ارزیابی روش حداکثر احتمال در فرآیند تشخیص تغییر کاربری اراضی به کمک شاخص ndvi (مطالعه موردی حوزه آبخیز همدان- بهار)

تشخیص به موقع و دقیق تغییر ویژگی های سطح زمین به منظور درک روابط و تعاملات بین انسان و پدیده های طبیعی و ارتقا تصمیم گیری بهتر بسیار مهم است. داده های سنجش از دور منابع مهمی هستند که در دهه های اخیر برای تشخیص تغییر کاربری اراضی مورداستفاده قرارگرفته است. در این پژوهش جهت تهیه نقشه کاربری اراضی حوزه آبخیز همدان بهار از داده های رقومی سنجنده های (1992) tm ، (2000)etm و (2013) oli مربوط به لندست های 5، 7 و 8 استفاده شد. به کمک نمونه های برداشت شده واقعیت زمینی، برای طبقه بندی تصاویر، روش طبقه بندی نظارت شده حداکثر احتمال مورداستفاده قرار گرفت. با توجه به طبقه بندی میزان مقبولیت ضریب کاپا توسط لاندیس و کوچ، مقبولیت ضریب کاپا برای سال های 1985(93.11%)،2000 (90.01%) و 2013 (85.06%) عالی ارزیابی شد. همچنین با مقایسه نقشه های ndvi با نقشه های طبقه بندی شده حداکثر احتمال مشخص شد که طبقه کاربری کشاورزی آبی با نقشه های ndvi تولید شده مطابقت دارد٬ و گویای دقت روش حداکثر احتمال در طبقه بندی تصاویر می باشد. نتایج نشان داد بطور کلی بین سال های 1992 تا 2013 اراضی مسکونی و کشاورزی آبی به میزان 139.93% و 12.29 % افزایش و اراضی کشاورزی دیم و مراتع به میزان 0.33 % و17.12 % کاهش یافته است. همچنین نتایج حاصل از نقشه های تبدیل کاربری غیر مسکونی به مسکونی نشان داد در طی سال های 1992 تا 2000 ٬ 2000 تا 2013 و 1992 تا 2013 از بین کاربری کشاورزی و مرتع، کاربری کشاورزی به ترتیب با مساحت برابر 44.6 کیلومترمربع٬ 73.35 و94.84 بیشترین مساحت تبدیل یافته از کاربری غیرمسکونی به مسکونی را به خود اختصاص داده است. همچنین، جهت بررسی روند تغییر کاربری ها با توجه به وضعیت گذشته با استفاده از مدل اتومای سلولی، نقشه کاربری اراضی برای سال 2030 پیش بینی شد، سپس نمودار تغییرات کاربری اراضی دوره 1990 تا 2030 ترسیم شد. نتایج بیانگر روند رو رو به رشد سطوح انسان ساخت و اراضی کشاورزی آبی منطقه برای دوره آتی است. در این بازه زمین های تحت کشت دیم و پوشش مرتعی روند رو به کاهش خواهند داشت.

The maximum likelihood method valuation in detecting land use change using NDVI index ( Case study: Hamadan- Bahar Watershed)

Timely and accurate change detection of Earth rsquo;s surface features is extremely important for understanding relationships and interactions between human and natural phenomena in order to promote better decision making. Remote sensing data are primary sources extensively used for change detection in recent decades. In order to provide the land use map of Hamadan Bahar Watershed, digital data obtained from TM (1985), ETM(2000) and OLI (2013) sensor of digital data of the Landsat 5 , 7 and 8 were used. To classify images, were used Maximum likelihood method, using samples of ground truth. According to the acceptance Kappa coefficient classification by Landis and Koch kappa coefficient, acceptance Kappa coefficient in 1985 (93.11 %), 2000 (90.01%) and 2013 (85.06 %) was excellent. Comparing NDVI maps with those of maximum likelihood classification, It also was found that the produced NDVI maps match with Irrigation farming category, indicating the accuracy of maximum likelihood method in classifying images. Result showed that between the years 1992 to 2013 settlements and Irrigation farming have increased 139.93% and 12.29% respectively, while Dry farming and Rangeland have decrease 0.33% and 17.12% respectively.In addation, the results of the conversion of nonresidential to residential Maps showed that between the years 1992 to 2013, 2000 to 2013 and 1992 to 2013 among agricultural and pastures, agricultural lands with an area 44. 67, 73. 35 and 94. 84 square kilometers the, respectively, will be allocated the greatest area converted from nonresidential to residentia. Also, in order to assess land use changes due to its status in the past, land use map for 2030 was predicted using cellular automata model, Then land use changes trend was plotted during 1990 to 2030. The results indicate a growing trend in settlements and Irrigation farming in the future period. In the period Dry farming and Rangeland will decrease.