An investigation of urban development and land cover changes in abarkoh city combining bands from landsat 7 and 8 satellite images

Document Type : Research Paper


1 M.Sc. Student in Remote Sensing and Geographic Information System, Yazd University,yazd,Iran

2 Associate Professor, Depatment of Geography, Department of Enviromental Planning, Yazd University, yazd, Iran

3 Associate Professor, Depatment of Geography, Department of Enviromental Planning, Yazd University,yazd,Iran



Abstract Extended
Studying land cover changes has a very long history which coincides with the beginning of human life. Following the formation of societies, primitive humans began to change the cover of wasteland to form suitable lands for agriculture and animal husbandry. More than half of the world's population recently lives in cities, urbanization and urbanism is rapidly increasing, and this trend will continue to reach its peak. Due to their extensive coverage, reproducibility, easy-access, high accuracy and reduction in necessary time and expenses, remote sensing data are generally considered a preferred method used to study land cover, vegetation, and their changes. Many researchers have shown an interest in land cover change in different cities of the world. The history of land cover studies dates back to the early nineteenth century and the studies performed by von Thünen (1826). Von Thünen have determined the economic benefits of different land covers based on their distance from the central city and found an optimal distribution for production and land cover in the form of a series of concentric circles. Land cover changes due to human activities are considered to be an important topic in regional and development planning. Since land cover changes and urban development in the study area have not been previously studied, Landsat time series satellite imagery and a combination of Landsat 7 and 8 panchromatic and multispectral bands were used to identify and detect changes in land cover and urban development in the urban areas of Abarkooh from 2000 to 2020.
Materials & Methods
Satellite remote sensing data are used in the present study (Landsat 7 and 8 multi-temporal satellite images collected in 2000, 2010 and 2020). 3 images were retrieved from US Geological Survey website and used in the present study. Raw remote sensing images always contain errors in geometry and the measured pixel values. The former category is called geometric errors and the latter is called radiometric errors. Atmospheric corrections were performed for all images used, and stripping in the imagery collected in 2010 image was also corrected. For image enhancement and extraction of more information from the images, false color composites were used (5-4-3 infrared, red and green bands) for Landsat 8 and Landsat 7 (3-4-3 near infrared, red and green bands) images. Using this technique, vegetation is shown in red. Compared to other methods, Gram-Schmidt based pan sharpening method produced higher spatial resolution images of the study area and thus was used to combine the selected images. Maximum likelihood method is considered to have the highest efficiency among various supervised classification methods.
Results & Discussion
This method assumes the presence of a normal distribution for all training areas. The accuracy of this classification has to be calculated following the classification. To do so, the kappa coefficient and overall accuracy of each class were calculated in ENVI5.3. The results are shown in the error matrix. Overall accuracy is the average of classification accuracy. The kappa coefficient calculates the accuracy of classification as compared to a completely random classification. Based on the available data, spatial resolution of the images and the information researcher has access to, 5 classes of training data (urban constructed space, roads, barren lands, arable lands, and gardens) have been selected for each image. Results obtained from the maximum likelihood classification method in ENVI5.3 environment were changed into the vector format and then used as a shape file in GIS environment. After compiling the land database, land cover maps and its changes were extracted in three periods and the area of each land cover class was determined. Each of the land cover maps, 5 classes with different colors are determined and shown. To ensure the accuracy of the classification, the accuracy of the classification has been evaluated.
The resulting kappa coefficient for 2000 and 2020 equaled 86% and overall accuracy equaled 89%, while for 2010 kappa coefficient equaled 90% and overall accuracy equaled 92%. Thus, the error rate is small and acceptable. Finally, post-classification comparison method was used to investigate the nature of changes. 13 square kilometers of land cover were investigated in the present study. To identify the exact type of land cover changes, categorized images collected in these years were compared. Total area of residential land use showed an increasing trend: a total 4.25 square kilometers in 2000 (32.69 percent of the total area under study) has reached 5.58 square kilometers (42.92 percent) in 2020. Overall area of arable land use did not change much in the period of 2000 to 2010. However, a declining trend was observed in 2020 changing a part of this land use into residential and barren lands. Results of satellite image processing and classification indicate that supervised classification and maximum probability algorithm were close to ground realities and had an acceptable accuracy. In general, results indicate that significant amounts of vegetation and agricultural lands have been converted into urban areas and thus, planning for urban growth in these areas should be in favor of preserving gardens and agricultural lands.


