سنجش از دور و اجراي مدل ماركوف براي بررسي تغييرات فضاي سبز شهري(مطالعه موردي: منطقه 1 شهرداري تهران)

Application of Remote Sensing and Markov in Investigation and Prediction of Change in Vegetation Cover (Case Study: District 1 of Tehran Municipality)

با توجه به نقش فضاي سبز به عنوان يكي از مهم‌ترين كلاس‌هاي كاربري اراضي در اكوسيستم شهري، مطالعه تغييرات آن مهم است. در اين مطالعه، با هدف بررسي تغييرات فضاي سبز منطقه 1 شهرداري تهران، از شاخص NDVI و تصاوير TM و IRS متعلق به سالهاي 1369 و 1385 استفاده و نقشه‌هاي فضاي سبز منطقه با تاكيد بر درجات مختلف سرسبزي تهيه شد. مقايسه وسعت كلاس‌هاي سرسبزي نشان داد كه وسعت اراضي بدون پوشش به ميزان28/1538 هكتار افزايش و وسعت اراضي تحت پوشش با درجه سرسبزي ضعيف، متوسط و خوب به ترتيب 59/22 ، 3/15 و 36/0 هكتاركاهش يافته است. همچنين، بررسي رويه تغييرات با استفاده از تكنيك بررسي تغييرات پس از طبقه‌بندي با استفاده از Confusion Matrix حاكي از آن است كه با تبديل اراضي بدون پوشش به اراضي تحت پوشش فضاي سبز با درجه سرسبزي ضعيف و متوسط، بر وسعت اراضي تحت پوشش گياهي منطقه به ميزان 25/38 هكتار افزوده شده كه با توجه به تبديل 53/1576 هكتار از اراضي داراي پوشش گياهي به اراضي بدون پوشش، سرانجام از وسعت اراضي تحت پوشش گياهي 28/1538 هكتار كاسته شده است. اعمال مدل ماركوف و سلول‌هاي خودكار ماركوف در پيش‌بيني تغييرات فضاي سبز منطقه، به ترتيب بيشترين احتمال تخريب با مقدار عددي 7743/0 در اراضي تحت پوشش با درجه سرسبزي ضعيف و پراكندگي مكاني احتمالي فضاي سبز منطقه را 1404 تا افق نشان مي‌دهد كه اين موضوع به برنامه‌ريزي هر چه بهتر در زمينه حفظ و گسترش فضاي سبز منطقه كمك مي‌كند.

Land use changes are one of the important consequences of urban spatial extent. Regarding the role of Green space as one of important land use classes in urban ecosystems, the investigations of its changes seem to be crucial. In this study, to estimate the changes of green Space, the NDVI Index was applied to TM and IRS images of 1990 and 2006 and green space maps of District 1 of Tehran municipality by underlining the different greenness levels were generated. The comparison between the areas of greenness classes of green space maps revealed that non-vegetated increased by 1538.28 and poor, moderate and good greenness level green space decreased by 22.59, 15.3 and 0.36 ha respectively. Further more; Post-classification change detection technique was applied to investigate the procedure of changes of the study areaʹs green space based on the conversion of classes. It showed that although the green space area has been increased by 1576.53 ha due to the conversion of non-vegetated to vegetated area, according to the conversion of vegetated area to non-vegetated one by 38.25 ha, it has been decreased by 1538.28, finally. The green space changes were also projected for the next nineteen years when IRAN envisages achieving Vision 1404 using Markov chain analysis. Statistic result shows that maximum probability of green space destruction belongs to poor greenness level green space area by 0.7743. Moreover, the map of applying CA-Markov represents probable spatial distribution of case studyʹs green space in 1404 which is really helpful to urban planning in case of Green spaceʹs conservation and developments.