Monitoring and determination of the urban green coverage threshold based on Landsat data, Case study: Zones 1 and 6 from Shiraz city
Subject Areas : Remote sensing and biogeographyhadi abdolazimi 1 , Hosein Roosta 2
1 - 1- Assistant professor
2 - 2- MSc in Remote Sensing and GIS
Keywords: Urban green cover, Landsat satellite imagery, Plant indices, Supervised classification,
Abstract :
Changing the use of urban green cover over time can create various environmental hazards for the citizens of a city. Due to the importance of the subject, the present study intends to investigate the temporal and spatial changes of green cover in areas 1 and 6 of Shiraz metropolis using Landsat satellite images during five decades (1972 to 2019). For this purpose, after performing radiometric and atmospheric corrections, maps resulting from plant indices including NDVI, SAVI, OSAVI as well as the maximum likelihood algorithm were prepared in ENVI5 software and classified and evaluated in Spatial Information System (GIS). The results of this study showed that the area of the green cover in region 1 has decreased in terms of hectares in NDVI, SAVI, OSAVI indices respectively and also in the maximum likelihood algorithm has decreased from 1394 to 428, from 789 to 421, from 815 to 419, from 1402 to 439, respectively and in region 6 was decreased from 1374 to 858 (NDVI), from 1160 to 862 (SAVI), from 1149 to 884 hectares (OSAVI) and in the algorithm, the maximum likelihood of similarity has decreased from 1393 to 855 hectares. Investigation of threshold values of plant indices to identify urban green cover showed that the range of threshold values in NDVI was variable from 0.2 to 0.3, in SAVI was variable from 0.44 to 0.47 and in OSAVI was variable from 0.34 to 0.36 and using Pearson test in SPSS software, correlation coefficient values between NDVI, SAVI, OSAVI, maximum likelihood algorithm and the studied years were significant at the 1% level. The results of this test also indicated that there was no significant difference between the results of these methods in this study. This reduction of green cover is considered a serious danger for the citizens of Shiraz.
آرخی، صالح؛ نیازی، یعقوب(1398). مقایسه تکنیکهای مختلف پایش تغییرات کاربری – پوشش گیاهی با استفاده از RS و GIS مطالعه موردی: حوزه دره شهر – ایلام ، کاربرد سنجش از دور و GIS در علوم منابع طبیعی، دوره 1، شماره 1 : 61-77.
اسماعیل زاده، حسن؛ شفیعی ثابت، ناصر(1392). بررسی تغییرات کاربری اراضی و ناپایداری در اکوسیستم شمال تهران مطالعه موردی: حوضه ابریز درکه- ولنجک، پژوهشهای دانش زمین، سال 4، شماره 15: 102-83.
امیدوار، کمال؛ نارنگی فر، مهدی ؛ عباسی، حجت الله (1394). آشکارسازی تغییرات کاربری اراضی و پوشش گیاهی در شهر یاسوج با استفاده از سنجش از دور، جغرافیا و آمایش شهری، شماره16: 126-111.
امیر، احمد پور؛ سلیمانی، کریم؛ شکری، مریم؛ قربانی، جمشید(1390). ﻣﻘﺎﻳﺴﺔ ﻣﻴﺰان ﻛﺎرآﻳﻲ ﺳﻪ روش راﻳﺞ ﻃﺒﻘﻪﺑﻨﺪي ﻧﻈﺎرتﺷﺪه دادهﻫﺎي ﻣﺎﻫﻮارهاي در ﻣﻄﺎﻟﻌﺔ ﭘﻮﺷﺶ ﮔﻴﺎﻫﻲ، مجله کاربرد سنجش از دور و GIS درعلوم منابع طبیعی، سال 2، شماره 2 : 70 – 81.