1- احدنژاد روشتی؛ محسن (1386)، تلفیق داده‌های سنجش ازدور و سیستم اطلاعات جغرافیا در برآورد اثرات انسانی در تغییر پوشش پوشش اراضی، دو فصلنامه اندیشه جغرافیایی، شماره اول، زنجان.
2- احمدی، قربانی، سبحانی؛ بهروز، اردوان، داود (1393)، ارزیابی و تغییر جزایر حرارتی در سطح شهر اردبیل و اراضی حاشه آن با استفاده از داده‌های سنجش‌ازدور، گروه جغرافیای طبیعی، دانشگاه اردبیل.
3- احمدی، طاطیان، تمرتاش، یگانه، عصری؛ احمد، محمدرضا، رضا، حسن، یونس (1395) «بررسی پوشش گیاهی اراضی شور حاشیه دریاچه ارومیه با استفاده از تصاویر ماهواره‌ای»، سنجش از دور و سامانه اطلاعات جغرافیایی در منابع طبیعی، شماره اول، ص 1-12.
4- احمدی‌ندوشن، سفیانیان، خواجه‌الدین؛ مژگان، علیرضا، سید جمال‌الدین  (1388)، تهیه نقشه پوشش اراضی شهر اراک با استفاده از روش‌های طبقه‌بندی شبکه عصبی مصنوعی و حداکثر احتمال، پژوهش‌های جغرافیایی طبیعی، شماره 1388، صص 83-98.
5- اکبری، شکارآبادی؛ الهه، علی (1393)، پردازش و استخراج اطلاعات از داده‌های ماهواره‌ای با استفاده از نرم‌افزار ENVI با نمونه‌های کاربردی در علوم زمین، نقشه‌برداری، جغرافیا و محیط زیست، تهران، نشر ماهواره، ص240.
6- امینی، شتایی جویباری؛ محمدرشید، شعبان (1390)، ادغام تصاویر ماهواره‌ای Landsat و IRS-IC با استفاده از روش‌های IHS و PANSHARP برای تفکیک جنگل از غیر جنگل. همایش ملی جنگل‌های زاگرس مرکزی، قابلیت‌ها و تنگناها، خرم‌آباد- لرستان، کانون دانشجویی همیاران طبیعت- جهاد دانشگاهی لرستان، 2آذر.
7- ایران‌نژادپاریزی، اکبری، خوشنویس، شمس، عابدینی، راد، رسولی، طاهری، مهدوی؛ محمدحسین، حسن، مصطفی، جواد، طاهره، محمدهادی، سیدعلی رضا، اعظم، محمدرضا (1394) «اثر طبیعی ملی سرو ابرکوه» انتشارات دانشگاه یزد ، چاپ اول : ص 318.
8- چشم‌براه؛ فاطمه (1393)، تأثیر تغییر پوشش اراضی بر بیابان‌زایی با استفاده از سنجش ازدور ( مطالعه موردی: دشت ابرکوه) مختاری، محمدحسین، پایان‌نامه کارشناسی ارشد، دانشکده منابع‌طبیعی و کویر شناسی دانشگاه یزد، گروه مدیریت مناطق بیابانی.
9- حسینی، فاطمه‌السادات (1389)، تحلیل رابطه بین تغییرات پوشش زمین و جزیره گرمایی شهر با به‌کارگیری تکنیک‌های سنجش‌ازدور (مطالعه موردی: شهر یزد و حومه)، مزیدی، احمد، پایان‌نامه کارشناسی ارشد، دانشگاه یزد، گروه جغرافیای طبیعی،
10- خدمتگزار دولتی، م (1390)، تهیه نقشه پوشش اراضی با استفاده از آنالیز مؤلفه‌های اصلی بر روی تصاویر ماهواره‌ای (منطقه شقارود). پایان‌نامه کارشناسی ارشد منابع طبیعی، گروه جنگلداری، دانشگاه گیلان، ص 95.
11- درویشی، رشیدپور، سلیمانی؛ شادمان، مصطفی، کریم (1398)، بررسی ارتباط تغییرات کاربری ­اراضی با دمای سطح ­زمین با استفاده از تصاویر ماهواره‌ای - مطالعه موردی: شهرستان مریوان، نشریه جغرافیا و توسعه، 17(54) 143-162.
