بررسی تغییر کاربری اراضی در حوضه آبریز دریاچه ارومیه بر مبنای تصاویر Landsat-TM و تکنیک های طبقه بندی پیکسل پایه و شی پایه

نوع مقاله: مقاله پژوهشی

نویسندگان

1 عضو هیات علمی، پژوهشکده منابع آب، موسسه تحقیقات آب

2 استاد گروه مهندسی منابع آب، دانشگاه تربیت مدرس

3 استادیار گروه مهندسی منابع آب، دانشکده کشاورزی، دانشگاه تربیت مدرس

چکیده

کاربری اراضی یکی از ویژگی‌های مهم حوضه‌های آبریز می‌باشد، بنابراین آگاهی از شرایط و تغییرات آن در طول زمان از پیش‌نیازهای دست­یابی به توسعه پایدار می‌باشد. امروزه تکنیک‌های نوین سنجش از دور قابلیت‌های مناسبی را برای بررسی و تحلیل این مورد در اختیار قرار می‌دهد. در تحقیق حاضر بررسی وضعیت فعلی و گذشته کاربری اراضی در حوضه آبریز دریاچه ارومیه به­عنوان یکی از مناطق بحرانی از نظر آب و محیط زیست در کشور‏ هدف قرار داده شد. بدین منظور از تصاویر Landsat-TM مربوط به سال‌های 1366 و 1386 استفاده شد و برای بهبود دقت طبقه‌بندی، از دو سری تصویر مربوط به ماه‌های مختلف برای هر مقطع زمانی استفاده گردید. ابتدا نقشه کاربری اراضی سال 1386 شهرستان ارومیه به دو روش پیکسل‌ پایه (حداکثر احتمال) و شی پایه (فازی) تهیه گردید که بررسی دقت آن‌ها نشان دهنده برتری معنی‌دار روش شی پایه در طبقه‌بندی کاربری اراضی بود. در ادامه روش منتخب برای تهیه نقشه‌های کاربری در کل حوضه برای دو مقطع زمانی مورد استفاده قرار گرفت که نتایج آن نشان دهنده افزایش سطوح زیر کشت آبی و دیم به­ترتیب به مقدار 32 و 23 درصد و کاهش 5/8 درصدی مراتع بین دو مقطع زمانی، مورد بررسی بود. هم­چنین بررسی تغییرات کاربری اراضی در سطح استان‌های واقع در حوضه نشان داد که الگوی توسعه اراضی کشاورزی در آن‌ها یکسان نبوده است.

کلیدواژه‌ها


عنوان مقاله [English]

Study of Land Use Change in the Urmia Lake Water Shed Based on Landsat-TM Images and Pixel-Based and Object-Based Classification Techniques

نویسندگان [English]

  • Ashkan Farokhnia 1
  • Saeid Morid 2
  • Majid Delavar 3
1 Academic Member, Department of Water Resources Research, Water Research Institute
2 Prof. of Water Resources Engineering Dept., Tarbiat Modares University
3 Assistant Professor, Department of Water Resources Engineering, Agriculture Faculty, Tarbiat Modares University
چکیده [English]

Land use is one of the important features of watersheds, so being aware of its situation and changes over time are needed for achieving sustainable development. Today, novel techniques based on remote sensing technology provides good opportunity for study on this topic. In this study, the current and past status of land use of one of the most critical areas of country in regards of water and environmental issues, Lake Urmia watershed, was targeted. To this aim, Landsat -TM images from the years 1987 and 2007 were used and for improving the accuracy of classification, two sets of images from different months were used for each year. First, land use map of the Urmia County in 2007 was prepared by using of pixel-based (maximum likelihood) and object-based (fuzzy) methods, which Object-based approach showed significant more accuracy in classification of land use. Then object-based method was used to classify land use of whole basin for the two selected time periods.Theresultsindicate32and23percent growth in irrigated and rain fed cultivated area, respectively, as well as 8 percent reduction of rangelands in these two time periods. Also, surveying of land use change at involved provinces showed that the patterns of agricultural development were not identical among them.

