الگوی پایش تحولات نظام کاربری اراضی در پیرامون شهر سقز با بهره گیری از تصاویر ماهواره‌ی لندست

نوع مقاله: مقاله علمی -پژوهشی

نویسندگان

1 دانشیار گروه جغرافیا، دانشگاه پیام نور و عضو قطب علمی توسعه پایدار محیط جغرافیایی دانشگاه شهید بهشتی، تهران، ایران

2 دانش آموخته کارشناسی ارشد گروه جغرافیا، دانشگاه پیام نور، تهران، ایران

چکیده

نواحی جغرافیایی پیرامون فضاهای شهری به لحاظ تغییرات کاربری اراضی، بعنوان یکی از نواحی پرشتاب در تحولات کاربری اراضی بشمار می‌رود. این موضوع البته در روند توسعه شهری و فضای پیرامونی در شهرهای کوچک و متوسط به لحاظ منطقه ایی دارای اهمیتی دوچندان است. زیرا این تغییرات باعث بستر سازی پدیدهای ادغام، خزش و در مواردی نیز حاشینه نشینی را باعث می‌شود. از این رو الگوسازی فرایند پایش در فضای شهری و پیرامون بسیار حائز اهمیت است. در این پژوهش بمنظور شناخت تحولات مکانی ­– فضایی نظام کاربری اراضی در شهر سقز و پیرامون آن تحولات با ارزیابی پنج دوره تصاویر ماهواره­ای لندست از سال 1356 تا 1392 (1977 تا 2013) و با کنترل و پیمایش میدانی اطلاعات جمع آوری شده مورد پایش قرار گرفته است. در روش شناسی این پژوهش ضروری پس از عملیات تصحیح هندسی، یکسان سازی، بارزسازی تصاویر، استخراج شاخص پوشش گیاهی، تحلیل مؤلفه‌های اصلی و طبقه بندی به روشهای مختلف انجام ودر نهایت بهترین روش جهت طبقه بندی تصاویر (طبقه بندی هدایت شده به روش حداکثر احتمال) انتخاب و بر روی داده‌ها اعمال شد. نتایج حاصل از پژوهش حاکی از تفاوت تغییرات کاربری اراضی در پیرامون شهر سقز در دوره‌های مختلف زمانی است که شدیدترین مقدار تغییرات در مقایسه تصاویر سالهای 1379(2000) و 1392(2013) قابل مشاهده است. در این دوره سکونتگاههای روستایی صالح آباد و قوخ به لحاظ توسعه کالبدی در شهر سقز ادغام شده‌اند. از سوی دیگر بیشترین افزایش سطح مربوط به اراضی ساخته شده با تغییر از 18 به 25 درصد و بیشترین کاهش نیز مربوط به مراتع با کاهش از 43 به 30 درصد می‌باشد. شایان توجه است اراضی با کاربری کشاورزی و پوشش گیاهی نیز در کل دوره مورد پایش دارای نوسان بوده اما در کل کاهش قابل توجهی را نشان می‌دهند.

کلیدواژه‌ها


عنوان مقاله [English]

Land use change monitoring Pattern system around the Saghez city using Landsat satellite images

نویسندگان [English]

  • Mostafa Taleshi 1
  • Jafar Maleki 2
1 Associate Professor, Department of Geography, PNU and member of the Center of Excellence for the sustainable development of the geographical environment, Shahid Beheshti University, Tehran, Iran
2 M.A. in Geography, University of Payame Noor, Tehran, Iran
چکیده [English]

Abstract
Geographic areas around urban spaces In terms of land use changes is considered as one of the of Rapid changes areas in land use. This issue of course In the process of urban development and surrounding area in small and medium cities it has been more important due to the regional planning because this changes cause infra structure phenomena like Merger, crawl And in some cases makes marginalization. Hence modeling of monitoring Process in urban space and its around, is so important. In this research to recognition of local spatial changes of land use system in Saghez city and its neighborhood by evaluating five Landsat satellite images from 1977 until 2013, controlling and field survey the collected information there were monitored.In conjunction with the research methodology it is necessity to explain that after process of geometric correction, equalization, image enhancement, extraction of vegetation index, Principal components analysis and classification with different method. Finally the best method for image classification (supervised maximum likelihood classification) where selected and conducted on the data. The Results Shows significant differences in land use changes Around Saghez city in different periods of time that the most intense amount of Changes in comparison Images of 2000and 2013are visible.During this period rural settlements of Saleh Abad and Ghavekh In terms of physical development have been merged in Saghez city. On the other hand the most increased levels regarding the construct land by changing from 18 to 25percent and also the largest decline associated with pasturelands a reduction of 43 to 30 percent. It should be noted Agricultural land use and vegetation in the whole period of monitoring has been fluctuated but it shows significant decrease generally.

