Nomadic Territory Planning Studies

Nomadic Territory Planning Studies

Revealing the process of spatial-temporal changes of land use in the territory of nomads (case study: Shush county)

Document Type : Original Article

Authors
Seyed jalalaldin Hossini 1
Hesamuddin Hosseini 2
1 PhD in Geography and Urban Planning, Central Tehran Branch, Islamic Azad University, Tehran, Iran.
2 Master's degree in environment, land evaluation and preparation, science and research department, Islamic Azad University, Khuzestan, Iran.
10.22034/jsnap.2023.398870.1058
Abstract
Introduction: The formation of land use systems in urban and rural communities and the way of land division reflects the interaction of various environmental, economic, social, political and institutional factors. These forces create specific land use patterns that obey regional and local conditions over time. In recent decades, these land use patterns and structures have faced extensive changes due to the dominance of some of these forces.
Purpose of the research: The current research is aimed at monitoring and quantifying the changes in Shush County using the Decision Tree (DT) classification algorithm and geographic data during three time periods (1986-2002, 2002-2022 and 1959-2022) using remote sensing images and spatial data.
Methodology: The current research is an applied and descriptive-analytical study. This study obtained data from Landsat satellite images, and related analyses were performed through ARC GIS and ENVI software.
Geographical area of research: This research was conducted in the territory of nomads of Shush County.
Results and discussion: The results of the research indicate that according to the continuous changes during the three periods of 1365 (1986), 2002 (1381) and 1401 (2022), it can be seen that significant fluctuations have occurred in built-up lands and water areas, while agricultural lands have not changed much. In 2015, it was seen that cultivation areas in the region had seen little changes, and this indicates that during the past three decades, the cultivation has been the same as the base year, which coincides with the 8-year war.
Conclusion: The results of the research indicated that the use of the DT method in the classification of satellite images increases the accuracy to a great extent. Furthermore, the overall accuracy and the Kappa statistic (about 80%) indicate the high flexibility of the model. DT is designed to use different data sources and separate different users from each other.
Keywords
Change monitoring
nomadic territory
land use
remote sensing
Shush

