اصطلاح «پوشش زمین» ویژگی‌ها و عوارض سطح زمین، از جمله پوشش گیاهی، پهنه‌های آبی، مراکز شهری و مناطق خشک را توصیف می‌کند. نحوه استفاده از این انواع پوشش زمین، کاربری زمین نامیده می‌شود. LULC یک اصلاح‌کننده حیاتی سیستم‌های اجتماعی-اقتصادی، بیولوژیکی، اقلیمی و هیدرولوژیکی است ^.۱ . در سطح جهانی، LULC به تدریج تغییر کرده است تا بقای انسان را ممکن سازد. در نتیجه، فعالیت‌های انسانی ۳۳ تا ۵۰ درصد از سطح زمین را تغییر داده است ^.۲ توسعه زیرساخت‌ها و گسترش سطوح غیرقابل نفوذ منجر به تغییر در زمین‌های کشاورزی ^۳ ، پهنه‌های آبی ^۴ و مناطق پوشش گیاهی ^۵ شده است که در نهایت منجر به گسترش بی‌رویه شهرها شده است. از نظر مفهومی، گسترش بی‌رویه شهرها به گسترش کنترل نشده مناطق شهری به مناظر روستایی یا طبیعی اطراف، از جمله پوشش گیاهی، زمین‌های کشاورزی، فضاهای باز و پهنه‌های آبی ^۶ اشاره دارد . این پدیده معمولاً با رشد سریع و برنامه‌ریزی نشده در حاشیه شهر مشخص می‌شود که منجر به الگوهای توسعه تکه‌تکه و ناپیوسته ^۷ می‌شود .

مطالعات نشان داده‌اند که گسترش شهرها نه تنها منجر به استفاده ناکارآمد از زمین می‌شود، بلکه رواناب سطحی، تخریب محیط زیست و آسیب‌پذیری در برابر سیل را در مناطق پیرامون شهری افزایش می‌دهد و می‌تواند اوج سیلاب را به طور قابل توجهی افزایش دهد . ^۸ با توجه به تأثیر توسعه شهری بر رواناب سطحی، مطالعات متعددی بر کمی‌سازی تأثیر تغییرات LULC بر سیل و خسارات اقتصادی متمرکز شده‌اند . ^۹ به عنوان مثال، تانگ ^۱۰ مشاهده کرد که شهرنشینی منجر به سیل‌های مکرر در حوضه رودخانه لیتل میامی شده است. آرنولد و گیبونز ^۱۱ نشان داده‌اند که شهرنشینی و افزایش متناظر سطوح نفوذناپذیر می‌تواند چرخه هیدرولوژیکی را به طور قابل توجهی تغییر دهد و منجر به افزایش دبی اوج و کاهش زمان تأخیر بین بارندگی و جریان اوج شود و در نتیجه خطرات سیل را افزایش دهد. ایم و همکاران از برنامه شبیه‌سازی هیدرولوژیکی-فرترن (HSPF) برای ارزیابی تأثیرات هیدرولوژیکی آینده شهرنشینی در حوضه آبخیز نهر پولکت در شهرستان کارولین، ویرجینیا استفاده کردند و دریافتند که افزایش شهرنشینی با حجم رواناب بالاتر مرتبط است . ^۱۲ علاوه بر این، تغییرات در LULC، مانند جنگل‌زدایی و گسترش کشاورزی، می‌تواند منجر به تخریب خاک و کاهش نفوذپذیری شود که خود به خطرات سیل دامن می‌زند . ^۱۳. تغییرات مکرر در LULC می‌تواند این آسیب‌پذیری را تشدید کند. به عنوان مثال، بارای ^۱۴ مشاهده کرد که منطقه ساحلی جنوب غربی بنگلادش به دلیل تغییرات مکرر LULC با بلایای پیش‌بینی نشده مختلفی روبرو شده است. چنین تغییرات مکرری نشان دهنده فعالیت‌های انسانی یا رویدادهای طبیعی است که نیاز فوری به برنامه‌ریزی استراتژیک در این مناطق را برای کاهش خطر بلایا برجسته می‌کند. در مجموع، این مطالعات بر نقش حیاتی نظارت مداوم بر LULC و شناسایی نقاط بحرانی و نقاط سرد برای برنامه‌ریزی مؤثر شهری و زیست‌محیطی، به ویژه در مناطق مستعد سیل، تأکید دارند.

