پایش تغییرات کاربری اراضی کرج با استفاده از تکنیک سنجش از دور

نوع مقاله : مقاله پژوهشی

نویسنده

محقق مؤسسه تحقیقات خاک و آب

چکیده

واحد های کاربری اراضی تحت تأثیر رویدادهای طبیعی، عملکردهای انسانی، مسایل اجتماعی و اقتصادی بویژه در اطراف شهرهای بزرگ همواره دستخوش تغییر می شوند. در این تغییرات اراضی گوناگون به اراضی ساخته شده اعم از مسکونی، تجاری، صنعتی یا شبکه راهها تبدیل شده و در برخی موارد بصورت اراضی بایر رها می شود. برای به نقشه در آوردن مرز واحدهایی که به سرعت در حال تغییر می باشد ابزار و تکنیک هایی مورد نیاز می باشد که قادر به جمع آوری و ثبت داده ها در مدت زمان کوتاه بوده تا نتایج آن بصورت نقشه های موضوعی در دسترس قرار گیرند. در این تحقیق با استفاده از قابلیت تکنیک سنجش از دور تغییرات کاربری اراضی شهر کرج و اطراف واقع در غرب شهر تهران به منظور تخمین میزان کاهش اراضی کشاورزی و باغی و افزایش سطح مجموعه شهری در بازه زمانی بین سال های 1366 تا 1381 (1987 تا 2002) مورد بررسی قرار گرفته است. برای تعیین انواع کاربری های منطقه از تصاویر ماهواره ای لندست های 5 و 7 (ETM+) استفاده گردید. محدوده مورد مطالعه از تصاویر استخراج گردیده سپس با روش طبقه بندی نظارت شده[1]با استفاده از نقشه های سال 1378 با مقیاس 1:25000 ، شاخص های روشنایی و سبزینگی[2] واحدهای اراضی تعیین گردبد. نتایج حاصله با یکدیگر و با واقعیت های زمینی[3]  مقایسه گردیده و مشخص شد که نوع کلاسبندی نظارت شده با واحد های اراضی موجود تطابق بیشتری را نشان می دهد. با بررسی تصاویر در دو زمان می توان دریافت که همانند دیگر کلان شهر های دنیا کلان شهر کرج نیز در طول 15 سال گذشته در اثر تغییر کاربری اراضی تغییرات وسیعی داشته که در اغلب موارد نتیجه این تحولات به زیان محیط زیست بالاخص پوشش گیاهی بوده و در زمینه های اقتصادی، اجتماعی و سیاسی نیز بسیار موثر بوده است.با بررسی تصاویرماهواره ای مشخص گردید وسعت اراضی مسکونی ساخته شده در تصویر سال 1987 شامل شهر کرج و آبادی های پراکنده در اطراف آن تقریباً 3/6032 هکتار بوده و در تصویر سال 2002 که شهر کرج به شهری بزرگ و آبادی های آن به شهرهای کوچک تبدیل شده اند در مجموع وسعتی بالغ بر 12/10541 هکتار را اشغال شده است. گسترش سریع شهر کرج و حومه بویژه به سمت جنوب و غرب سبب گردیده اراضی تولید کننده محصولات زراعی- باغی که دارای شرایط مناسب برای کشت می باشند به واحدهای ساخته شده مسکونی، صنعتی و غیره تبدیل گردیده اند. به این ترتیب می توان برآورد نمود که به طور میانگین هر سال 6/300 هکتار بر وسعت اراضی ساخته شده افزوده شده که قسمت اعظم آن با پیشروی در اراضی کشاورزی بوده است.
 
[1] - Supervised Classification
[2] - Brightness and Greenness Indexes
[3] - Ground Truth

کلیدواژه‌ها


عنوان مقاله [English]

Monitoring Land Use\ Land Cover Changes in Karaj By Applying Remote Sensing

نویسنده [English]

  • Zahra Mohammad Esmaeil
Member of Soil and Water Research Institute
چکیده [English]

The border of land units influenced by human, social, economic events and natural occurrence has been changed mostly based on time and location parameters and partly unplanned. Data according to the environmental conditions are necessary for source management. As it takes a long time and expense to collect data, tools and technologies are applied so that exact and less expense might be consumed. This research focused on land use change in Karaj city, located in west of Tehran interval 1987 and 2002 with applying remote sensing technique and satellite images. Landsats 5 and 7 (ETM+) images used for this study. First the region was extracted then land units classified by supervised classification, brightness and greenness images. The result from various types of classifications compared with each other as well as ground truth, so that the settlement between supervised classifications with land use can be specified. By surveying on the images reveals that magnitude of change this metropolis like the others in the world have high rate changes in social-economic environment and land use. According to the images in 1987, the extent of built-up units includes Karaj city and suburbs and its vicinities were 6032.3 hectares and in 2002 images was 10541.12 hectares. So Karaj city converted to metropolitan and vicinities to towns and cities. The high rate growing of Karaj caused farmlands and orchards transformed to build-up lands. This conversion was happened toward south and west where the lands are more suitable for cultivation and agriculture productions. According to this research, using satellite images for interval in vast areas by various processing methods and classifications are very effective and important and mostly results coincide the facts.

