بررسی قابلیت داده‌های سنجندۀ لندست به‌منظور بررسی تغییرات پوشش اراضی (مطالعۀ موردی: تالاب بین‌المللی ‌هامون)

نویسندگان

1 دانشگاه تهران

2 دانشگاه سیستان و بلوچستان

چکیده

مدیریت منابع طبیعی نیازمند اطلاعات صحیح و به‌روز است. بنابراین، پایش روند تغییرات می‌تواند به مدیریت بهینه منابع طبیعی و شناخت دقیق تغییرات منابع کمک بزرگی بنماید. در این مطالعه با استفاده از داده‌های رقومی سنجنده‌های MSS(1977) ، TM(1988)، ETM+(2002) و OLI(2014) تغییرات تالاب‌هامون و پوشش اراضی اطراف آن طی یک دورۀ 38 ساله (2014-1977) با استفاده از روش مقایسه پس از طبقه‌بندی (Post Classification) بررسی و نقشۀ پوشش اراضی سال 2025 با استفاده از زنجیرۀ مارکوف پیش‌بینی شد. تعین نقشه‌های پوشش اراضی پس از انجام مراحل پیش‌پردازش و پردازش تصاویر ماهواره‌ای، تعیین نمونه‌های تعلیمی و ارزیابی دقت نقشه‌ها با استفاده از ضریب کاپا و صحت کلی صورت گرفت. نتایج روند تغییرات تالاب و پوشش اراضی اطراف آن در 38 سال (2014-1977) طی سه دوره نشان داد که دردورۀ اول و دوم تغییرات تالاب به‌صورت منفی بود، ولی در دورۀ سوم تغییرات دارای یک شیب مثبت در جهت احیا شدن تالاب پیش رفته است. همچنین نتایج نشان داد که در طول کل دوره، روند تغییرات تالاب در جهت تخریب آن بوده است. تغییرات پوشش اراضی به این صورت بود که سه کلاس نیزار، اراضی بایر و اراضی شور کاهش مساحت داشته و تنها کلاس پوشش گیاهی افزایش داشت. با توجه به نتایج این تحقیق مشخص می‌شود که از این مطالعه می‌توان به‌عنوان یک الگو برای سایر مطالعات با هدف پایش تغییرات پوشش زمین در مناطق خشک و بیابانی استفاده کرد.

کلیدواژه‌ها


عنوان مقاله [English]

Review of Capability Landsat Data for Evaluating Land Cover Changes (Case Study: International Hamoun Wetland)

نویسندگان [English]

  • mojtaba shakeryari 1
  • Amirhoushang Ehsani 1
  • touraj nasrabadi 1
  • payman mahmoudi 2
1
2
چکیده [English]

Natural resource management is requires update and accurate information. Thus, monitor changes would have help to optimal management of natural resources and accurate recognition of resource changes. In this study, using digital data MSS (1977), TM (1988), ETM + (2002) and OLI (2014) studied hamoun wetlands and land cover Its surrounding changes over a period of 38 years (2014-1977) using the comparative after classification method (post classification) and was predicted land cover map for 2025. Land cover mapping was conducted after pre-processing and processing satellite images, creation of training samples and assessing maps accurate was done by coefficient kappa and overall accuracy. Results of wetland changes and its surrounding land cover showed that wetland changes Has been negative in the first and second periods but, changes has been positive and wetland moved forward to revive in the third period. Generally, during the whole period the trend of wetland changes has been destruction. Land cover changes, canebrake, Barren lands classes and Saline Soils reduced and only will increase vegetation class. This study also can be used as a pattern for other studies to predict ecosystem changes in arid regions should be used.

کلیدواژه‌ها [English]