بنگلادش که در محل تلاقی حوضه‌های رودخانه گنگ، برهماپوترا و مگنا (GBM) واقع شده است، به دلیل توپوگرافی متمایز خود، یکی از مستعدترین مناطق سیل‌خیز جهان محسوب می‌شود. در منطقه شمال شرقی بنگلادش، به دلیل زمین‌های تپه‌ای و شیب‌های تند رودخانه، سیل‌های ناگهانی رایج هستند . ^۱۵ بنابراین، درک و مدیریت تغییرات LULC برای کاهش خطر سیل و مدیریت پایدار زمین در این منطقه بسیار مهم است. بخش سیلهت شامل مناطقی مانند سیلهت، مولویبازار، هابیگانج و سونامگنج است که همگی تحت تأثیر این پویایی سیل قرار دارند. به ویژه، منطقه سیلهت توسط رودخانه‌های سورما و کوشیارا عبور می‌کند که هر دو در فصل باران‌های موسمی مستعد سرریز شدن هستند. سیلهت با داشتن برخی از بالاترین میزان بارندگی در بنگلادش، اغلب سیل‌های ناگهانی را تجربه می‌کند، زیرا بارش شدید می‌تواند سیستم‌های رودخانه‌ای و ظرفیت زهکشی منطقه را تحت الشعاع قرار دهد و منجر به سیل محلی شود. از این رو، این مطالعه بر روی منطقه سیلهت تمرکز دارد که به دلیل این عوامل با آسیب‌پذیری قابل توجهی در برابر سیل مواجه است.

تصاویر ماهواره‌ای یکی از مؤثرترین ابزارها برای اندازه‌گیری تغییرات کیفی و کمی LULC ^۱۶ در طیف وسیعی محسوب می‌شوند، زیرا تصاویر را از فضا ثبت کرده و به طور مداوم سطح زمین جهانی را ثبت می‌کنند ^{۱۷٫ شاخص‌های طیفی مختلف مشتق شده از تصاویر ماهواره‌ای به طور گسترده برای بهبود طبقه‌بندی LULC ۱۸} استفاده می‌شوند . شاخص پوشش گیاهی نرمال شده (NDVI) یک شاخص کلیدی برای ارزیابی سلامت پوشش گیاهی و تمایز مناطق دارای پوشش گیاهی از سطوح بدون پوشش گیاهی است ^۱۹٫ به طور مشابه، شاخص آب نرمال شده اصلاح شده (MNDWI) با حذف ویژگی‌های ساخته شده و پوشش گیاهی، شناسایی پهنه‌های آبی را بهبود می‌بخشد ^۲۰ ، در حالی که شاخص پوشش گیاهی بهبود یافته (EVI) تشخیص پوشش گیاهی را در مناطقی با پوشش تاجی متراکم بهبود می‌بخشد ^۲۱٫ این شاخص‌ها با استفاده از تفاوت‌های طیفی در پوشش گیاهی، آب و سطوح غیرقابل نفوذ، به اصلاح طبقه‌بندی LULC کمک می‌کنند. با این حال، فناوری سیستم اطلاعات جغرافیایی (GIS) ابزارهای پیشرفته‌ای را برای تجزیه و تحلیل این تصاویر در مقیاس‌های ملی، قاره‌ای و جهانی ارائه می‌دهد ^۲۲ . اما سه مانع اصلی وجود دارد که فناوری‌های سنتی GIS باید بر آنها غلبه کنند: (الف) پیش‌پردازش سه‌بعدی و کاوش کلان‌داده‌های جغرافیایی؛ (ب) الگوریتم‌های مؤثر برای مدیریت داده‌های مکانی از ابعاد منطقه‌ای تا جهانی؛ و (ج) انجام تجزیه و تحلیل‌های مکانی-زمانی ^۲۳٫ سیستم‌های سنتی GIS به طور گسترده برای تجسم داده‌های مکانی، نقشه‌برداری و تجزیه و تحلیل مکانی اساسی استفاده می‌شوند، اما هنگام برخورد با داده‌های در مقیاس بزرگ، چندبعدی و بلادرنگ با چالش‌های قابل توجهی روبرو هستند ^{۲۴ ، ۲۵٫} برای پرداختن به این چالش‌ها، گوگل پلتفرم محاسبات ابری Google Earth Engine (GEE) را در سال ۲۰۱۰ معرفی کرد ^۲۶٫ بسیاری از محققان از جمله هاک و همکاران ^۱۸ ، نوری‌زاده و همکاران ^۲۷ ، بکر و همکاران ^۲۸ ، آنگ و همکاران ^۲۹ و قربانیان و همکاران ^۳۰ از GEE برای تهیه نقشه‌های LULC استفاده کرده‌اند. بنابراین، GEE اکنون پرکاربردترین پلتفرم برای پردازش مجموعه داده‌های بزرگ مکانی از جمله آماده‌سازی LULC است که دسترسی رایگان به طیف وسیعی از داده‌های سنجش از دور را فراهم ^{می‌کند} .