Subjects

افراخته، حسن؛ حجی­پور، محمد، 1392، خزش شهری و پیامدهای آن بر توسعه پایدار روستایی، مورد روستاهای پیرامونی شهر بیرجند،  فصلنامه بین­المللی انجمن جغرافیای ایران، شماره 39، 185-158.
اکبری، داوود؛ مرادی­زاده، مینا؛ اکبری، محمد، 1398، تغییرات کاربری اراضی و شبیه­سازی رشد و توسعه شهری رشت با استفاده از مدل شبکه عصبی و سلول­های خودکار زنجیره مارکوف، نشریه: پژوهش و برنامه­ریزی شهری، 10(29)،157- 166.
امیرانتخابی، شهرام، جوان، فرهاد و حسنی­مقدم، حسن. (1397). تحلیل اثرات خزش شهری در ناپایداری سکونتگاه­های روستایی (مورد مطالعه: شهرستان رضوانشهر). مهندسی جغرافیایی سرزمین، 2(3)، 59-71.
امیرانتخابی، شهرام، جوان، فرهاد و حسنی­مقدم، حسن. (1396). آشکارسازی تغییرات کاربری اراضی و عوامل مؤثر بر آن با استفاده از شبکه عصبی مصنوعی(مورد مطالعه: شهرستان تالش). کاربرد سیستم اطلاعات جغرافیایی و سنجش از دور در برنامه‌ریزی، 8(3)، 1-11.
جوان، فرهاد و حسنی­مقدم، حسن. (1396). آشکارسازی میزان تخریب جنگل‌های هیرکانی با استفاده از تصاویر ماهواره‌ای و الگوریتم ماشین بردار پشتیبان(مورد مطالعه: شهرستان رضوانشهر) . فصلنامه استراتژی راهبردی جنگل، 2(5)، 1-11.
جوان، فرهاد، حسنی­مقدم، حسن و ترابی، حسن. (1399). ارزیابی روند تخریب اراضی جنگلی با استفاده از الگوریتم شبکه عصبی مصنوعی (مورد مطالعه: جنگل­های فندقلو شهرستان نمین). محیط­زیست و توسعه فرابخشی، 5(69)، 63-74.
جوان، فرهاد، حسنی­مقدم، حسن و حجت­شمامی، سیروس،1396، روندیابی اثرات تخریبی توسعه شهری بر اراضی کشاورزی پیرامونی با استفاده تصاویر ماهواره­ای (مورد مطالعه: شهرستان رضوانشهر)، اولین کنفرانس ملی توسعه پایدار در مهندسی عمران، معماری و شهرسازی، تهران.
فاطمی، سیدباقر و رضایی، یوسف،1384، مبانی سنجش از دور، انشارات آزاده، تهران.
فیضی­زاده، بختیار و سیدمحمود حاجی میررحیمی، 1387، آشکارسازی تغییرات کاربری اراضی با استفاده از روش طبقه­بندی شیء گرا (مطالعه موردی: شهرک اندیشه)، همایش ژئوماتیک 87، تهران، سازمان نقشه­برداری کشور.
مهرابی، علی­اکبر؛ محمدی، محمد؛ قربانی، مهدی؛ خراسانی، محمدامین، 1391، نیروهای انسانی مؤثر بر تغییرات کاربری اراضی در حاشیه مناطق روستایی، مطالعه موردی: روستاهای آلکه و سی بن- شهرستان تنکابن، فصلنامه علمی- پژوهشی انجمن جغرافیای ایران، شماره 35، 298-279.
نصیری، حسین، 1395، مدل­سازی تغییرات فضایی- زمانی کاربری اراضی و اثرات آن بر اقتصاد روستایی، (مطالعه موردی: نواحی روستایی استان خوزستان)، رساله دکتری، دانشکده جغرافیای دانشگاه تهران.
نظم­فر، حسین، جعفرزاده، جعفر، 1398، بررسی کارایی روش­های طبقه­بندی تصاویر ماهواره­ای در ارزیابی تغییرات کاربری اراضی شهری با استفاده از بهینه­سازی مقیاس در پردازش شیءگرا (مورد: شهر اردبیل)، فصلنامه پژوهش و برنامه­ریزی شهری، سال 10، شماره 36، 128-117.
Abd El-Kawy, O. R., Rød, J. K., Ismail, H. A., & Suliman, A. S. (2011). Land use and land cover change detection in the western Nile delta of Egypt using remote sensing data. Applied Geography, 31(2), 483-494.
Alberti, M., Weeks, R. and Coetz, S., 2004, Urban land cover change analysis in Central Puget Sound, Photogrammetric Engineering and Remote Sensing, 70(9), 1043– 1052.
Ayala-Silva, T., Brown, J. S., Schnell, R. J., Moore, J. M., Tondo, C. L., & Winterstein, M. C. (2009). Broad-sense heritability estimates for fruit color and morphological traits from open-pollinated half-sib mango families. HortScience,44(6), 1552-1556.
Bhatta, B., Saraswati, S., & Bandyopadhyay, D. (2010). Urban sprawl measurement from remote sensing data. Applied Geography, 30(4), 731-740.
Jensen, J. R. 2004. Digital change detection: Introductory digital image processing: A remote sensing perspective, Prentice-Hall, New Jersey.
Jokar Arsanjani, J., 2012, Dynamic Land-Use/Cover Change Simulation: Geosimulation and Multi Agent-Based Modelling, Doctoral Thesis, University of Vienna, Austria.
Kanianska, R., Kizeková, M., Nová, J., Zeman, M., 2014, Land Use Policy Land-use and land-cover changes in rural areas during different political systems: A case study of Slovakia from 1782 to 2006, Volume 36, 554-566.