کلیدواژه‌ها [English]

  • Keywords: monitoring
  • land use changes
  • classification of images
  • Saghez

ام میدز، پل (1377)، پردازش تصاویر سنجش از دور، ترجمه محمد نجفی دیسفانی، انتشارات سمت

پورمحمدی، محمد رضا (1387)، برنامه ریزی کاربری اراضی شهری، انتشارات سمت، چاپ چهارم

رسولی، علی اکبر، زرین بال، محمد، شفیعی، محمد (1388) کاربرد تصاویر ماهوراره ای با هدف تشخیص تغییرات کاربری اراضی و ارزیابی اثرات محیط زیستی، نشریه پژوهش آبخیزداری، دوره 31،

سید میرزائی، سید محمد (1383)، نگاهی به آینده شهر، پژوهشنامه علوم انسانی، شماره 21 و 22، بهار و تابستان 1383

شفیعی، محمد (1388)، کاربرد تصاویر ماهواره‌ای با هدف تشخیص تغییرات کاربری اراضی و ارزیابی تاثیرات زیست محیطی، پژوهش‌های آبخیزداری، شماره 82

شکوئی، حسین (1373)، دیدگاه‌های نو در جغرافیای شهری، جلداول، انتشارات سمت، چاپ دوم

عزیزپور، محمد (1375) توان سنجی محیط طبیعی و توسعه فیزیکی شهر تبریز رساله دکتری رشته جغرافیا  و برنامه رزی شهری، دانشکده ادبیات و علوم انسانی. دانشگاه تربیت مدرس

فرید، یدا...(1373)، جغرافیا و شهرشناسی، انتشارات دانشگاه تبریز،

لیلیساند و کیفر (1380)، پردازش رقومی تصاویر ماهواره‌ای، مترجم، ترجمه حمید مالمیریان، انتشارات سازمان جغرافیایی وزارت دفاع نیروهای مسلح

مؤمنی، مصطفی، دهباشی، علی (1378) پایگاه علم جغرافیا در ایران، پایگاه جغرافیای شهری در ایران، انتشارات فرهنگستان علوم جمهوری اسلامی ایران ‌

Aspinall, R., 2004. Modelling land use change with generalized linear models—a multi-model analysis of change between 1860 and 2000 in Gallatin Valley, Montana. J. Environ. Manage. 72, 91–103.

Chakir, Raja.,& Le Gallo, Julie. 2013. Predicting land use allocation in France: A spatial panel data analysis. Ecological Economics, 92, 114–125.

Chen, Liang.,&Nuo, Wang. 2013. Dynamic simulation of land use changes in port city: a case study of Dalian, china. Procedia - Social and Behavioral Sciences, 96, 981 – 992.

Erika, L., Eric, F., Lambin, A.C., Janetos, R.D., Frederic, A., Navin, R., Robert, J.S., 2005. A synthesis of information on rapid land-cover change for the period 1981–2000. Bioscience 55, 115–124.

Fischer, G., & Sun, L.X. 2001. Model based analysis of future land-use development in China. Agric. Ecosyst. Environ. 85, 163–176.

Gautam, A.P., Webb, E.L., Shivakoti, G.P., 2003. Land use dynamics and landscape change pattern in a mountain watershed in Nepa1. Agric. Ecosyst. Environ. 99, 83–96.

Guan, D.J., Gao, W.J., Watari, K., Fukahori, H., 2008. Land use change of Kitakyushu based on landscape ecology and Markov model. J. Geogr. Sci. 18, 455–468.

Guan, DongJie., Li, HaiFeng., Inohae, Takuro., Su, Weici., Nagaie, Tadashi., &Hokao, Kazunori. 2011. Modeling urban land use change by the integration of cellular automaton andMarkov model. Ecological Modelling, 222, 3761– 3772.

