فصلنامه مطالعات توسعه پایدار شهری و منطقه ای

چکیده زمینه و هدف: تغییرات کاربری اراضی یکی از چالش های مهم زیست محیطی محسوب می شود که تاثیرات گسترده ای بر منابع طبیعی، اکوسیستم ها و فرآیند های هیدرولوژیکی دارد. هدف این پژوهش مقایسه کارایی دو الگوریتم جنگل تصادفی و ماشین بردارپشتیبان در استخراج نقشه های کاربری اراضی و تحلیل روند تغییرات آن در دو مقطع زمانی 2015تا 2024 در حوضه آبخیز سامیان واقع  در استان اردبیل با مساحت تقریبی 4236 کیلومتر مربع است.
روش بررسی: به منظور تهیه نقشه کاربری ارضی از تصاویر ماهواره ای لندست 8 و9 و سنتینل2در محیط برنامه نویسی گوگل ارث انجین بهره گیری شد. الگوریتم های طبقه بندی یادگیری ماشین شامل جنگل تصادفی و ماشین بردار پشتیبان برای تولید نقشه های کاربری اراضی با هشت کلاس ( آب، مسکونی، کشاورزی آبی، کشاورزی دیم، برف، جنگل، مرتع متراکم و مراتع کم تراکم) مورد استفاده قرار گرفتند. و دقت آن با استفاده از ماتریس درهمریختگی و شاخص های آن ارزیابی شد . در فرایند نمونه برداری و آموزش مدل ها، از محصولات جهانی(Dynamic World و GHSL) بهره گرفته شد.
نتایج و یافته‌ها: نتایج حاصل از مقایسه خروجی دو الگوریتم نشان داده که الگوریتم RF بادقت کلی و کاپای بیش از ۰٫۹۹ درصد عملکرد دقیق تری نسبت به SVM دارد. در بازه زمانی مورد بررسی، تغییرات قابل توجهی در کلاس های کاربری رخ داده است از جمله افزایش چشمگیر اراضی کشاورزی آبی و مناطق مسکونی و کاهش مساحت زمین های دیم، پوشش برفی و منابع آب سطحی از مهم ترین یافته ها بودند. در مجموع الگوریتم RF به دلیل دقت بالا و پایداری عملکرد گزینه مناسب تری برای پایش تغییرات کاربری اراضی در محیط کلان داده همچون گوگل ارث انجین محسوب می شود.

چکیده زمینه و هدف: تحلیل تغییرات کاربری اراضی به عنوان یکی از شاخص‌های کلیدی تعامل انسان و محیط، برای مدیریت پایدار منابع و برنامه‌ریزی‌های منطقه‌ای امری ضروری است. این پژوهش با هدف تحلیل و آشکارسازی تغییرات مکانی-زمانی کاربری اراضی در شهرستان میاندوآب طی بازه زمانی ۲۰۱۳ تا ۲۰۲۴ با استفاده از الگوریتم بیشینه احتمال و داده‌های سنجش از دور انجام شده است.
روش شناسی: در این تحقیق، داده‌های مورد استفاده شامل تصاویر ماهواره‌ای لندست ۸ برای سال‌های ۲۰۱۳ و ۲۰۲۴ بوده است. این تصاویر پس از انجام پیش‌پردازش‌های رادیومتریک و هندسی، با استفاده از الگوریتم طبقه‌بندی نظارت‌شده بیشینه احتمال (MLC) به نقشه‌های کاربری اراضی تبدیل شدند. در این فرآیند، هشت کلاس کاربری شامل مناطق ساخته‌شده، خاک، جاده‌ها، مزارع، باغات، آب، نمک‌زارها و خاک‌های شور شناسایی و استخراج گردید.
یافته‌ها و نتیجه‌گیری: نتایج ارزیابی صحت طبقه‌بندی در سال‌های ۲۰۱۳ و ۲۰۲۴ نشان داد که دقت کلی به ترتیب ۹۴.۰۷% و ۹۴% بوده است که بیانگر عملکرد قابل‌قبول و دقت بالای الگوریتم طبقه‌بندی است. تحلیل تغییرات کاربری اراضی نشان می‌دهد که در این دوره، مزارع از ۳۱۸۳ هکتار در سال ۲۰۱۳ به ۴۹۶۳ هکتار در سال ۲۰۲۴ افزایش یافته و مناطق ساخته‌شده نیز به ۱۸۴۹ هکتار گسترش یافته‌اند. در مقابل، بیشترین کاهش مربوط به کلاس‌های باغات و خاک بوده است. این تغییرات ناشی از ترکیبی از عوامل انسانی (توسعه شهری و کشاورزی) و اقلیمی (خشکسالی و کاهش منابع آبی) می‌باشد. نتایج این پژوهش می‌تواند به‌عنوان ابزاری کاربردی برای برنامه‌ریزی کاربری اراضی و مدیریت پایدار منابع طبیعی در منطقه میاندوآب مورد استفاده قرار گیرد.