ایمانی، جمال؛ ابراهیمی، عطاالله؛ قلی نژاد، بهرام؛ طهماسبی، پژمان (1397). مقایسه دو شاخص NDVI و SAVI در سه جامعه گیاهی مختلف با شدت نمونه برداری متفاوت مطالعه موردی مراتع اطراف تالاب چغاخور چهار محال بختیاری، ﻓﺼﻠﻨﺎﻣﻪ ﻋﻠﻤﯽ- ﭘﮋوﻫﺸﯽ ﺗﺤﻘﯿﻘﺎت ﻣﺮﺗﻊ و ﺑﯿﺎﺑﺎن اﯾﺮان، جلد 25، شماره 1 : 152- 196
بمانی، مجتبی؛ مزیدی، احمد(1387). برسی تغییرات سطح و پوشش گیاهی کویر سیاهکوه با استفاده از دادهای سنجش از دور، پژوهشهای جغرافیایی، شماره64 : 12-1.
تیموری، راضیه (1395). الگوسازی ساختار اکولوژیکی توسعه فضای سبز شهری با رویکرد آینده پژوهی نمونه موردی: کلانشهر تبریز. رساله برای دریافت درجه دکتری (PH.D) در رشته جغرافیا و برنامهریزی شهری، دانشگاه تبریز.
جوزی، سید علی؛ علیپور اقدم، افسانه (1394). تحلیل تغییرات کمی و کیفی فضای سبز منطقه یک شهر تبریز در فاصله سالهای 1368 تا 1389 شمسی با استفاده از سامانه سنجش از دور، پژوهشهای محیط زیست، سال 6، شماره 11: 145 - 155.
زبیری، محمود؛ مجد، علیرضا(1388). آشنایی با فن سنجش از دور و کاربرد ان در منابع طبیعی، تهران، انتشارات دانشگاه تهران.
سبز قبایی، غلامرضا؛ جعفر زاده، کاوه؛ دشتی، سولماز؛ یوسفی خانقاه، شهرام؛ بزم آرا بلشتی، مژگان (1396). اشکارسازی تغییرات کاربری اراضی با استفاده از روشهای سنجش از دور و سیستم اطلاعات جغرافیایی مطالعه موردی: شهرستان قائم شهر، علم و تکنولوژی محیط زیست، دوره 19، شماره
سرودی، منا؛ جوزی، سید علی(1395). برسی تغییرات کیفی فضای سبز شهر تهران از سال 1369 تا 1385 مطاله موردی: منطقه 5 شهرداری تهران، علوم و تکنولوژی محیط زیست، دوره 18، شماره 3.
صفری شاد، مهتاب؛ حبیب نژاد روشن، محمود؛ سلیمانی، کریم؛ ایلدرومی، علیرضا؛ زینی وند، حسین (1397). ارزیابی روش حداکثر احتمال در فرآیند تشخیص تغییر کاربری اراضی به کمک شاخص NDVI (مطالعه موردی حوزه آبخیز همدان-بهار)، فصلنامه علمی – پژوهشی فضای جغرافیای، سال 18، شماره 64 : 159 – 176.
طاهری، فروزان؛ رهنما، محمد رحیم؛ خوارزمی، امید علی؛ خاکپور، براتعلی(1397). برسی و پیش بینی تغییرات کاربری اراضی با استفاده از دادههای ماهواره ای چندزمانه شهر شاندیز (طی سالهای 1379 – 1394)، جغرافیا و توسعه، شماره 50 : 142-127.
عبدلی لاکتاسرایی، مهسا؛ خان محمدی ، مهرداد؛ حقیقی، مریم؛ پناهنده، محمد( 1397). مطالعهی تغییرات کاربری اراضی به کمک سامانه اطلاعات جغرافیایی و تکنیکهای سنجش از دور، پژوهش و فناوری محیط زیست، دوره 3، شماره5 : 3 – 8.
علوی پناه، سید کاظم؛ تازیک، اسماعیل؛ حاتمی، فتاح، (1395).سنجش از دور پوشش گیاهی- اصول و روشهای تفسیر و کاربردها، تهران: انتشارات دانشگاه تهران.
