سامانه پشتیبانی خدمات اطلاعات

  اخبار و اعلانات

 آمار

تعداد نشریات161
تعداد شماره‌ها6,573
تعداد مقالات71,037
تعداد مشاهده مقاله125,525,385
تعداد دریافت فایل اصل مقاله98,787,607
فیضی زاده, بختیار, سلمانی, سعید. (1395). مدل‌سازی تخریب اراضی کشاورزی بر اثر رشد و توسعة شهری با به‌کارگیری روش‌های شیء‌پایة پردازش تصاویر ماهواره‌ای در محدودة شهری ارومیه. , 8(2), 177-202. doi: 10.22059/jtcp.2016.60193
بختیار فیضی زاده; سعید سلمانی. "مدل‌سازی تخریب اراضی کشاورزی بر اثر رشد و توسعة شهری با به‌کارگیری روش‌های شیء‌پایة پردازش تصاویر ماهواره‌ای در محدودة شهری ارومیه". , 8, 2, 1395, 177-202. doi: 10.22059/jtcp.2016.60193
فیضی زاده, بختیار, سلمانی, سعید. (1395). 'مدل‌سازی تخریب اراضی کشاورزی بر اثر رشد و توسعة شهری با به‌کارگیری روش‌های شیء‌پایة پردازش تصاویر ماهواره‌ای در محدودة شهری ارومیه', , 8(2), pp. 177-202. doi: 10.22059/jtcp.2016.60193
فیضی زاده, بختیار, سلمانی, سعید. مدل‌سازی تخریب اراضی کشاورزی بر اثر رشد و توسعة شهری با به‌کارگیری روش‌های شیء‌پایة پردازش تصاویر ماهواره‌ای در محدودة شهری ارومیه. , 1395; 8(2): 177-202. doi: 10.22059/jtcp.2016.60193

مدل‌سازی تخریب اراضی کشاورزی بر اثر رشد و توسعة شهری با به‌کارگیری روش‌های شیء‌پایة پردازش تصاویر ماهواره‌ای در محدودة شهری ارومیه

مجله علمی " آمایش سرزمین "
مقاله 1، دوره 8، شماره 2، مهر 1395، صفحه 177-202    اصل مقاله (2.03 M)
نوع مقاله: مقاله پژوهشی
شناسه دیجیتال (DOI): 10.22059/jtcp.2016.60193
نویسندگان
بختیار فیضی زاده1؛ سعید سلمانی* 2
1استادیار، دانشکدة جغرافیا و برنامه‌ریزی، دانشگاه تبریز، تبریز، ایران
2دانشجوی کارشناسی ارشد، دانشکدة جغرافیا و برنامه‌ریزی، دانشگاه تبریز، تبریز، ایران
چکیده
مطالعة حاضر، مدل‌سازی تغییرات کاربری اراضی محدودة شهر ارومیه را به‌‌منظور آشکارسازی تغییرات انجام‌گرفته در اراضی کشاورزی مد نظر قرار داده است. در این زمینه تصاویر ماهواره­ای لندست به‌کار گرفته شد. سپس، پردازش شیء‌پایه تصاویر ماهواره‌ای با اعمال فرایند سگمنت‌سازی انجام گرفت و در مرحلة بعدی با بهینه‌سازی مقیاس سگمنت‌سازی و تجزیة تصویر به عناصر تشکیل‌دهندة آن، از انواع الگوریتم‌های شیء‌پایه متناسب با شرایط فیزیکی و هندسی هر یک کلاس‌های کاربری اراضی به‌کار گرفته شد. در طول فرایند پردازش تصاویر علاوه بر اطلاعات طیفی، از اطلاعات مربوط به شکل، همگنی و بافت (GLCM) برای استخراج کاربری‌ها استفاده شد. نتایج پژوهش نشان می‌دهد شهر ارومیه در طی 31 سال گذشته گسترش فیزیکی زیادی داشته، به‌طوری‌که مساحت آن از 43/7 درصد کل منطقة مورد مطالعه در سال 1363، به 75/30 در سال 1394 افزایش یافته است. این افزایش با کاهش زمین‌های کشاورزی جبران شده، به‌طوری که حجم وسیعی از اراضی کشاورزی مستعد مورد ساخت‌وساز قرار گرفته است که به‌معنای تخریب اراضی حاصل‌خیز به‌ویژه اراضی باغی در این منطقه به‌خصوص در محدودة مسیر رودخانه شهرهای چای، بند، محور مهاباد، محور سرو، محور دریا، و محور سلماس بوده است. همچنین، نتایج این تحقیق در شناسایی قابلیت الگوریتم‌های شیءگرا برای مطالعات شهری اهمیت زیادی دارد و می‌تواند راهگشای تحقیقات آتی در به‌کارگیری الگوریتم‌های کارآمد شیءگرا در پردازش تصاویر سنجش از دور برای مطالعات شهری باشد.
کلیدواژه‌ها
اراضی کشاورزی؛ تخریب اراضی زراعی؛ تغییرات کاربری اراضی؛ شهر ارومیه؛ مدل‌سازی شیء‌پایه
عنوان مقاله [English]
Modeling Agricultural Destruction Lands Resulted By Urban Growing in Suburb of Urmia City by Applying an Object Based Image Analysis Approach
نویسندگان [English]
Bakhtiar Feizizadeh1؛ Saeed salmani2
1Assistant Professor, Faculty of Geography and Planning, University of Tabriz, Tabriz, Iran
2M.Sc. Student, Faculty of Geography and Planning, University of Tabriz, Tabriz, Iran
چکیده [English]
 