در حالی که مطالعات قبلی ^{۳۲ ، ۳۳،} LULC را در سیلهت سادار اوپازیلا در مقیاس کوچکتر با استفاده از فناوری‌های سنتی GIS تجزیه و تحلیل کرده‌اند، هیچ تجزیه و تحلیل کمی جامع و در سطح منطقه از تغییرات LULC در یک دوره طولانی با استفاده از پلتفرم GEE انجام نشده است. این مطالعه با نظارت بر تغییرات و گذارهای LULC در سراسر منطقه سیلهت از سال ۲۰۰۰ تا ۲۰۲۳ با استفاده از GEE، این شکاف را برطرف می‌کند. اهداف اصلی، تعیین کمیت الگوهای مختلف LULC در این منطقه و ارزیابی تغییرات LULC و شناسایی نقاط داغ و سرد گذار LULC در طول دوره مطالعه است.

منطقه مورد مطالعه

منطقه سیلهت بین عرض‌های جغرافیایی ۲۴°۳۶′ و ۲۵°۱۱′ شمالی و طول‌های جغرافیایی ۹۱°۳۸′ و ۹۲°۳۰′ شرقی ^۳۴ واقع شده است ، همانطور که در شکل  ۱ نشان داده شده است . این منطقه شمال شرقی بنگلادش از شمال و شرق با مرزهای بین‌المللی هند هم‌مرز است. سیلهت شامل دوازده اوپازیلاست: بیانی بازار، بیشوانات، جاینتیاپور، داکشین سورما، سیلهت سادار، گووینگات، کانایگات، بالاگنج، کامپانیگانج، فنچوگانج، گلابگنج و زاکیگنج ^۳۵٫ بخش جنوبی این منطقه دارای مناطق نرم و لزج است، در حالی که بخش شمالی آن از صخره‌های تپه‌ای تشکیل شده است ^۳۶٫ رودخانه‌های اصلی که از این منطقه عبور می‌کنند سورما و کوشیارا هستند. حوضه پیمونت نیمه‌جدید و پشته‌های دشت سیلابی سورما کوشیارا با هم ترکیب می‌شوند تا اکثر خاک منطقه را تشکیل دهند ^۳۵ .

داده‌ها

تصاویر ماهواره‌ای مورد نیاز از کاتالوگ داده‌های GEE گرفته شده‌اند. بر اساس داده‌های موجود، تصاویر ماهواره‌ای Landsat 7 ETM+ و Landsat 8 OLI در این مطالعه مورد استفاده قرار گرفته‌اند. برای اطمینان از ثبات در تحلیل زمانی، شش سال خاص در فواصل تقریباً پنج ساله انتخاب شدند: ۲۰۰۰، ۲۰۰۵، ۲۰۱۰، ۲۰۱۵، ۲۰۲۰ و ۲۰۲۳٫ سال ۲۰۲۳ به عنوان آغاز دوره مطالعه انتخاب شد. برای هر یک از این سال‌ها، از تمام تصاویر موجود در طول سال تقویمی استفاده شد و پیکسل‌های ابری با استفاده از باند ارزیابی کیفیت پیکسل (QA) پوشانده شدند. تصاویر ترکیبی میانه برای به حداقل رساندن تأثیر تغییرات فصلی و جوی تولید شدند. توضیحات تصاویر ماهواره‌ای مورد استفاده در این تحلیل در جدول  ۱ فهرست شده است . تصویر ماهواره‌ای Landsat 7 شامل ۱۵ باند است که ۹ باند آن برای تحلیل داده‌ها استفاده می‌شود. در مقابل، تصویر ماهواره‌ای Landsat 8 شامل ۱۷ باند است که ۱۱ باند آن برای تحلیل داده‌ها استفاده می‌شود (جدول  ۲ ). اگرچه تصاویر دارای وضوح باندهای متفاوتی هستند، اما هنگام انباشت یا ترکیب باندها با وضوح‌های مختلف در GEE، سیستم به طور خودکار باندها را با استفاده از نمونه‌برداری مجدد نزدیکترین همسایه، با درشت‌ترین وضوح تراز می‌کند. علاوه بر این، برای بهبود دقت طبقه‌بندی، سه شاخص به عنوان باندهای مجزا به تصویر ماهواره‌ای اضافه می‌شوند: شاخص پوشش گیاهی بهبود یافته (EVI)، شاخص آب نرمال شده تفاضلی اصلاح شده (MNDWI) و شاخص پوشش گیاهی نرمال شده تفاضلی (NDVI) ^۱۸ .

