نوع مقاله : مقاله پژوهشی
نویسندگان
1 دانشیار گروه جغرافیای انسانی، دانشکده جغرافیای دانشگاه تهران
2 استاد گروه جغرافیای انسانی، دانشکده جغرافیای دانشگاه تهران
3 دانشجوی دکتری گروه جغرافیای انسانی، دانشکده جغرافیای دانشگاه تهران
چکیده
با پیشرفت علم و تکنولوژی، حجم زیادی از دادههای فضایی و غیرفضایی در پایگاه دادههای بزرگ ذخیره میشوند. تحلیل این دادهها به منظور تصمیمگیری نیاز به داده کاوی فضایی را بطور جدی برای کشف دانش ضروری میسازد. بکارگیری تصاویر ماهوارهای، تحلیل زمین آماری و انواع دادههای فضایی در مطالعات پایش تغییرات کاربری اراضی ابزاری مفید و کاربردی هستند؛ اماآنچه در این میان مهم است استخراج قواعد دقیق بواسطه ادغام مقادیر دادههای زیاد به منظور فراهم ساختن دانش درباره قلمرو مورد بحث است. تئوری مجموعه ناهموار (RST) یکی از تکنیکهای داده کاوی است که بطرق گوناگون در مدلسازی عدم قطعیت در دادهها استفاده میگردد. از اینرو در این پژوهش، روش کشف دانش RST بمنظور استخراج قواعد در ترکیب با الگوریتم درخت تصمیم (DT) برای طبقهبندی تصاویر ماهوارهای و پایش تغییرات کاربری اراضی مورد استفاده قرار میگیرد. نتایج تحقیق حاکی از آن است که با توجه به تغییرات بوقوع پیوسته طی سه دوره زمانی 6891 (5631)، 8991 (7731) و 4102 (3931) میتوان دریافت که تغییرات افزایشی و کاهشی چشمگیری بترتیب در اراضی ساخت شده و پهنههای آبی اتفاق افتاده است؛ در حالیکه اراضی کشاورزی تغییرات چندانی نداشته است. البته با توجه به سال پایه (6891) می توان بیان داشت که سطح زیرکشت اراضی کشاورزی منطقه نسبت به سال پایه که همزمان با جنگ تحمیلی بوده است تغییرات اندکی را شاهد بوده و این یعنی که طی سه دهه گذشته سطح زیرکشت به مانند دوره جنگ تحمیلی است. این امر بیانگر بحرانی است که در بخش کشاورزی در حال اتفاق افتادن است. همچنین نتایج به لحاظ متدولوژی با توجه به صحت کلی و آماره کاپا حاصل از مدل ترکیبی DT-RST میتوان گفت که RST ابزاری قدرتمند در داده کاوی، تقلیل دادههای زائد از پایگاه دادهها و استخراج قواعد برای بکارگیری در روش DTمیباشد.
کلیدواژهها
عنوان مقاله [English]
Presenting a combined approach based on the rough set theory of decision tree in monitoring land use changes using TM sensor images (Case study: Shushtar City)
نویسندگان [English]
- Hasanali Faraji Sabokbar 1
- Seyyed Hasan Motiee Langroodi 2
- Hossein Nasiri 3
1 Associate professor, department of human geography, faculty of geography, University of Tehran, Tehran, Iran
2 Professor, department of human geography, faculty of geography, University of Tehran, Tehran, Iran
3 Ph.D student department of human geography, faculty of geography, University of Tehran, Tehran , Iran
چکیده [English]
Abstract
With the development of science and technology, a large amount of spatial and non-spatial data are stored on large databases. Analyzing these data for decision making necessitates the need for spatial data mining to discover knowledge. The use of satellite imagery, geo-statistical analysis, and all types of spatial data are useful and practical tools in studying land use change monitoring; but, what is important is the extraction of precise rules by integrating large amounts of data in order to provider knowledge about the area of interest. Rough Set Theory (RST) is one of the data mining techniques used in various ways in modeling uncertainty in data. Therefore, in this research, the RST knowledge discovery method is used to extract rules in combination with decision tree algorithm (DT) for satellite image classification and monitoring of land use changes. The results of the research indicate that according to the changes occurred during three periods of (1986-1998, 1998-2014 and 1986-2014), it can be seen that significant increasing and decreasing changes have occurred in the constructed lands and in the water bodies, while agricultural lands have not changed much. Of course, considering the base year (1986), it can be stated that the area of the agricultural lands under cultivation has witnessed a slight change compared to the base year which coincided with the imposed war, which means that the area under cultivation during the past three decades has been the same as that of the war period. This indicates that, the crisis is taking place in the agricultural sector. Also, in terms of methodology, given the overall accuracy and Kappa ratio, derived from the DT-RST combination model, RST can be considered to be a powerful tool in data mining, reducing the redundant data from databases and extracting rules for use in the DT method.
کلیدواژهها [English]
- Land use changes monitoring
- Rough Set Theory
- Knowledge Discovery
- Decision tree
- Shushtar