علی خواه اصل، مرضیه؛ ناصری، داریوش(1396). ارزیابی روند تغییرات پوشش اراضی حوزه اب خیز کفتاره با استفاده از روش سنجش از دور، علوم و تکنولوژی محیط زیست، دوره 19، شماره 3.
فاطمی، سیدباقر؛ رضایی، یوسف، (1389). مبانی سنجش از دور، اصفهان، انتشارات ازاده.
کامیاب، حمید رضا؛ سلمان ماهینی، عبدالرسول؛ حسینی، سید محسن؛ غلامعلی فرد، مهدی (1390). کاربرد شبکه عصبی مصنوعی در مدل سازی توسعه شهری مطالعه مورد: شهر گرگان، پژوهشهای جغرافیای انسانی، شماره 76: 99 – 113.
گومه، زینب؛ رنگزن، کاظم؛ نظری سامانی، علی اکبر؛ قدوسی، جمال(1393). برسی روند تغییرات کمی فضای سبز کلان شهر کرج با استفاده از دادههای سنجش از دور و سنجههای سیمای زمین، محیط زیست طبیعی، منابع طبیعی ایران، دوره 67، شماره 3 : 331-323.
محمد یاری، فاطمه؛ پورخبازی، حمید رضا؛ توکلی، مرتضی؛ اقدر، حسین (1393). تهيه نقشه پوشش گياهي و پايش تغييرات آن با استفاده از تكنيكهاي سنجش از دور و سيستم اطلاعات جغرافيايي مطالعه موردي: شهرستان بهبهان، فصلنامه علمی - پژوهشي اطلاعات جغرافيايي، دوره23، شماره 92 : 24-34.
مکرم، مرضیه؛ مزین، ملیحه؛ فرجی، محمد؛ موسوی کتایون (1396). بررسی تغییرات پوشش گیاهی در فصول مختلف رویش با استفاده از تصاویر ماهوارهای و ارتباط آن با تغییرات دما منطقه مورد مطالعه: شمال شهرستان داراب، فصلنامه اکوسیستم طبیعی ایران، سال 8، شماره 3 : 1-20.
ناصری، مریم (1392)، بررسی اهمیت فضای سبز شهری بر محیط روانی جمعیت شهرنشین نمونه موردی: کلانشهر اهواز، پايان نامه كارشناسي ارشد گروه جغرافیا و برنامه ريزی شهری، دانشگاه شهید چمران اهواز.
Ahmad A, Aboobaider BM. (2014). Temporal Changes in Urban Green Space Based on Normalized Difference Vegetation Index. Applied Mathematical Sciences, 8, 55, 2743 – 2751. http://dx.doi.org/10.12988/ams.2014.43223.
Ahmad A, Quegan S. (2012). Analysis of Maximum Likelihood Classification on Multispectral Data.Applied Mathematical Sciences,6, 129, 6425 – 6436. DOI: 10.1109/ICCSCE.2012.6487156
Bannari, A,. Morin, D,. Bonn, F,. Huete, A.R,. 1995, A Review of Vegetation Indices, Remote Sensing Review, 13, 95-120.
Dong L, Jiang H, Yang L. (2018), Spatio-Temporal Change of VegetAtio Coverage and Its Driving Forces Based on Landsat Images: A Case Study of Changchun City, International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, 3, 295-298.
Echeverria C P, Towers PC, Strever E. (2019). Comparison of Vegetation Indices for Leaf Area Index Estimation in Vertical Shoot Positioned Vine Canopies with and without Grenbiule Hail-Protection Netting. Remote Sensing, 11, 1073, doi:10.3390/rs11091073.
El-Gammal MI, Ali RR, Abou Samra R M. (2014). NDVI Threshold Classification for Detecting Vegetation Cover in Damietta Governorate, Egypt. Journal of American Science, 10,(8), 108-113.