کلیدواژه‌ها [English]

  • Land Use
  • Land Units
  • Satellite Images
  • Supervised Classification
  • Time Intervals
  1. اسدی هرمز، 1381، بررسی اقتصادی فعالیت گندم کاری در شهرستان کرج، اولین همایش کرج شناسی
  2. علوی پناه، سیدکاظم، 1382، کاربرد سنجش از دور در علوم زمین (علوم خاک)، انتشارات دانشگاه تهران
  3. مدیریت جهاد کشاورزی شهرستان کرج، 1378، سیمای کشاورزی شهرستان کرج
  4. محمداسماعیل، زهرا، 1384، بررسی ابعاد مکانی و اقتصادی تغییرکاربری اراضی در حواشی کلان شهر کرج، نشریه شماره 1228، موسسه تحقیقات خاک و آب
  5. نجفی دیسفانی، محمد، 1377، پردازش کامپیوتری تصاویر سنجش از دور(ترجمه)، سازمان مطالعه و تدوین کتب علوم انسانی دانشگاه تهران (سمت)
  6. Ahadnejad, M., 2002. Environmental land use Change detection and assessment using with multi-temporal satellite imagery (Case Study Marageh Region). Map Asia 2002- Bangkok - Thailand
  7. Anderson, J, R.,E. Hardy, J. T. Roach, and R. E. Witmer. 1976. A Land Use and Land Cover Classification System for Use with Remote Sensor Data. Geological Survey Professional Paper 964.
  8. Aspinall, R. J., and M.J., Hill. Land Use Change Science, Policy and Management. Taylor & Francis Group, LLC
  9. Boitshoko, D., 2007, Extracting Spatial Information from Aerial Video Imagery for Monitoring Riparian Areas, P.21
  10. Congalton, R. G., Assessing the Accuracy of Remotely Sensed Data, Principles and Practices. Second Edition. Taylor & Francis Group, LLC
  11. Donnay, J, P., M, J, Barnsley., P, A, Longley.2001. Remote Sensing and Urban Analysis. Taylor & Francis .P 84 – 113
  12. Kachhwaha T. S. 1985. Temporal Monitoring of forest land for change detectives and forest cover mapping through satellite remote sensing techniques, Proceedings of the 6th Asian Conference on Remote Sensing. November 21-26, 1985, Hyderabad, India. PP. 276-281
  13. Liengsakul, M., Mekpaiboonwatana, S., Pramojanee, P., Bronsveld, K. & Huizing, H. 1993. Use of GIS and remote sensing for soil mapping and for locating new sites for permanent cropland: a case study in the highlands of Northern Thailand. Geoderma, 60: 293–307
  14. Lotfi, S., 2001, REMOTE SENSING FOR URBAN GROWTH IN NORTHERN IRAN. 22nd Asian Conference on Remote Sensing, 5-9 November 2001, Singapore
  15. Mather, P. M., 2004. Computer Processing of Remotely-Sensed Images, An Introduction, Third Edition, John Wiley sons, Ltd
  16. Okello, Were, Kenedy., 2008.Monitoring spatio -temporal dynamics of land cover changes in Lake Naivasha drainage basin, Kenya, ITC, The Netherland
  17. PETIT1, T , 2001.Quantifying processes of land-cover change by remote sensing: resettlement and rapid land-cover changes in south-eastern Zambia. SCUDDER2 and E. LAMBIN International Journal  Remote sensing, , vol. 22, no. 17, 3435–3456
  18. Saadat, H. , Bonnell, F. Sharifi, G., Mehuys, M.  Namdar, S. Ale-Ebrahim. 2008. Landform classification from a digital elevation model and satellite imagery. Geomorphology 100 (2008) 453–464. Elsevier
  19. Stone ., Lefever 1998, Mas 1999.International Journal of Remote Sensing 2001.no.21
  20. Warner, T , 2001. Introduction to Remote Sensing, Department of Geology and Geography West Virginia University
  21. Weerakoon, K.G.P.K., 2002. Integration of Gis Based Suitability Analysis and Multi Criteria Evaluation for Urban Land Use Planning; Contribution from the Analytic Hierachy Process. net
  22. Yuan, F., Sawaya K.E., Loeffelholz B.C, Bauer E., 2005, Land cover classification and change analysis of the Twin Cities (Minnesota) Metropolitan Area by multi-temporal Landsat remote sensing. Remote Sensing of Environment 98(2-3): 317-328.
  23. Zeaiean Firouaabadi, P,.E, Ghanavati .2000 Digital Approaches for Change Detection in Urban Environment. Geographic researchs, vol.84  
  24. Zhang, Q., J. Wang, X. Peng, P. Gong and P. Shi, 2002. Urban built-up land change detection with road density and spectral information from multi-temporal Landsat TM data. International Journal of Remote Sensing 23(15): 3057 – 3078