  • Landsat data
  • Land cover
  • Hamoun
  • Markov chain
. Ahmadi.,2009 Comparison of four classification methods to extract land use and land cover from raw satellite images for some remote arid areas, kingdom of Saudi Arabia. Earth, 20(1): 167-191. 2. Asghari, Z., (2013). Evaluation of Urmia lake level changes as profound environmental challenge Facing the North West of Iran. Jurnal of Geographical space 41, 77-91. 3. Bacani, V. M., Sakamoto, A. Y., Quénol, H., Vannier, C., & Corgne, S. 2016. Markov chains–cellular automata modeling and multicriteria analysis of land cover change in the Lower Nhecolândia subregion of the Brazilian Pantanal wetland. Journal of Applied Remote Sensing, 10(1), 016004-016004. 4. Environ, J., 2012, “ Modeling plausible Impacts of land use chang on wild life habitats, Application and validation : Lisar protected area, Iran.” Environ. Res, vol. 6, pp. 883-892. 5. Fan, F., Wang, Q., Wang, Y., 2007. "land use and land cover change in Guangzhou, Chaina, from 1998 to 2003, based on landsat TM/ETM+ imagery", Sensors., Vol. 7, pp. 1323-1342. 6. Felahatkar, S. A. R,. Sofiyanian, S,J,. KHjedin, V,. Ziyaei, R,. 2009. " Study the ability CA Markov model to predict land cover map (case study: Isfahan)". Conference of Geomatics National.tehran. 7- Feyzi zadeh, B., Azizi, H., Valizadeh, K., 2007. Extraction of land use Malakan city using satellite images ETM+ Landsat 7. Journal of Land use planning 2, 74-93. 8. Gahegan, M., German, G. and West, G., 1999, Improving Neural Network Performance on the Classification of Complex Geographic Datasets, Journal of Geographical Systems, No. 1, pp. 3-22. 9. Halmy, M. W. A., Gessler, P. E., Hicke, J. A., & Salem, B. B. 2015. Land use/land cover change detection and prediction in the north-western coastal desert of Egypt using Markov-CA. Applied Geography, 63, 101-112. 10. Heydarian, P,. Rangzan, K,. Maleki, S, Taghizadeh, A,. 2014. Combination remote sensing, GIS, LCM model approach to moddeling urban development (Case Study Metropolis Tehran). Jurnal of Geographical Studies of Arid Zones 17, 87-100. 11. Jafari, SH., Alizadehshabani, A,. Danehkar, A,. 2012. "Assesment of trnd of changes urmia lake by landsat satellite images" International Conference of urmia Lake, challenges and solutions. 12. Karimi, K,. Komaki, CH.B,. 2015. Monitoring, assessment and prediction of the spatial variations land use / land cover using Markov Chain Model (Case study: Plain Bstaq South Khorasan). Jurnal of usage remote sensing and GIS in the natural resours 2, 75-88. 13. Lambin, E. F., Geist, H., & Rindfuss, R. R. 2006. Introduction: local processes with global impacts. In Land-use and land-cover change (pp. 1-8). Springer Berlin Heidelberg. 14. Opeyemi ZA. 2008. Monitoring the growth of settlements in Ilorin, Nigeria (a GIS and remote sensing approach). The Internationa Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, 37: 225-232. 15. Ozesmi,S.L., E.M.,Bauer. 2002. Satellite remote sensing of wetlands. Wetlands Ecology and Management. (10): 381-402. 16. Papliyazdi, M,H., Jalali, A,. 1995. Hirmand/Helmand/Helmanrud. Jurnal of Geographical Research 37, 109-121. 17- Rafiei, Y., Malek Mohamadi, B., Abkar, A.A., Yavari, A., Ramezani, M., Zohrabi, H. 2011. Study of wetland environmental changes using TM. Journal of environmental studies 57: 65-76. 18. Stavros Kolios, Chrysostomos D. Stylios., 2013, “Identification of land cover/land use changes in the greater area of the Preveza peninsula in Greece using Landsat satellite data”, Applied geography, VOL. 40, pp. 150-160. 19- Shirkalaei, A., 2008. Assess urban expansion and its impact on land use changes southern coast of the Caspian Sea using GIS (Case Study: the road of Chaloos-Noor. Master Thesis. University of Zanjan. 20. Tien Bui D, Pradhan B, Lofman O, Revhaug I, Dick OB 2012 Landslide susceptibility assessment in the Hoa Binh province of Vietnam: a comparison of the Levenberg–Marquardt and Bayesian regularized neural networks. Geomorphology 171:12–19. doi:10.1016/j. 21. Zebardast, L,. Jafari, H,R,. 2011. Assesment of trnd of changes Anzali lake by remote sensing and offer management solution. Jurnal of Environmental studies 37(57), 57-64. 22. Zobeyri, M,. Majd, A,. 2001. Introduction to remote sensing and its use of natural resources. Tehran university publishers, iran.