In the present research land use changes modeling in the Urmia city is considered in order to detect changes in agricultural lands. In this regard, Landsat satellite images were used and then the object base processing satellite images was performed by applying the process segmentation and in the next stage, the optimization of scale segmentation and image analysis to its constituent elements, the object basic algorithms according to the physical condition, geometric of each land-use classes were used. During images processing in addition to spectral data, the data in the form of homogeneous, shape and texture (GLCM) were used for land use extraction. The results show that the Urmia city had so many physical expand in the past 31 years so that its area has increased from 7.43% of the total study area in 1363 to 30.75 in 1394. This increase was rectify by the reduction of agricultural lands so that  large amount of agricultural lands have been used for construction purposes which has caused land degradation, particularly fertile lands in this area, particularly within the Shahr chay river, Mahabad road, Sero road, Darya road and the  road of Salmas.
 
 
کلیدواژه‌ها [English]
Agricultural Land, Changes in land use, Destruction of agricultural land, Object modeling, Urmia city
مراجع
  1. اکبری، مسلم، سلیمانی، کریم، حبیب‌نژاد روشن، محمود و رئیسی، محسن  (۱۳۸۹). کاربرد سنجش‌ازدور GIS در ارزیابی تغییرات کاربری اراضی، مطالعة موردی: حوضة آبخیز نورآباد لرستان. همایش ژئوماتیک 89، تهران، سازمان نقشه‌برداری کشور.
  2. پوراحمد، احمد، صالحی میشانی، حیدر، وثوقی‌راد، لیلا و رومیانی، احمد (1394). ارزیابی توسعة فیزیکی شهر ارومیه به‌منظور حفظ پوشش گیاهی و اراضی کشاورزی. نشریة علمی- پژوهشی جغرافیا و برنامه‌ریزی، دورة 19، شمارة 54، صفحات 103-83.
  3. دلاور، محمدرضا و حسنلو، مهدی (1392). راهنمای کاربرد سیستم‌های اطلاعات مکانی (GIS) و سنجش‌ازدور (RS) در استخراج پارامترهای مؤثر مطالعات هیدرولوژیکی حوضه‌های آبریز. تهران: انتشارات وزارت نیرو.
  4. ربیعی، حمیدرضا، ضیاییان، پرویز و علی‌محمدی، عباس (1384). کشف و بازیابی تغییرات کاربری و پوشش اراضی شهر اصفهان به کمک سنجش‌ازدور و سیستم اطلاعات جغرافیایی. فصل‌نامة مدرس علوم انسانی، دورة 9، شمارة 4، صفحات 32-19.
  5. رضایی‌مقدم، محمدحسین، رضایی بنفشه، مجید، فیضی‌زاده، بختیار و نظم‌فر، حسین (1389). طبقه‌بندی پوشش اراضی/کاربری اراضی بر اساس تکنیک شیءگرا و تصاویر ماهواره‌ای، مطالعة موردی استان آذربایجان غربی. پژوهش‌های آبخیزداری (پژوهش و سازندگی)، شمارة  2(پیاپی 87)، دورة 23،  صفحات 32-19.
  6. رهنما، محمدرحیم و آفتاب، احمد (1393). مکان‌یابی ایستگاه­های آتش‌نشانی شهر ارومیه با استفاده از GIS  وAHP. جغرافیا و توسعه، دورة 12، شمارة 3، صفحات 165-153.
  7. روستایی، شهریور، احدنژاد روشتی، محسن و فرخی صومعه، مینا، (1393). سنجش فضایی گستردگی شهری با تأکید بر تغییرات کاربری اراضی با استفاده از تصاویر ماهواره‌ای چندزمانه (مطالعة موردی: ارومیه). نشریة علمی- پژوهشی جغرافیا و برنامه‌ریزی، دورة 18، شمارة 50، صفحات 206-189.
  8. شریانی، رضا (1380). تهیة نقشة پوشش گیاهی پارک ملی گلستان با استفاده از سیستم اطلاعات جغرافیایی (GIS) و داده‌های ماهواره‌ای TM لندست. پایان‌نامة کارشناسی ارشد مرتع‌داری، دانشکدة مرتع و آبخیزداری دانشگاه علوم کشاورزی و منابع طبیعی گرگان.
  9. علوی‌پناه، کاظم (1385). کاربرد سنجش‌ازدور در علوم زمین. تهران: انتشارات دانشگاه تهران، تهران.
  10. فاطمی، باقر و رضایی، یوسف (1391). مبانی سنجش‌ازدور. تهران: انتشارات آزاده.
  11. فرزادمهر، جلی، ارزنی، حسن، درویش‌صفت، علی‌اصغر و جعفری، محمد (1383). بررسی قابلیت داده‌های ماهوارة لندست 7 در برآورد تاج پوشش و تولید گیاهی مطالعة موردی: منطقة نیمه‌استپی حنا ـ سمیرم. منابع طبیعی ایران، دورة 57، شمارة 2، صفحات 350-339.
  12. فیضی‌زاده، بختیار و  حاجی میررحیمی، محمود (1386). آشکارسازی تغییرات فضای سبز شهر تبریز با استفاده از روش‌های شیءگرا. اولین همایش GIS شهری، دانشگاه شمال، آمل.
