Geographical Researches

fa روش های شیء پایه و پیکسل پایه برای آشکارسازی تغییرات پوشش اراضی با استفاده از تصاویر لندست و وردویو (مطالعه موردی: غرب تهران) Object-based and pixel-based methods in land cover changes detection using Landsat and Worldview imagery (case study: West of Tehran) جغرافيای شهری Urban Geography پژوهشی اصیل Original Research اهداف: کاربری زمین یکی از مهم‌‌ترین مسایلی است که انسان از طریق آن بر محیط طبیعی و زیستی منطقه تأثیر می‌گذارد همچنین آشکارسازی و استخراج تغییرات عوارض سطح زمین یکی از مهم‌‌ترین کاربردهای اصلی سنجش ‌از دور است. استفاده از ویژگی زمانی داده‌‌های ماهواره‌‌ای در زمان‌‌های مختلف به شناسایی و بررسی پدیده‌‌های سطح زمین در منطقه مورد مطالعه کمک می‌کند. روش‌شناسی: روش‌‌های رقومی مختلفی جهت آشکارسازی و کشف تغییرات پوشش اراضی و تحولات پدیده‌‌های سطح زمین در سنجش ‌از دور توسعه داده شده است. با استفاده از تصاویر ماهواره‌‌ای Landsat 7 در دسامبر سال 2000 و همچنین Worldview 2 در دسامبر سال 2020 یعنی در یک دوره 20ساله، روش‌های شیء پایه (ماشین بردار پشتیبان) و پیکسل پایه (بیشترین شباهت) و همچنین روند رشد کاربری‌های سطح زمین در محدوده منطقه غرب تهران ارزیابی شد. یافته‌ها: قدرت تفکیک مکانی تصویر و الگوریتمهای استفاده‌شده برای استخراج ویژگی‌های سطح زمین در تصویر Worldview 2 با دقت کلّی و ضریب کاپا به‌ترتیب 86.0465% و 0.8069 نسبت به تصویر Landsat 7 با دقت کلّی و ضریب کاپا به‌ترتیب 56.9767% و 0.3962 اثرگذارتر بود. همچنین تغییرات در بازه زمانی 20ساله نشان داد که زمین‌های بایر 9.61 کیلومتر مربع کاهش، پوشش گیاهی 5.13 کیلومتر مربع کاهش، مناطق ساخته‌شده 13.13 کیلومتر مربع افزایش و پهنه‌های آبی به دلیل احداث دریاچه چیتگر حدود یک کیلومتر مربع افزایش مساحت داشتند. نتیجه‌گیری: با توجه به هدف پژوهش که استخراج نوع کاربری اراضی و ماهیت پوشش سطح زمین بود روش ماشین بردار پشتیبان به دلیل دخیل‌کردن فاکتورهای مازاد بر بازتاب طیفی همچون فاکتور شکل، اندازه و بافت در بین باندها نسبت به روش بیشترین شباهت مناسب‌تر است.   Aims: Humans can affect the regional natural and biological environment by changing land use. In order to detect such changes in the earth's surface features, remote sensing is a practical methods. Surface features are detected and then analyzed in the studied area using the chronological charactirstics of the satellite data. Methodology Various digital methods have been developed to show changes in land cover and the earth surface transformations using remote sensing. Landsat 7 satellite images taken in December 2000 and those of Worldview2 taken in December 2020 were used over a 20-year period to compare object-based (Support Vector Machine) and pixel-based (Maximum Likelihood) methods. The mentioned satellite images were used to investigate land use changes trend in the western region of Tehran. Findings: The spatial resolution of the images and the algorithm used to extract features of the earth's surface were more efficient in world View 2 images. The overall accuracy and kappa coefficient for Landsat 7 images were 56.9767% and 0.3962, respectively, while for Worldview2, they were 86.0465% and 0.8069, respectively. Over the 20-year period, bare lands area decreased by 9.61 square kilometers, vegetation-covered area decreased by 5.13 square kilometers, constructed areas increased by 13.13 square kilometers, and water areas increased by approximately one square kilometer due to the construction of Chitgar Lake. Conclusion: The results of the evaluations indicate that the support vector machine method is more compatible than the maximum likelihood method to detect land use types and land cover characteristics, as it incorporates additional factors beyond spectral reflection, such as shape, size, and texture factors between bands. آشکار‌‌سازی تغییرات,بیشترین شباهت,طبقه‌‌بندی,ماشین بردار پشتیبان Variation detection,maximum similarity,classification,support vector machine 181 190 http://georesearch.ir/browse.php?a_code=A-10-1238-3&slc_lang=fa&sid=1 A. Habibi Razi علیرضا حبیبی رزی 100319475328460016211 100319475328460016211 No Department of Remote Sensing and GIS, Faculty of Natural Resource and Environment, Science and Research Branch, Islamic Azad University, Tehran, Iran گروه سنجش از دور و GIS، دانشکده منابع طبیعی و محیط زیست، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران Z. Azizi زهرا عزیزی 100319475328460016212 0000000185727134 Yes Department of Remote Sensing and GIS, Faculty of Natural Resource and Environment, Science and Research Branch, Islamic Azad University, Tehran, Iran گروه سنجش از دور و GIS، دانشکده منابع طبیعی و محیط زیست، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران