ارزیابی کارآمدترین الگوریتم طبقهبندی نظارتشده در پایش تغییرات رشد شهر تهران
محورهای موضوعی : آمایش سرزمین
آیدا اشجعی
1
(دانشجوی دکترای علوم و مهندسی محیط زیست، دانشکده منابع طبیعی و محیط زیست، دانشگاه آزاد اسلامی واحد علوم و تحقیقات، تهران، ایران.)
سید مسعود منوری
2
(دانشیار، گروه علوم و مهندسی محیط زیست، دانشکده منابع طبیعی و محیط زیست، دانشگاه آزاد اسلامی واحد علوم و تحقیقات، تهران، ایران. *(مسوول مکاتبات))
جلیل ایمانی هرسینی
3
(استادیار، گروه علوم و مهندسی محیط زیست، دانشکده منابع طبیعی و محیط زیست، دانشگاه آزاد اسلامی واحد علوم و تحقیقات، تهران، ایران.)
مریم رباطی
4
(استادیار، گروه علوم و مهندسی محیط زیست، دانشکده منابع طبیعی و محیط زیست، دانشگاه آزاد اسلامی واحد علوم و تحقیقات، تهران، ایران.)
زهرا عزیزی
5
(دانشیار، گروه سنجش از دور و سیستم اطلاعات جغرافیایی، دانشکده منابع طبیعی و محیط زیست، دانشگاه آزاد اسلامی واحد علوم و تحقیقات، تهران، ایران)
کلید واژه: شبکه عصبی, مجموعه حفاظتی جاجرود, تهران, رشد افقی شهر, حداکثر شباهت,
چکیده مقاله :
زمینه و هدف: گسترش افقی شهر پدیده ای پویا و پیچیده بوده و مؤثرترین عامل تغییر کاربری- پوشش اراضی همگام با رشد جمعیت و اقتصاد است و تغییرات ناشی از آن، بر پوشش گیاهی و عملکرد اکوسیستم های شهری تأثیر می گذارد. در این پژوهش شناسایی مناسب ترین الگوریتم طبقه بندی برای بررسی اثر رشد افقی شرق شهر تهران در بازه ی زمانی ۱۳۶۵ تا ۱۳۹۵ بر تغییرات کاربری- پوشش اراضی مجموعه حفاظتی جاجرود مورد مطالعه قرار گرفته است. روش بررسی: در این پژوهش تهیه نقشه تغییرات پوشش- کاربری اراضی با استفاده از روش طبقه بندی نظارت شده و مقایسه ی سه الگوریتم شبکه عصبی، حداقل فاصله و حداکثر شباهت در محیط نرم افزارENVI 5.3.1 انجام شد. یافته ها: تغییرات کاربری- پوشش اراضی سال های ۱۳۶۵ تا ۱۳۹۵ (بازه زمانی ۳۰ سال) بیانگر افزایش مساحت کاربری- پوشش اراضی شامل مرتع متراکم ۴۵/۵۸%، اراضی بایر۱۹/۹۱%، شهر ۵۷/۶۵%، جنگل ۴۷/۷۴% در سال ۱۳۹۵ نسبت به سال ۱۳۶۵ است. بحث و نتیجه گیری: با مقایسه و بررسی سه الگوریتم طبقه بندی نظارت شده شامل شبکه عصبی، حداقل فاصله، حداکثر شباهت، روش شبکه عصبی مناسبترین الگوریتم به منظور شناسایی تغییرات کاربری- پوشش اراضی بوده است.
Background and Objectives: The urban sprawl is a dynamic and complex phenomenon, and the most effective factor is land use-cover change Coordinated by with the growth of population and economy, and the resulting changes affect vegetation and the functioning of urban ecosystems. In this paper, identification of the most appropriate classification algorithm to investigate the effect of urban sprawl growth in the east of Tehran city in the time period of 1986 to 2016 on land use-cover changes of Jajroud protected area has been studied. Material and Methodology: In this research, the land cover-use changes map was prepared using the supervised classification method and the comparison of three neural network algorithms, minimum distance and maximum likelihood was done in ENVI 5.3.1 software environment. Findings: Land use-cover changes from 1986 to 2016 (period of 30 years) shows the increase of land use-cover area including compact rangelands 58.45%, arid region 91/19%, urban 65/57%, and forest 74/47%. In 2016 compared to 1986. Discussion and Conclusion: By comparing and examining three supervised classification algorithms including neural network, minimum distance, maximum likelihood, the neural network method has been the most suitable algorithm to identify land use-cover changes.
_||_