نوع مقاله : مقاله پژوهشی

نویسندگان

1 استادیار و عضو هیات علمی - دانشگاه ارومیه - دانشکده منابع طبیعی

2 دانشگاه ارومیه - دانشکده منابع طبیعی

چکیده

امروزه سنجش از دور به عنوان منبع تولید اطلاعات مکانی در جهت مطالعه پوشش زمین و کاربری‌های اراضی شناخته شده ‌است. حوضه باراندوزچای از لحاظ وسعت و فراوانی بالای اراضی زراعی و باغی در بین حوضه‌های دریاچه ارومیه از اهمیت بالایی برخوردار می‏باشد بمنظور مطالعه تغییرات کاربری اراضی حوضه مذکور تصاویر ماهواره‌ای Landsat5 و Sentinel، سنجنده TM و 2A مربوط به سال‌های 2005، 2010 و 2016 مورد ارزیابی قرار گرفت. از الگوریتم حداکثر شدت احتمال به‌منظور تهیه نقشه کاربری اراضی استفاده گردید. نتایج حاصل از ارزیابی صحت و دقت و همچنین بررسی ضرایب توافق کاپا نشان از دقت بالای نقشه‌های مستخرج از الگوریتم داشته است. به‌منظور آشکار سازی تغییرات از روش تفاضل تصویر استفاده گردید، نتایج نشان می‌دهد که مساحت اراضی درختزار و درختان غیرمثمر طی سال‌های ۲۰۱۰ - 2016 در حوضه باراندوزچای با افزایش روبرو بوده است. اراضی دیم و اراضی آیش نیز جزو طبقاتی بوده‌اند که در طی سال‌های ۲۰۱۰- 2016 با رشد مواجه بوده‌اند. طبق نتایج به‌دست آمده مشاهده گردید که در بازه‌ زمانی 2005 -2010 و 2016 -2010 به ترتیب بیشترین تغییر مساحت صورت گرفته در این حوضه مربوط به سطوح نفوذناپذیر و اراضی آیش و کمترین آن، مربوط به اراضی دیم و درختزار بوده است.

کلیدواژه‌ها

عنوان مقاله [English]

Land Use Change Detection in Barandouzchay watershed from lake Urmia river basin Using Remotely Sensed Landsat5 and Sentinel Imagery

نویسندگان [English]

  • Mirhassan Miryaghoubzadeh 1
  • Seyed-Amin Khosravi 2

1 Assistant Professor - Faculty member - Urmia University - Natural Resources Faculty

2 Urmia University - Natural Resource Faculty

چکیده [English]

Nowadays remote sensing are known as a practical method for studying land use/land cover changes. Due to the high area of agricultural lands, the Barandouzchay basin is one of the important watersheds among all of watersheds in the Lake Urmia river basin. In this study, in order to evaluate LU/LC change, Landsat-5 TM and Sentinel-2A satellite images were used from 2005 to 2016. The maximum likelihood classification method was used to prepare the LU/LC map. The results of the overall accuracy and Kappa coefficient showed a high accuracy of the MLC classification method. In order to extract the change detection maps, the image difference method was used. Results showed that orchard and nonproductive trees during 2010-2016 years have increased in the Barandouzchay basin. In the years before 2010, the trees were relocated by young trees in the Barandouzchay basin. Drylands and bare lands are classified in the 2005-2010 years which has been increased. Most Land use change which is related to urban and lowest change is related to rainfed area from 2005 to 2010, and the most Land use change is related to bare lands and the lowest rate is related to nonproductive tree areas from 2010 to 2016.

کلیدواژه‌ها [English]

  • Change Detection
  • Barandouzchay basin
  • Image difference
  • maximum likelihood
  • LU/LC