آشکارسازی تغییرات کاربری اراضی در بازه زمانی 2013 2024 با استفاد از پردازش تصاویر لندست 8 و تحلیل اثرات آن (مطالعه موردی: شهر میاندوآب)

زمینه و هدف: تحلیل تغییرات کاربری اراضی به عنوان یکی از شاخص‌های کلیدی تعامل انسان و محیط، برای مدیریت پایدار منابع و برنامه‌ریزی‌های منطقه‌ای امری ضروری است. این پژوهش با هدف تحلیل و آشکارسازی تغییرات مکانی زمانی کاربری اراضی در شهرستان میاندوآب طی بازه زمانی 2013 تا 2024 با استفاده از الگوریتم بیشینه احتمال و داده‌های سنجش از دور انجام شده است.روش شناسی: در این تحقیق، داده‌های مورد استفاده شامل تصاویر ماهواره‌ای لندست 8 برای سال‌های 2013 و 2024 بوده است. این تصاویر پس از انجام پیش‌پردازش‌های رادیومتریک و هندسی، با استفاده از الگوریتم طبقه‌بندی نظارت‌شده بیشینه احتمال (mlc) به نقشه‌های کاربری اراضی تبدیل شدند. در این فرآیند، هشت کلاس کاربری شامل مناطق ساخته‌شده، خاک، جاده‌ها، مزارع، باغات، آب، نمک‌زارها و خاک‌های شور شناسایی و استخراج گردید.یافته‌ها و نتیجه‌گیری: نتایج ارزیابی صحت طبقه‌بندی در سال‌های 2013 و 2024 نشان داد که دقت کلی به ترتیب 94.07% و 94% بوده است که بیانگر عملکرد قابل‌قبول و دقت بالای الگوریتم طبقه‌بندی است. تحلیل تغییرات کاربری اراضی نشان می‌دهد که در این دوره، مزارع از 3183 هکتار در سال 2013 به 4963 هکتار در سال 2024 افزایش یافته و مناطق ساخته‌شده نیز به 1849 هکتار گسترش یافته‌اند. در مقابل، بیشترین کاهش مربوط به کلاس‌های باغات و خاک بوده است. این تغییرات ناشی از ترکیبی از عوامل انسانی (توسعه شهری و کشاورزی) و اقلیمی (خشکسالی و کاهش منابع آبی) می‌باشد. نتایج این پژوهش می‌تواند به‌عنوان ابزاری کاربردی برای برنامه‌ریزی کاربری اراضی و مدیریت پایدار منابع طبیعی در منطقه میاندوآب مورد استفاده قرار گیرد.

detection of land use changes in the 2013 2024 period using landsat 8 image processing and analyzing its effects (case study: miandoab city)

background and objective: land use and land cover (lulc) are among the most critical indicators of human environment interaction, reflecting how societies exploit and transform the natural landscape. understanding temporal changes in land use is essential for sustainable planning, environmental management, and agricultural policy development. this study aims to detect and analyze land use changes in miandoab county over the period 2013 to 2024 using remote sensing techniques.methodology: landsat 8 oli/tirs satellite images for the years 2013 and 2024 were used as the primary data source. after applying radiometric and geometric preprocessing, the images were classified using the maximum likelihood classification (mlc) algorithm, which relies on the statistical distribution of spectral data and assigns each pixel to the most probable class. eight land use categories were defined: built up areas, soil, roads, farmlands, orchards, water bodies, salt flats, and saline soils. the classification accuracy was assessed using overall accuracy and kappa coefficient.results and findings: the classification results revealed significant land use changes over the 11 year period. farmlands increased from 3,183 ha in 2013 to 4,963 ha in 2024, indicating a major shift toward agricultural expansion. conversely, orchards and soil areas showed marked decreases, likely due to water scarcity and urban encroachment. built up areas expanded to 1,849 ha, reflecting urban development. the classification achieved high accuracy levels (94.07% in 2013 and 94% in 2024), validating the reliability of the mlc approach. the study demonstrates that remote sensing and supervised classification are effective tools for land use monitoring. the observed trends highlight the need for integrated land management strategies to balance development with environmental sustainability in miandoab.