آشکارسازی تغییرات کاربری اراضی با استفاده از تصاویرماهواره ای (مطالعه موردی: شهرستان شوش)

امروزه جهان در حال توسعه، رشد بی‌سابقه‌ای را تجربه کرده است که اثر قابل‌توجهی روی تشدید کاربری زمین دارد. بنابراین، مدل‌سازی و پیش‌بینی الگوهای رشد برای برنامه ریزان و طرفداران حفظ منابع طبیعی جهت تنظیم راهبرد توسعه پایدار، امری بسیار حیاتی است که هدف اصلی آن‌ شناسایی عوامل و روند تغییرات در آینده براساس تغییرات گذشته است. پایش تغییرات واحدهای اراضی، مستلزم استفاده از روش‌های سریع و مناسب جهت جمع آوری اطلاعات و تلفیق لایه‌های اطلاعاتی با یکدیگر است. دراین تحقیق بر مبنای کیفیت تصاویر، روند و میزان تغییرات کاربری اراضی شهرستان شوش در سری زمانی 30 ساله (1987و2000 و2017)  با استفاده از تصاویر ماهواره‌ای لندست و سنجنده های tm، oli و mss بررسی شده است. همچنین برای پردازش و تحلیل بخش های مختلف از نرم‌افزارهای arc gis، idrisi و envi استفاده شده است. پس از کلاس بندی تصاویر به روش نظارت‌شده بیشترین شباهت، نقشه‌های کلاس‌بندی شده با دقت ضریب کاپای متوسط 96.1 درصد به دست آمد. نتایج آشکارسازی تغییرات نشان داد که بیشترین کاهش مساحت برای زمین‌های بدون پوشش و به میزان 49078 هکتار و بیشترین افزایش برای اراضی کشاورزی و به میزان 52691 هکتار بوده که نشان‌دهنده تغییرکاربری اراضی بدون پوشش به اراضی کشاورزی  است.

Land Use Changes Detection Using Satellite Images (Case study: Susa County)

Today, the developing world is experiencing unprecedented growth that has a significant impact on land use intensification. Therefore, modeling and predicting growth patterns is crucial for natural resource planners and proponents to formulate a sustainable development strategy. The main purpose of modeling is to identify the factors and trends of future changes based on past changes. Monitoring the occurred changes in land units requires the use of rapid and appropriate methods to gather information and integrate layers of information. In the present study, based on image quality, the trend and rate of land use changes in Shush Township in a 30year time series (1987, 2000 and 2017) have been investigated using Landsat satellite images and TM, OLI and MSS sensors. Different sections were processed and analyzed using ArcGIS, IDRISI and ENVI software. After classifying the images by the most similar supervised method, the classified maps were obtained with an average Kappa coefficient accuracy of 96.1%. The results of detection of changes showed that the largest decrease in area has occurred for uncovered land by 49078 hectares, and the highest increase was for agricultural land by 52691 hectares, which indicates the change of use of uncovered land in favore of agricultural land.