Henk, C., &Latesteijn, V. 1995. Assessment of future options for land use in the European Community. Ecol. Eng. 4, 211–222.

Jose A. Sobrino,Juan C. Jimenez-Munoz, Leonardo Paolini(1994), Land surface temperature retrieval from LANDSAT TM5, Remote Sensing of Environment 90 (2004) 434 – 440

Kamusoko, Courage.,Aniya, Masamu., Adi, Bongo., &Manjoro, Munyaradzi. 2009. Rural sustainability under threat in Zimbabwe – Simulation of future land use/cover changes in the Bindura district based on the Markov-cellularautomata model. Applied Geography, 29, 435–447.

Kline, J.D., 2003. Characterizing land use change in multidisciplinary landscape-level analyses. Agr. Resour. Econ. Rev. 32, l03–l15.

Li, H., & Reynolds, J. F. 1997. Modeling effects of spatial pattern, drought, and grazing on rates of rangeland degradation: a combined Markov and cellularautomaton approach. In D. A. Quattrochi, & M. F. Goodchild (Eds.), Scale in remote sensing and GIS (pp. 211–230). Boca Raton, Florida: Lewis Publishers.

Li, X., Yeh, A.G.-O., 2002. Neural-network-based cellular automata for simulating multiple land use changes using GIS. International Journal of Geographical Information Science 16, 323–343.

 Liang, Shunlin,quantitative remote sensing of land surfaces, john Wiley, 2004.

Lillesand,Thomas.M, kicfer,Palph.W(1994), Remote sensing and image interpretation,John Willey & Sons Inc

Mancosu, E., Gago-Silva, A., Barbosa, A., de Bono, A., Ivanov, E., Lehmann, A., &Fons, J. 2014.Future land-use change scenarios for the Black Sea catchment. environmental science & policy, in press. ENVSCI-1334; No. of Pages 11.

Mengistu, D., Salami, A., 2007. Application of remote sensing and GIS in land use/land cover mapping and change detection in a part of south western Nigeria. Afr. J. Environ. Sci. Technol. 1, 99–109.

Muller, M.R., Middleton, J., 1994. A Markov model of land-use change dynamics in the Niagara region, Ontario, Canada. Landscape Ecology 9, 151–157.

Myint, S. W., & Wang, L. 2006. Multicriteria decision approach for land use land cover change using Markov chain analysis and a cellular automataapproach. Canadian Journal of Remote Sensing, 32(6), 390–404.

Patma, V., Sukaesinee, S., Viriya, L., Somjai, S., Vidhaya, T.G., Vichai, S., 2004. From forest to farmfields: changes in land use in undulating terrain of northeast Thailand at different scales during the past century. J. Southeast Asian St. 41, 444–472.

Pijanowski, B.C., Brown, D.G., Shellito, B.A., &Manik, G.A. 2002. Using neural networks and GIS to forecast land use changes: a land transformation model. Comput. Environ. Urban Syst. 26, 553–575.

Richards.J.A(1999), Remote sensing digital image analysis an introduction, Springer

Schaldach, R., Priess, J.A., Alcamo, J., 2011. Simulating the impact of biofuel develop-ment on country-wide land-use change in India. Biomass and Bioenergy 35 (6),2401–2410.

Shao, J.G., Ni, J.P., Wei, C.F., Xie, D.T., 2005. Land use change and its corresponding ecological responses: a review. J. Geogr. Sci. 15, 305–328.

Silverton, J., Holtier, S., Johnson, J., & Dale, P. 1992. Cellular automaton models of interspecific competition for space-the effect of pattern on process. Journal of Ecology, 80, 527–534.

Suzanchi, Kianoush.,&Kaur, Ravinder. 2011. Land use land cover change in National Capital Region of India: a remote sensing & GIS based two decadal spatialtemporal analyses. Procedia Social and Behavioral Sciences, 21, 212–221.

Twonshed.R.G,Mcmanus,j(1992), The impact of misregristration on change detection, IEEE Trans Geosci and Rmote sensing, Vol 30, No 5,1054-1060

Van de Griend, A. A., & Owe, M. (1993). On the relationship between thermalemissivity and the normalized difference vegetation index for natural surfaces. International Journal of Remote Sensing, 14(6)