the surface area of important geomorphological landforms of sajasrood catchment, which shows the dynamics of effective processes in landforms and strong performance of tectonic forces, especially external dynamics and human activities. in the evolution of geomorphological forms.