کلیدواژه‌ها [English]

  • Landsat-TM
  • land use
  • Object-based classification
  • Urmia Lake Watershed
براتی قه­فرخی،س.، سلطانی کوپایی،س.، خواجه الدین،ج.ا. و رایگانی،ب. 1388. بررسی تغییرات کاربری اراضی در زیر حوزه قلعه شاهرخ با استفاده از تکنیک سنجش از دور (دوره زمانی 1381-1354). مجله علوم و فنون کشاورزی و منابع طبیعی. علوم آب و خاک. 13. 47: 349-365.

بی‌نام. 1384. مطالعات برنامه جامع سازگاری با اقلیم. وزارت نیرو.

بی‌نام. 1385. مطالعات یکپارچه منابع آب حوضه آبریز دریاچه ارومیه. موسسه تحقیقات آب.

بی‌نام. 1389. مطالعات بهنگام‌سازی طرح جامع آب کشور. وزارت نیرو.

بی‌نام. 1390. سال­نامه آماری محصولات کشاورزی. سازمان جهاد کشاورزی استان آذربایجان­غربی.

بی‌نام. 1392. مطالعه بررسی روند تغییرات محیطی در حوضه آبریز دریاچه ارومیه. موسسه تحقیقات آب.

خلفی،ج و دماوندی،ع. 1389. شناسایی و اولویت‌بندی اراضی مستعد کشت غلات دیم در استان زنجان با استفاده از سیستم اطلاعات جغرافیایی؛ همایش ژئوماتیک 89. تهران، ایران.

رسولی،ع.ا.، قاسمی‌گلعذانی،ک و سلطانی،ب. 1384. نقش بارش و ارتفاع در تعیین مناطق مساعد برای کشت گندم دیم با استفاده از سامانه اطلاعات جغرافیایی؛ مورد مطالعه: استان اردبیل. جغرافیا و توسعه. 3. 6: 183-200.

رضایی‌مقدم،م.ح.، رضایی‌بنفشه،م.، فیضی‌زاده،ب و نظم‌فر،ح. 1389. طبقه‌بندی پوشش اراضی/کاربری اراضی براساس تکنیک شی­گرا و تصاویر ماهواره‌ای، مطالعه موردی: استان آذربایجان­غربی. پژوهش‌های آبخیزداری (پژوهش و سازندگی). 87: 15-23.

سفیانیان،ع و خداکرمی،ل. 1390. تهیه نقشه کاربری اراضی با استفاده از روش طبقه‌بندی فازی (مطالعه موردی سه زیر حوزه آبخیز کبودر آهنگ، رزن- قهاوند و خونجین- تلخاب در استان همدان). آمایش سرزمین. 3. 4: 95-114.

سفیانیان،ع و مدنیان،م.ا. 1390. مقایسه روش­های طبقه‌بندی کننده حداکثر مشابهت و حداقل فاصله از میانگین در تهیه نقشه پوشش اراضی (مطالعه موردی: استان اصفهان). مجله علوم و فنون کشاورزی و منابع طبیعی، علوم آب و خاک. 57: 253-264.

علی­محمدی،ع.، متکان،ع.ا.، ضیائیان،پ و طباطبایی،ه. 1388. مقایسه روش‌های طبقه­بندی پیکسل پایه، شی‌ پایه و درخت تصمیم در تهیه نقشه تیپ‌های جنگل با استفاده از داده‌های سنجش از دور (مطالعه موردی: جنگل آستارا). نشریه تحقیقات کاربردی علوم جغرافیایی 10. 13: 7-26.

فتحیان،ف. 1391. بررسی روند تغییرات کاربری اراضی با استفاده از فن‌آوری سنجش از دور و متغیرهای آب و هواشناسی در حوضه دریاچه ارومیه. پایان­نامه کارشناسی ارشد. دانشگاه تربیت مدرس.

