استفاده از شاخص احتمالاتی و منطق فازی در تهیه نقشه تغییرات کاربری اراضی شهری (شمال و شمال غرب مشهد)

شهر مشهد در طی سال­های اخیر رشد نسبتاً سریع داشته و در نتیجه تغییرات قابل ملاحظه­ ای در کاربری اراضی صورت گرفته است. هزاران هکتار زمین کشاورزی، باغ و مراتع تخریب شده و به کاربری ­های دیگری چون شهر، نواحی صنعتی و غیره تبدیل شده است. به پیروی از آن، خیابان ها تعریض شده پارک­ های جدیدی ایجاد شده است. ک...

Full description

Bibliographic Details
Main Author: مجید لشگری
Format: Article
Language:fas
Published: سازمان جغرافیایی نیروهای مسلح 2003-01-01
Series:اطلاعات جغرافیایی
Online Access:http://www.sepehr.org/article_28364_a95625262bcda1d1e957ac5f41e21894.pdf
Description
Summary:شهر مشهد در طی سال­های اخیر رشد نسبتاً سریع داشته و در نتیجه تغییرات قابل ملاحظه­ ای در کاربری اراضی صورت گرفته است. هزاران هکتار زمین کشاورزی، باغ و مراتع تخریب شده و به کاربری ­های دیگری چون شهر، نواحی صنعتی و غیره تبدیل شده است. به پیروی از آن، خیابان ها تعریض شده پارک­ های جدیدی ایجاد شده است. کشف و بازیابی تغییرات کاربری اراضی شهری از مهمترین مسائل و نیازمندی­ های برنامه ­ریزی و مدیریت شهر می­ باشد. برای کشف و بازیابی تغیرات و استفاده از داده ­های سنجش از دور روشهای مختلف وجود دارد. در این تحقیق روشهای تفریق و تقسیم تصاویر ، رگرسیون، تحلیل مؤلفه اصلی و باندهای تفریقی و استفاده از منطق فازی، مقایسه طبقه ­بندی واحتمالات بین حاصل از روش حداکثر احتمال. برای شناخت و کشف تغییرات با استفاده از تصاویر ماهواره­ های لندست تی ام مربوط به سال­های 1987 و 1996 شهر مشهد مورد ارزیابی قرار گرفته­ اند. در این تحقیق با استفاده از احتمالات پسین حاصل از طبقه ­بندی حداکثر احتمال اقدام به تعیین نوع و مقدار احتمال عضویت هر پیکسل در تغییر شد. سپس کلاس های نظیر در سالهای 1987 و 1996 از هم کم شدند. نتایج حاصل از این بررسی نشان می­ دهند که: الف) تصاویر ماهواره­ ای چند زمانه تغییرات کاربری اراضی در منطقه مورد مطالعه را به خوبی نشان می­ دهند. ب) با استفاده توأم از دو روش تحلیل مؤلفه ­های اصلی و منطقه فازی محل و درجات عضویت پیکسل­ ها در تغییرات قابل تشخیص ­اند. ج) در تصاویر حاصل از کم کردن احتمالات پسین مربوط به کلاس های نظیر تغییرات با اعداد منفی یا مثبت مشخص می­ باشند و با خوبی از مناطق عدم تغییر قابل تشخیص می ­باشند. بنابراین روش مبتنی بر استفاده از احتمالات پسین حاصل از طبقه ­بندی حداکثر احتمال به عنوان مناسب­ ترین روش می­ باشد. زیرا هم نوع و ماهیت تغییرات و هم احتمال عضویت در تغییرات را می­ تواند مشخص نماید.
ISSN:2588-3860
2588-3879