12- رسولی، زرین‌بال، شفیعی؛ علی اکبر، محمد،  محمد،  (1388). کاربرد تصاویر ماهواره‌ای با هدف تشخیص تغییرات پوشش اراضی و ارزیابی تأثیرات محیط زیستی. پژوهش‌های آبخیزداری در پژوهش‌ها و سازندگیری، (82)، ص-11.
13- رسولی؛ علی اکبر (1387). مبانی سنجش ازدور کاربردی با تأکید بر پردازش تصاویر ماهواره‌ای. انتشارات دانشگاه تبریز، چاپ اول، ص 806.
14- رضایی لیواری؛ وحید (1391)، کاربرد سنجش‌ازدور و سامانه اطلاعات جغرافیایی در تغییرات زمانی مشخصات کمی بدلند. پایان‌نامه کارشناسی ارشد منابع طبیعی، گرایش آبخیزداری، دانشگاه تربیت­ مدرس، ص 104.
15- رهنماء، اجزاشکوهی، عطا؛ محمدرحیم، محمد، بهنام (1395)، آشکارسازی تغییرات کاربری / پوشش‌اراضی شهر گنبدکاووس با استفاده از سنجش‌ازدور، فصلنامه علمی - پژوهشی اطلاعات جغرافیایی (سپهر) دوره 26، شماره 103.
16- سبزقبائی، راز، دشتی، یوسفی خانقاء؛ غلامرضا، سپیده، سولماز، شهرام، 1396. مطالعه‌ی تغییرات پوشش اراضی به کمک سامانه اطلاعات جغرافیایی و تکنیک‌های سنجش ازدوری (مطالعه موردی: شهرستان اندیمشک)، جغرافیا و توسعه، شماره 46، ص 32-42.
17- شمسی‌پور، حیدری، باقری، علی اکبر، سوسن، کیوان (1396) پایش روند تغییرات پوشش‌زمین در شهر کرمانشاه با استفاده از مدل CA-Markov، نشریه پژوهش‌های جغرافیای برنامه‌ریزی شهری، 5 (3): 514-495.
18- صدوقی؛ حمیده (1399)، مطالعه تغییرات پوشش‌اراضی و پوشش گیاهی با استفاده از فناوری RS و GIS در روستای حسین‌آباد میش‌مست، پایان‌نامه کارشناسی ارشد فنی و مهندسی، دانشگاه قم، ص1.
19- فاطمی و رضایی؛ سیدباقر و یوسف، (1393) مبانی سنجش‌ازدور، چاپ چهارم، انتشارات آزاده تهران، ص 1- 270.
20- کاویانی، علیجانی؛ محمدرضا، بهلول (1388)، مبانی آب و هواشناسی،  انتشارات سمت، تعداد ص 590.                                                                                                             
21- محمداسماعیل؛ زهرا، 1389، پایش تغییرات پوشش اراضی کرج با استفاده از تکنیک سنجش از دور، نشریه پژوهش خاک ( علوم و آب). 24 (1): ص 81.
22- محمد نژادنیازی، مختارزاده، سعیدزاده؛ سعید، مهدی، فاطمه (1395)، ارائه روش ادغام تصاویر چندطیفی و پانکروماتیک HIS-GH مبتنی بر مناطق بهبودیافته گیاهی، نشریه علمی پژوهشی علوم و فنون نقشه‌برداری، دوره 6، شماره 1، ص 235-248.
23- مسیبی، ملکی؛ مرضیه، محسن  پایش تغییرات پوشش اراضی با استفاده از داده‌های سنجش ازدور و سیستم اطلاعات جغرافیایی (مطالعه موردی: شهرستان اردبیل) فصلنامه سنجش ازدور و سامانه اطلاعات جغرافیایی در منابع طبیعی، سال پنجم، شماره 1.
24- ملکی، دامن‌داغ؛ سعید، صفیه (1392)، ارزیابی شاخص‌های توسعه پایدار شهری با تأکید بر شاخص‌های اجتماعی، کالبدی و خدمات شهری (مطالعه موردی: مناطق هشت­گانه شهر اهواز)، فصلنامه مطالعات برنامه‌ریزی شهری، سال اول، شماره سوم، ص 29 - 54.