فیضی‌زاده،ب. 1386. مقایسه روش‌های پیکسل پایه و شی پایه در تهیه نقشه‌های کاربری اراضی. پایان­نامه کارشناسی ارشد. دانشگاه تبریز.

گودرزی،م و فرج‌پور،م. 1386. بررسی امکان جداسازی دیم­زارها از مراتع با استفاده از سنجش از دور (مطالعه موردی منطقه تهم استان زنجان). نشریه تحقیقات مرتع و بیابان. 14. 3: 432-446.

Anderson,J., Hardy,E., Roach,J and Witmer,R. 1976. A land use and land cover classification for use with remote sensor data. United States Geological Survey Professional Paper no. 964.

Benediktsson,J.A., Swain,P.H and Ersoy,O.K. 1990. Neural network approaches versus statistical methods in classification of multisource remote sensing data. IEEE Transactions on geoscience and remote sensing. 28.4:540-552.

Campbell,J.B and Wynne,R.H. 2011. Introduction to Remote Sensing. The Guilford Press. New York.

Chen,M., Su,W., Li,L., Zhang,C., Yue,A and Li,H. 2009. Comparison of pixel-based and object-oriented knowledge-based classification methods using SPOT5 imagery. World Scientific and Engineering Academy and Society Transactions on Information Science and Applications. 6.3:477-486.

Chen,X.L., Zhao,H.M., Li,P.X and Yin,Z.Y. 2006. Remote sensing image-based analysis of the relationship between urban heat island and land use/cover changes. Remote Sensing of Environment. 104.2:133-146.

Foody,G.M. 2004. The matic map comparison: evaluating the statistical significance of differences in classification accuracy. Photogrammetric engineering and remote sensing. 70.5:627-634.

Gao,Y., Mas,J.F and Navarrete,A. 2009. The improvement of an object-oriented classification using multi-temporal MODIS EVI satellite data. International Journal of Digital Earth. 2.3:219-236.

Haung,L and Li,L. 2008. Object-oriented classification of high resolution satellite image for better accuracy. Paper presented at the Proceedings of the 8th International Symposium on Spatial Accuracy Assessment in Natural Resources and Environmental Sciences. Shanghai. China.

Liu,D and Xia,F. 2010. Assessing object-based classification: advantages and limitations. Remote sensing letters. 1.4:187-194.

Lyons,M.B., Phinn,S.R and Roelfsema,C.M. 2012. Long term land cover and sea grass mapping using Landsat and object-based image analysis from 1972 to 2010 in the coastal environment of South East Queensland, Australia. International Society for Photogrammetry and Remote Sensing Journal of Photogrammetry and Remote Sensing. 71:34-46.

Matinfar,H.R., Sarmadian,F., AlaviPanah,S.K and Heck,R.J. 2007. Comparisons of object-oriented and pixel-based classification of land use/land cover types based on Lansadsat7, Etm+ spectral bands (case study: arid region of Iran). American-Eurasian Journal of Agricultural and Environmental Sciences. 2.4:448-456.

Matsushita,B., Yang,W., Chen,J., Onda,Y and Qiu,G. 2007. Sensitivity of the enhanced vegetation index (EVI) and normalized difference vegetation index (NDVI) to topographic effects: a case study in high-density cypress forest. Sensors. 7.11:2636-2651.

Ormsby,J.P. 1982. The use of Landsat-3 thermal data to help differentiate land covers. Remote Sensing of Environment. 12.2:97-105.

Price,K.P., Egbert,S.L., Nellis,M.D., Lee,R.Y and Boyce,R. 1997. Mapping land cover in a high plains agro-ecosystem using a multidate landsat thematic mapper modeling approach. Transactions of the Kansas Academy of Science. 100.1-2:21-33.

Xian,G and Crane,M. 2006. An analysis of urban thermal characteristics and associated land cover in Tampa Bay and Las Vegas using Landsat satellite data. Remote Sensing of Environment. 104.2:147-156.