پديد آورندگان :
درويشي، يوسف دانشگاه پيام نور - گروه جغرافيا، تهران،ايران , عينعلي، محمد دانشگاه صنعتي خواجه نصير طوسي - دانشكده نقشه برداري، تهران،ايران , انجم شعاع، امينه دانشگاه آزاد اسلامي واحد كرمان - گروه معماري، كرمان، ايران
كليدواژه :
سري زماني , پوشش زمين , سنجش از دور , مناطق پيراشهري , Gis
چكيده فارسي :
رشد روزافزون جمعيت و در پي آن گسترش افقي روستاها منجر به تغييرات كاربري اراضي به‌ويژه در مناطق حفاظتي شده كه تخريب عرصههاي طبيعي را در پي داشته است. جهت استفاده بهينه از زمين، آگاهي از تغييرات كاربري اراضي و نوع استفاده انسان از سرزمين ضروري به نظر مي‌رسد كه اين امر با آشكارسازي تغييرات كاربري اراضي ميسر مي‌گردد. لذا به منظور حفاظت از اين منطقه، نه تنها شناخت مناسب از عوامل انساني، بلكه نقش عوامل طبيعي از جمله پوشش گياهي بسيار با اهميت مي باشد. در تحقيق حاضر از تصاوير ماهواره لندست در 7 دوره زماني استفاده شد. بهمنظور بررسي و تحليل تغييرات پوشش گياهي در منطقه مورد مطالعه از شاخصهاي EVI,DVI و NDVI بهره گرفته شد. در مطالعه حاضر، بر اساس اهداف مدلسازي، بررسي تغييرات پوشش جنگل در محدوده‌ي مورد مطالعه با استفاده از تصاوير ماهواره‌اي لندست(4،5 و 8) براي سال‌هاي 1985، 1990، 1995 ، 2000، 2010، 2015 و 2017 انجام شده است. تصاوير رنگي كاذب سنجنده OLI مورد استفاده به باند پانكروماتيك با 20 نقطه كنترل زميني و با رعايت RMSe مناسب (28/0) زمين مرجع شد سپس تصاوير سنجنده‌هاي MSS و TM به روش تصوير به تصوير با RMSe كمتر از 5/0 زمين مرجع شدند. در همين راستا اجراي مدل سازي پتانسيل انتقال با الگوريتم رويه يادگيري بر مبناي پرسپترون چند لايه (Multilayer Perceptron) و پيشبيني تغييرات براي بهترين مدل با استفاده از زنجيره ماركف انجام شد. سپس براي ارزيابي صحت مدل سازي با آماره هاي Hit، Misses و False alarm استفاده گرديد. نتايج حاصل از بررسي شاخص هاي پوشش گياهي بيانگر بهبود وضعيت پوشش در بازه مورد بررسي بودند. نتايج حاصل از بررسي شاخص هاي پوشش گياهي بيانگر بهبود وضعيت پوشش در بازه مورد بررسي بودند. بررسي كاربري اراضي نيز گوياي اين مطلب بود كه با روند فعلي از مساحت اراضي فاقد پوشش كاسته شده و به مساحت طبقه پوشش مرتع و پوشش جنگل افزوده خواهد شد. بنابراين بهبود شرايط پوشش را ميتوان به اعمال عمليات حفاظتي نسبت داد.
چكيده لاتين :
The ever-increasing population growth and subsequent horizontal expansion of villages has led to changes in land use, especially in protected areas, resulting in the destruction of natural areas. In order to make the best use of the land, it seems necessary to be aware of the changes in land use and the nature of human use of the land, which can be done by revealing the changes in land use. Therefore, in order to protect this area, it is not only important to understand the human factors, but also the role of natural factors, including vegetation. In this research, Landsat satellite imagery was used in 7 time periods. EVI, DVI and NDVI indices were used to study and analyse the changes in vegetation in the study area. In the present study, based on the modelling objectives, the changes in forest cover in the study area were investigated using Landsat satellite images for the years 1985, 1990, 1995, 2000, 2010, 2015 and 2017.The false colour images of the OLI sensor used were referenced to the panchromatic band using 20 ground control points and an appropriate RMSe (0.28) of the ground, then the images of the sensors MSS and TM were referenced using the image-to-image method with an RMSe of less than 0.5. In this context, the modelling of the transmission potential was performed using the learning algorithm based on the multilayer perceptron and the prediction of the changes for the best model was performed using the Markov chain. Subsequently, the accuracy of the modelling was evaluated using the statistics of hits, misses and false alarms. The results of the vegetation indicators study showed the improvement of the vegetation condition in the studied period. The results of the vegetation indicators study showed that the vegetation condition improved during the studied period. The study of land use also showed that with the current trend, the area without cover will decrease and the area with pasture and forest cover will increase. Therefore, the improvement in cover conditions can be attributed to the application of conservation measures.