Kemper, G., Altan, O., P.t.kov., A. and Lavalle, C., 2001, Monitoring land use change of the city of greater Istanbul, (Forth international Symposium “Turkish-German Joint Geodetic Days” Vol 2, Berlin.
Lawrence, R.L. and Wright, A., (2001), Rule-Based Classification systems using classification and regression tree (Cart) analysis, Photogrammetric Engineering & Remote Sensing, 67, 1137-1142.
Lawrence, R.L., and A. Wright (2001). Rule-Based Classification systems using classification and regression tree (Cart) analysis, Photogrammetric Engineering & Remote Sensing, 67, 1137-1142.
Lawrence, R.L., and A. Wright (2001). Rule-Based Classification systems using classification and regression tree (Cart) analysis, Photogrammetric Engineering & Remote Sensing, 67, 1137-1142.
Long, H., Tang, G., Li, X., Heilig, G.K., 2007, Socio-Economic Driving Forces of Land-Use Change in Kunshan, the Yangtze River Delta Economic Area of China. Journal of Environmental Management, 83,351- 364.
Martinuzzi, Sebasti´an ,William A. Gould, Olga M. Ramos Gonz´alez, 2007, Land development, and urban sprawl in Puerto Rico, integrating remote sensing and population census data, Landscape and Urban Planning, No. 79, p: 288-297.
McFeeters, S.K., (1996), the use of the normalized difference water index (NDWI) in the delineation of open water features, International Journal of Remote Sensing, 17, 1425–1432.
Messerli, B., & Ives, J. D. (1997). Mountains of the world: a global priority. Parthenon publishing group.
Mui J.K. and Fu, K.S. (1980), Automated Classification of Nucleated Blood Cells Using a Binary Tree Classifier, Pattern Analysis and Machine Intelligence, PAMI-2, 429–443.
Nagendra, H., & Rocchini, D. (2006). High resolution satellite imagery for tropical biodiversity studies: the devil is in the detail. Biodiversity and Conservation, 17(14), 3431-3442.
Nasimi, A. and Ohadi, M., 2004, The fundamental studies and legal studies offices, making comment regarding the amendment bill of agricultural land use act, 7, 64.
Pelorosso, R., Leone, A., & Boccia, L. (2009). Land cover and land use change in the Italian central Apennines: A comparison of assessment methods. Applied Geography, 29(1), 35-48.
Rasul, I., Wilson, S. R., MacRae, H., Irwin, S., & Greenberg, G. R. (2004). Clinical and radiological responses after infliximab treatment for perianal fistulizing Crohn's disease. The American journal of gastroenterology, 99(1), 82-88.
Rozenstein, O., & Karnieli, A. (2011). Comparison of methods for land-use classification incorporating remote sensing and GIS inputs. Applied Geography,31(2), 533-544.
Schulz, K. F., Altman, D. G., & Moher, D. (2010). CONSORT 2010 statement: updated guidelines for reporting parallel group randomised trials. BMC medicine,8(1), 18.
Swain P.H., H. Hauska (1977). The Decision Tree Classifier: Design and Potential, Geoscience Electronics, GE-15, 142–147.
Vogelmann, J.E., (2001), Completion of the 1990s national land cover data set for the conterminous United States from Landsat Thematic Mapper and ancillary data sources, Photogrammetric Engineering & Remote Sensing, 67, 650-662.
Wyman, M., & Stein, T. (2010). Examining the linkages between community benefits, place-based meanings, and conservation program involvement: A study within the Community Baboon Sanctuary, Belize. Society and Natural Resources, 23(6), 542-556.
Yong, Z., NI. Shao-xiang and Y. Shan (2003). An Effective Approach to Automatically Extract Urban Land-use from TM lmagery, Journal of Remote Sensing, 7(1), pp. 37－40.
Nomadic Territory Planning Studies
Volume 2, Issue 2 - Serial Number 4
Autumn and Winter
February 2023
Pages 161-176