  13. فیضی‌زاده، بختیار و حاجی میررحیمی، محمود (1387). آشکارسازی تغییرات کاربری اراضی با استفاده از روش طبقه‌بندی شیءگرا مطالعة موردی: شهرک اندیشه. همایش ژئوماتیک، سازمان نقشه‌برداری کشور، تهران.
  14. فیضی‌زاده، بختیار (1386). مقایسة روش‌های پیکسل‌پایه و شیءگرا در تهیة نقشه‌های کاربری اراضی. پایان‌نامة کارشناسی ارشد سنجش‌ازدور و سیستم اطلاعات جغرافیای، دانشکدة جغرافیا و برنامه‌ریزی دانشگاه تبریز.
  15. متین‌فر، حمیدرضا، سرمدیان، فریدون،؛ علوی‌پناه، کاظم و هک، ریچارد (1386). تعیین نوع کاربری و پوشش اراضی به‌وسیلة داده‌های لندست7 (ETM+) با استفاده از روش شیءگرا منطقة کاشان. فصل‌نامة علمی-پژوهشی تحقیقات مرتع و بیابان ایران، دورة 14، شمارة 4، صفحات 620-589.
    1. - Goodin, D.G., Anibas, K.L. & Bezyennyi, M., (2015). Mapping land cover and land use from object-based classification: an example from a complex agricultural landscape. International Journal of Remote Sensing, 36, 4702-4723.
    2. Blaschke, T. (2010). Object based image analysis for remote sensing. ISPRS Journal of Photogrammetry and Remote Sensing, 65(1), 2-16.
    3.  Chander, G., Markham, B.L., & Helder, D.L. (2009). Summary of current radiometric calibration coefficients for Landsat MSS, TM, ETM+, and EO-1 ALI sensors. Remote Sensing of Environment, 113(5), 893-903.
    4.  Chaudhuri, B.B. & Sarkar, N. (1995). Texture segmentation using fractal dimension. Pattern Analysis and Machine Intelligence, IEEE Transactions on, 17(1), 72-77.
    5.  Chen, M., Su, W., Li, L., Zhang, C., Yue, A. & Li, H. (2009). Comparison of pixel-based and object-oriented knowledge-based classification methods using SPOT5 imagery. WSEAS Transactions on Information Science and Applications, 3(6), 477-489.
    6. Hadjimitsis, D.G., Papadavid, G., Agapiou, A., Themistocleous, K., Hadjimitsis, M.G., Retalis, A., ... & Clayton, C.R.I. (2010). Atmospheric correction for satellite remotely sensed data intended for agricultural applications: impact on vegetation indices. Natural Hazards and Earth System Sciences, 10(1), 89-95.
    7. Lillesand, T., Kiefer, R.W. & Chipman, J. (2014). Remote sensing and image interpretation. John Wiley & Sons.
      1. Lindquist, E.J. & Annunzio, D.A. (2016), Assessing global forest land-use changes by object-based image analysis, remote sensing. 2016, 8, 678; doi:10.3390/rs8080678
      2. Mahmoudi, F.T., Samadzadegan, F. & Reinartz, P. (2015). Object recognition based on the context aware decision-level fusion in multiviews imagery. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 8(1), 12-22.
        1. Mahmoudi, F., Samadzadegan, F. & Reinartz, P. (2013). A decision level fusion method for object recognition using multi-angular imagery. In ISPRS International Conference on Sensors and Models in Photogrammetry and Remote Sensing (Vol. 40, pp.409-414). ISPRS Archives.
        2. Mishra, N., Haque, M.O., Leigh, L., Aaron, D., Helder, D. & Markham, B. (2014). Radiometric cross calibration of landsat 8 Operational Land Imager (OLI) and Landsat 7 Enhanced Thematic Mapper Plus (ETM+). Remote Sensing, 6(12), 12619-12638.
        3. Oruc, M., Marangoz, A.M. & Buyuksalih, G.(2004).Comparison of pixel-based and object-oriented classification approaches using Landsat-7 ETM spectral bands. In Proceedings of XX ISPRS Congress (p.5).
        4. Tyagi, P. & Bhosle, U. (2011). Atmospheric correction of remotely sensed images in spatial and transform domain. International Journal of Image Processing, 5(5), 564-579.
آمار
تعداد مشاهده مقاله: 1,474
تعداد دریافت فایل اصل مقاله: 1,349





سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب