سنجش از دور
فاطمه ربیعی؛ سینا ادیب زاده؛ علیرضا شریفی؛ سعید صادقیان
چکیده
پیشینه و اهداف: روند رو به رشد شهرنشینی و گسترش سریع سکونتگاهها در دهههای اخیر، اهمیت مطالعه تغییرات کاربری اراضی را در برنامهریزی شهری دوچندان کرده است. شهر جدید پرند، بهعنوان یکی از نمونههای مهم شهرهای جدید کشور و واقع در مجاورت تهران، طی دو دهه گذشته دچار تغییرات قابل توجهی شده است. این شهر که در ابتدا تنها بخش کوچکی از ...
بیشتر
پیشینه و اهداف: روند رو به رشد شهرنشینی و گسترش سریع سکونتگاهها در دهههای اخیر، اهمیت مطالعه تغییرات کاربری اراضی را در برنامهریزی شهری دوچندان کرده است. شهر جدید پرند، بهعنوان یکی از نمونههای مهم شهرهای جدید کشور و واقع در مجاورت تهران، طی دو دهه گذشته دچار تغییرات قابل توجهی شده است. این شهر که در ابتدا تنها بخش کوچکی از محدودهٔ مطالعه را دربر میگرفت، با افزایش جمعیت و تقاضای مسکن، رشد سریع و ملاحظهای داشته است. هدف اصلی این مطالعه، پایش کمی تغییرات کاربری اراضی با تمرکز بر گسترش مناطق ساختهشده و کاهش اراضی بایر، مقایسه نقشههای کاربری اراضی در دو دوره زمانی، ارزیابی دقت طبقهبندی و تحلیل الگوی فضایی توسعه شهری پرند و پیامدهای آن است.روشها: برای تحلیل توسعه شهری، رویکردی مبتنی بر ادغام چندحسگر بهکار گرفته شد. تصاویر ماهوارهای Landsat-7 مربوط به سال ۲۰۰۰ بهعنوان داده پایه و تصاویر ماهوارهای 2Sentinel- مربوط به سال ۲۰۲۴ بهعنوان دادهٔ معاصر استفاده شدند. همچنین دادههای راداری 1Sentinel- برای بهبود تفکیک بافتهای شهری به تحلیل اضافه شد. تمامی مراحل پردازش دادهها در محیط ابری Google Earth Engine انجام گرفت که امکان پردازش سریع و مدیریت دادههای حجیم را فراهم میکند. چهار کلاس اصلی شامل گیاهان، مناطق ساختهشده، اراضی بایر و جادهها با استفاده از الگوریتم جنگل تصادفی (Random Forest) طبقهبندی شدند. نمونههای آموزشی از طریق تفسیر بصری تصاویر و دادههای کمکی آماده شدند. برای اعتبارسنجی، ماتریس خطا تهیه شد و دقت کلی و ضریب کاپا محاسبه گردید. خروجیهای مطالعه شامل نقشههای باینری مناطق ساختهشده، نقشههای طبقهبندیشده کاربری اراضی و جداول آماری مساحت کلاسها برای هر دو بازه زمانی بود.یافتهها: نتایج نشان داد که مساحت مناطق ساختهشده در پرند طی دوره مطالعه بهطور چشمگیری افزایش یافته است؛ از حدود ۳.۶۶ کیلومتر مربع در سال ۲۰۰۰ به بیش از ۱۴.۳۱ کیلومتر مربع در سال ۲۰۲۴ رسیده است، که نشاندهنده افزایش بیش از چهاربرابری است. در همین دوره، اراضی بایر از ۱۴۶.۶۶ کیلومتر مربع به ۱۳۴.۵۰ کیلومتر مربع کاهش یافته است که نشاندهنده تبدیل بخش قابل توجهی از این اراضی به مناطق شهری است. تحلیل فضایی تغییرات نشان داد که رشد شهری عمدتاً در بخشهای شرقی و جنوبی پرند متمرکز بوده و الگوی پراکندگی اولیه به ساختاری منسجمتر و سازمانیافتهتر تغییر کرده است. مقایسه کیفیت طبقهبندی نشان داد که نقشه سال ۲۰۲۴ با دقت کلی ۹۵.۹۷٪ و ضریب کاپا ۰.۹۴۴۴، کیفیت بالاتری نسبت به نقشه سال ۲۰۰۰ با دقت کلی ۸۹.۰۶٪ و ضریب کاپا ۰.۸۲۰۱ دارد؛ این تفاوت عمدتاً به وضوح بالاتر دادههای جدید و ادغام دادههای اپتیکی و راداری بازمیگردد. کلاسهای گیاهان و جادهها تغییرات اندکی داشتهاند که با ماهیت پایدارتر این کلاسها همخوانی دارد..نتیجهگیری: نتایج نشان میدهد که ترکیب دادههای نوری و راداری با الگوریتمهای یادگیری ماشین در محیط ابری، روشی مؤثر و تکرارپذیر برای پایش بلندمدت توسعه شهری است. گسترش سریع مناطق ساختهشده، بهویژه در بخشهای شرقی و جنوبی پرند، نیازمند بازنگری در سیاستهای کاربری اراضی، توسعه زیرساختهای حملونقل و خدمات عمومی و حفاظت از اراضی کشاورزی است. این رویکرد میتواند مبنای مناسبی برای برنامهریزی شهری پایدار، مدیریت جمعیت و اولویتبندی سرمایهگذاری فراهم کند. با این حال، محدودیتهایی مانند نویز دادههای راداری، کمبود دادههای میدانی و تفکیکپذیری محدود برخی کلاسها همچنان باقی است.
سنجش از دور
کامران مروج؛ شیلان فعله گری؛ علیرضا شریفی؛ احمد گلچین؛ پرویز کرمی
چکیده
پیشینه و اهداف: فعالیتهای انسانی و فرآیندهای طبیعی باعث ایجاد تغییرات کاربری میشوند که منجر به مسائل مهمی مانند جنگلزدایی، از بین رفتن تنوع زیستی و افزایش آسیبپذیری در برابر بلایای طبیعی مانند سیل میشود. رشد جمعیت و افزایش تقاضاهای اجتماعی-اقتصادی فشار قابل توجهی بر کاربری و پوشش زمین وارد میکند که اغلب منجر به تغییرات ...
بیشتر
پیشینه و اهداف: فعالیتهای انسانی و فرآیندهای طبیعی باعث ایجاد تغییرات کاربری میشوند که منجر به مسائل مهمی مانند جنگلزدایی، از بین رفتن تنوع زیستی و افزایش آسیبپذیری در برابر بلایای طبیعی مانند سیل میشود. رشد جمعیت و افزایش تقاضاهای اجتماعی-اقتصادی فشار قابل توجهی بر کاربری و پوشش زمین وارد میکند که اغلب منجر به تغییرات غیرقانونی میشود که عمدتاً به سوء مدیریت در کشاورزی، توسعه شهری، مراتع و جنگلها نسبت داده میشود. ادغام سنجش از دور و سیستمهای اطلاعات جغرافیایی (GIS) یک رویکرد قوی برای ارزیابی دقیق و نظارت بر تغییرات کاربری زمین در مناطق وسیع ارائه میدهد. داده های ماهواره ای، به ویژه از منابعی مانند اسکنر چندطیفی Landsat (MSS)، نقشه برداری موضوعی (TM) و نقشه برداری موضوعی پیشرفته (ETM+)، به طور گسترده برای تجزیه و تحلیل تغییرات کاربری زمین، به ویژه در مناطق جنگلی و کشاورزی استفاده شده است. این مطالعه با هدف تحلیل تغییرات کاربری اراضی در بافت خاک برنج شالیزاری در گیلان، شمال ایران از سال 1391 تا 1401 انجام شده است. با استفاده از دادههای Landsat MSS و ETM+ و نرمافزار GIS، این مطالعه تلاش میکند تا تغییرات کاربری و پوشش قابلتوجهی را شناسایی و مشخص کند و بینشهای ارزشمندی را در مورد پویایی چشمانداز منطقهای ارائه دهد.روشها: در این مطالعه که در استان گیلان انجام شد، تصاویر ماهوارهای Landsat-8 از سالهای 1391 و 1401، با حداقل پوشش ابری، استفاده شد. برروی تصاویر ماهوارهای لندست-8 برای کاهش خطاها اصلاحات هندسی و رادیومتری انجام شد. با استفاده از روش حداکثر احتمال، طبقهبندی نظارت شده طبقات کاربری زمین را مشخص کرد. این روش احتمال یک پیکسل متعلق به هر کلاس از پیش تعریف شده را محاسبه میکند و پیکسل را به کلاسی با بیشترین احتمال اختصاص میدهد. این رویکرد جامع، تحلیل پویایی کاربری زمین در منطقه مورد مطالعه را تسهیل کرد و بینش های ارزشمندی را در مورد تغییرات محیطی در طول زمان ارائه داد.یافتهها: ارزیابی نقشههای طبقهبندی کاربری اراضی دقت کلی 80% و ضریب کاپا بیش از 0.8 را نشان داد که نشاندهنده توافق قابلتوجه با کلاسهای حقیقت زمینی است. بهره برداری از مساحت جنگل از 46 درصد در سال 2011 به 33 درصد در سال 2011 کاهش یافته است که نشان دهنده تخریب اکوسیستم است. به همین ترتیب، اراضی مرتع از 51 درصد در سال 1391 به 42 درصد در سال 1401 کاهش یافت. در مقابل، زمین های کشاورزی شاهد رشد قابل توجهی بودند که از سال 2013 تا 1401 به میزان 7 درصد (34 درصد به 41 درصد) افزایش یافت. مساحت زمین مسکونی افزایش قابل توجهی را تجربه کرد و 34 درصد افزایش یافت. این یافتهها بر تغییرات قابلتوجه کاربری زمین، از جمله کاهش جنگلها و افزایش گسترش مسکونی تاکید میکند، که نیاز مبرم به شیوههای مدیریت پایدار زمین در منطقه مورد مطالعه را برجسته میکند.
سنجش از دور
پرستو برزابادی؛ افسانه رزاقپور؛ مهدی اصلانی؛ علیرضا شریفی
چکیده
پیشینه و اهداف: در ایران، گسترش ناپایدار شهری و برداشت بیرویه از منابع آب زیرزمینی موجب تشدید و گسترش پدیده فرونشست در کلانشهرهایی مانند تهران، مشهد، اصفهان و شیراز شده است. بهویژه نواحی شهری شیراز که دارای خاکهای آبرفتی، تراکم بالای ساختوساز و کاهش شدید سطح آبهای زیرزمینی هستند، به یکی از کانونهای اصلی فرونشست در جنوب ...
بیشتر
پیشینه و اهداف: در ایران، گسترش ناپایدار شهری و برداشت بیرویه از منابع آب زیرزمینی موجب تشدید و گسترش پدیده فرونشست در کلانشهرهایی مانند تهران، مشهد، اصفهان و شیراز شده است. بهویژه نواحی شهری شیراز که دارای خاکهای آبرفتی، تراکم بالای ساختوساز و کاهش شدید سطح آبهای زیرزمینی هستند، به یکی از کانونهای اصلی فرونشست در جنوب کشور تبدیل شدهاند. با توجه به قابلیت بالای دادههای راداری ماهواره Sentinel-1 در تحلیل تغییرات زمین و نقش مؤثر روش DInSAR در پایش سریع این پدیده، هدف این پژوهش، تحلیل الگوهای مکانی-زمانی فرونشست در نواحی شهری شیراز، بررسی عوامل طبیعی و انسانی موثر و ارائه راهکارهایی برای کاهش مخاطرات و حمایت از توسعه پایدار شهری است.روشها: در این پژوهش از ۲۴ تصویر راداری Sentinel-1A در مد IW با پلاریزاسیون VV در سالهای ۲۰۱۵ تا ۲۰۲۵ استفاده شد. تمامی پردازشها در نرمافزار SNAP انجام گرفت. ابتدا دادهها با استفاده از فایلهای POD تصحیح مداری و سپس کالیبراسیون رادیومتریکی برای استخراج Sigma0 انجام شد. برای کاهش نویز اسپکل از فیلتر Lee با پنجره ۷×۷ استفاده شد. سپس با انتخاب ۱۵ جفت تصویر با خطای زمانی کمتر از ۳۶۵ روز و خطای مکانی عمودی زیر ۱۵۰ متر، اینترفروگرامها تولید و فرآیند Unwrapping با الگوریتم MCF-SNAPHU اجرا گردید. برای کاهش خطاهای اتمسفری، تصاویر با شرایط رطوبتی مشابه انتخاب، فیلتر Goldstein اعمال، ماسک توپوگرافی استفاده و تحلیل واریوگرام اجرا شد. تحلیلهای آماری) میانگین، چولگی، کشیدگی، تحلیل مکانی Moran’s I و تحلیل رگرسیون چندمتغیره (برای بررسی اثر متغیرهای برداشت آب، نوع خاک، تراکم ساختوساز و شیب زمین) بر نرخ فرونشست انجام شد.یافتهها: یافتهها نشان داد میانگین نرخ فرونشست ۱۸.۴ میلیمتر در سال با انحراف معیار ۸.۲ میلیمتر است. سه کانون اصلی فرونشست با نرخهای ۲۵ تا ۴۵ میلیمتر در سال در شمال، مرکز و جنوب محدوده مورد مطالعه شناسایی شد. تحلیل آماری نیز توزیع چولگی مثبت (۱.۲۳) و کشیدگی (۲.۸۷) را تأیید کرد. بررسی آماری چندمتغیره نشان داد برداشت آب زیرزمینی با ضریب β=۰.۷۸ و سطح معناداری کمتر از ۰.۰۰۱، قویترین عامل فرونشست است.نتیجهگیری: روش DInSAR بهعنوان ابزاری سریع و نسبتاً دقیق در پایش فرونشست اثربخش است، بهویژه در مناطقی که دادههای زمینی محدود هستند. این مطالعه ضمن تأکید بر نقش مؤثر عوامل انسانی در تشدید فرونشست، بر ضرورت نظارت پیوسته، بهرهگیری از سامانههای هوشمند نظارتی، و بازنگری در الگوهای توسعه شهری تأکید میکند. از جمله پیشنهادهای پژوهش میتوان به توسعه مدلهای یادگیری ماشین با دادههای Sentinel-1، تلفیق دادههای GNSS برای افزایش دقت تحلیل، و تهیه تغییرات کاربری اراضی با تصاویر Landsat و Sentinel-2 اشاره کرد. محدودیت پژوهش شامل نبود دادههای میدانی بهروز از سطح آب زیرزمینی و پراکندگی زمانی برخی تصاویر بود.