25- نوبهاران، ابطحی، محمودی؛ خاطره، علی، شهلا  (1398) سیر تغییرات پوشش اراضی در دشت مرودشت - استان فارس- نشریه حفاظت منابع آب و خاک، سال هشتم، شماره سوم، بهار 1398، ص 1-5.
26- یوسفی، تازه، میرزایی، مرادی، توانگر؛ صالح، مهدی، سمیه، حمیدرضا، شهلا (1390)، مقایسه الگوریتم‌های مختلف طبقه‌بندی تصاویر ماهواره‌ای در تهیه نقشه ­پوشش‌اراضی (مطالعه موردی: شهرستان نور). مجله کاربرد سنجش‌ازدور و GIS در علوم منابع طبیعی، سال دوم، شماره 2، صص 15-25.
27- یوسفیان، سلیمانی، کریمی؛ حمید، کریم، ولی‌الله (1397)  نظارت و ارزیابی روند تغییرات پوشش اراضی با استفاده از سنجش‌ازدور (مطالعه موردی: حوضه هراز) سیزدهمین همایش ملی علوم و مهندسی آبخیزداری ایران و سومین همایش ملی صیانت از منابع طبیعی و محیط زیست. دانشگاه محقق اردبیلی 10و11 مهرماه 1397.
28- Connelly, S., (2007) “Mapping sustainable development as a contested concept”, Local Environment, 12(3), 259–278.
29- Dube, T., Gumindoga, W., Chawira, M., 2014,Detection of land cover changes around LakeMutirikwi, Zimbabwe, based on traditional remote sensing image classification techniques, African Journal of Aquatic Science, 39(1): 89-95
30- Fan Fenglei., Wang Qihao., Wang, Yunpeng., 2007 Land use and land cover change in Guangzhou, China, from 1998 to 2003 based on Landsat TM/ETM+ imagery Sensors 7: 1323-1342
31- Jazouli, A. E., Barakat, A., Khellouk, R., Rais, J., El Baghdadi, M. 2019. Remote sensing and GIS techniques for prediction of land use land cover change effects on soil erosion in the high basin of the Oum Er Rbia River (Morocco), Remote Sensing Applications:  Society and Environment, 13: 361-374.
32- Oliver, P.A. (2008) “City Leadership: at the heart of the global challeng.” Global Asia, 3(16), 421-432.
33- Olokeogun, O.S., Iyiola, O.F., and Iyiola, K., 2014. “Application of remote sensing and GIS in land use/land cover mapping and change detection in SHASHA forest reserve, Nigeria”. International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, xl-8, November, pp.613-616.
34- Santos Julio. Cesar. Neves, Andrade Eunice.Maia de, Medeiros Pedro.Henrique. Augusto, Joao Maria. 2017. Land use impact on soil erosion at different30 scales in the Brazilian, semi-arid, Revista Ciencia Agronomica. (2): pp. 251-260.
35- Shwetank JK, Bhatia K. 2010. Review of rice crop identification and classification using hyper-spectral image processing system. International Journal of Computer Science & Communication, 1(1): 253-258.
36- Varol, C., Ercoskun, O., Gurer.  Y.  (2010),”Local participatory mechanisms and collective actions for sustainable urban development in Turkey”, Habitat Article in Press.
37- Xiao, j., & Moody, A., (2005): A Comparison of Methods for Estimating Fractional Green Vegetation Cover Within a Desert-to-Upland Transition Zone in Central New Mexico, USA Remote Sensong of Environment, 98 (2-3), Pp 237- 25
38- Xu, S., Ehlers, M.  (2017).  Hyperspectral image sharpening based on Ehlers fusion.International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, XLII-2/W7: 941-947.
39- Yacouba, Diallo., Guangdao, Hu., and Xingping, Wen., 2010. “Assessment of Land Use Cover Changes Using NDVI and Dem in Puer and Simao Counties, Yunnan Province, China”. World Rural Observations, July, 1(2), pp1-11.
40- Zhang Jixian., Zhang Yonghong., 2007.  Remote sensing research issues of the nationaland use change the national land use change program of China.  ISPRS l Journal of Photogrammetry & Remote Sensing, P 461–472.
41- Zhou Yang, Li  Xunhuan, Liu Yansui., 2020, Land use change and driving factors in rural China during the period 1995-2015, Land Use Policy, volume99, December 2020, 105048.