Gamon JA, Field CB, Goulden M L, Griffin K L, Harteley AE, Penuelas GJJ, Valeentini R. (1995). Relationships Between NDVI, Canopy Structure, and Photosynthesis in Three Californian Vegetation Types. Ecological Society America, 5(1), 28 -41. DOI:10.2307/1942049.
Hadjimitsis DG, Papadavid G, Agapiou A, Themistocleous K, Hadjimitsis MG, Retalis A, Michaelides S, Chrysoulakis N, Toulios L, Clayton CRI. (2010). Atmospheric correction for satellite remotely sensed data intended for agricultural applications: impact on vegetation indices. Natural Hazards and Earth System Sciences, 10, 89–95.
Hegazy IR, Kaloop MR. (2015). Monitoring urban growth and land use change detection with GIS and remote sensing techniques in Daqahlia governorate Egypt. International Journal of Sustainable Built Environment, 4, 117 – 124. http://dx.doi.org/10.1016/j.ijsbe.2015.02.005
Huete AR, Qi J, Chehbouni A, Kerr YH, Sorooshian S. (1994). A Modified Soil Adjusted Vegetation Index. Remote Sensing of Environment, 48, 119-126. DOI: 10.1016/0034-4257(94)90134-1.
Islam K, Jasimuddin M. Nath B, Nath TK. (2016).Quantitative Assessment of Land Cover Change Using Landsat Time Series Data: Case of Chunati Wildlife Sanctuary (CWS), Bangladesh, International Journal of Environment and Geoinformatics, 3 (2), 45-55.
Koch GG, Landis JR. (1977). The Measurement of Observer Agreement for Categorical Data. International Biometric Society is collaborating with JSTOR to digitize, preserve and extend access to Biometrics, 33, 159-174
Kumar S, Jain K. (2020). A multi- temporal landsat data analysis for land-use/land cover change in haridwar region using remote sensing techniques. International Conference on Computing and Network Communications, 171, 1184-1193. 10.1016/j.procs.2020.04.127.
Noor NM, Abdullah A, Manzahari MNH. (2013), Land Cover Change Detection Analysis on Urban Green Area Loss Using GIS and remote Sensing Techniques, Journal of the Malaysian Institute of Planners, 125-138.
Rafiee R, Mahiny AS, Khorasani N. (2009). Assessment 0f Changes in Urban Green Spaces of Mashad City Using Satellite Data, International Journal of Applied Earth Observation and Geoinformation, 11, 431-438.
Rondeaux G, Steven M, Baret F.(1996). Optimization of Soil-Adjusted Vegetation Indices, Remote Sensing of Environment. DOI: 10.1016/0034-4257(95)00186-7.
Shivakumar BR, Rajashekararadhya SV. (2018). Investigation on Land Cover Mapping Capability of MaximumLikelihood Classifier: A Case Study on North Canara, India. International Conference on Advances in Computing and Communication, 143, 579–586.
Vani V, Mandla VR.(2018). Comparative Study of Ndvi and Savi Vegetation Indices in Anantapur District Semi-Areas, International Journal of Civil Engineering and Technology, 8, 559-566.
Van TT, Tran NDH, Bao HDx, Phuong DTT, Hoa PK, Han TTN. (2018), Optical Remote Sensing Method for Detecting Urban Green Space as Indicator Serving City Sustainable Development, Proceedings, 2(3), 140.
Xue J, Su B. (2017), Significant Remote Sensing Vegetation Indices: A Review of Developments and Applications, Hindawi Journal of Sensors, 1353691, 17.
Yang J, Huang C, Zhang Z, Wang L. (2014), the Temporal Trend of Urban Green Coverage in Major Chinese Cities Between 1990 and 2010, Urban Forestry & Urban Greening, 13, 19-27.
Yang X, Zhu Y, Shi Z, Ge G, Hao Y. (2020). Land use/cover classification in an arid desert-oasis mosaic landscape of china using remote Sensed imagery: performance assessment of four machine learning algorithms. Global Ecology and Conservation, 22. https://doi.org/10.1016/j.gecco.2020.e00971