در این مطالعه، از یک الگوریتم یادگیری ماشین تحت نظارت «جنگل تصادفی» (RF) برای شناسایی تصاویر ماهواره‌ای با استفاده از چهار نوع مختلف LULC: شهری، بایر، پهنه آبی و پوشش گیاهی استفاده شده است. برای این منظور، از انواع شناخته شده LULC به نام نقاط کنترل زمینی (GCP) برای آموزش الگوریتم استفاده شده است. جدول  ۳ خلاصه‌ای از داده‌های مربوط به تعداد GCPهای مورد استفاده در این مطالعه را ارائه می‌دهد.

روش‌ها

مراحل روش‌شناسی دنبال‌شده در این مطالعه در شکل  ۲ خلاصه شده است که روند کامل کار را از اخذ تصویر و پیش‌پردازش تا طبقه‌بندی، ارزیابی دقت، تشخیص تغییرات و تحلیل نقاط داغ مکانی نشان می‌دهد. مجموعه داده‌های تصویری که در این مطالعه استفاده می‌شوند از طریق کاتالوگ داده‌های GEE قابل دسترسی هستند و برای تجزیه و تحلیل بیشتر به ویرایشگر کد GEE وارد می‌شوند. این مجموعه داده‌ها در چندین مرحله پیش‌پردازش می‌شوند تا یک نقشه طبقه‌بندی دقیق LULC به دست آید.

پیش‌پردازش تصویر

تصاویر لندست یک سری زمانی پیوسته از سطح زمین ارائه می‌دهند. برای این مطالعه، تصاویر بر اساس منطقه مورد نظر (ROI) و الزامات زمانی فیلتر شدند تا یک مجموعه داده مناسب به دست آید. سپس پیکسل‌های ابری از هر تصویر در مجموعه حذف شدند و متعاقباً مجموعه داده‌ها به یک تصویر ترکیبی واحد برای تجزیه و تحلیل LULC کاهش یافت. باندهای ضروری انتخاب شدند و سه شاخص – NDVI، MNDWI و EVI – محاسبه و به عنوان باندهای جداگانه به تصویر ترکیبی اضافه شدند. معادلات محاسبه NDVI، MNDWI و EVI در ^۱۸ به شرح زیر ارائه شده است:

نقشه طبقه‌بندی

طبقه‌بندی‌کننده RF، یک طبقه‌بندی‌کننده گروهی که با استفاده از زیرمجموعه‌ای تصادفی از نمونه‌ها و متغیرهای کمکی، چندین درخت تصمیم‌گیری می‌سازد، برای طبقه‌بندی تصویر کاهش‌یافته ^۳۷ استفاده می‌شود . روش رأی‌گیری که هر درخت در طول فرآیند طبقه‌بندی طی می‌کند، طبقه‌بندی نهایی ^۳۸ را تعیین می‌کند . تمام نقاط کنترل زمینی (GCP) از نوع کاربری زمین برای یک سال خاص تجمیع شده و یک مقدار ویژگی برای شناسایی به آنها اختصاص داده شد تا به عنوان LULC طبقه‌بندی شوند. این فرآیند به عنوان داده‌های آموزشی برای درخت‌های تصمیم‌گیری طبقه‌بندی‌کننده RF عمل کرد. از این تعداد، ۴۰٪ به عنوان نقاط کنترل زمینی اعتبارسنجی و ۶۰٪ باقیمانده به عنوان نقاط کنترل زمینی آموزشی استفاده شدند. علاوه بر این نقاط کنترل زمینی آموزشی، معمولاً شش پارامتر به عنوان ورودی به طبقه‌بندی‌کننده وارد می‌شوند: تعداد درخت‌های تصمیم‌گیری، تعداد متغیرها (یا ویژگی‌ها) در هر تقسیم، حداقل تعداد برگ‌ها، کسر ورودی به کیسه در هر درخت، حداکثر تعداد گره‌های برگ در هر درخت، دانه تصادفی‌سازی و تعداد متغیرها (یا ویژگی‌ها) در هر تقسیم ^۳۹٫ در نظر گرفتن پانصد درخت تصمیم‌گیری همانطور که توسط Belgiu و همکاران توصیه شده است. ^۳۷ به دلیل تثبیت خطا و مقدار پیش‌فرض برای سایر پارامترهای ورودی، طبقه‌بندی‌کننده RF تمام نقاط زمینی دیگر را با کمک GCPهای آموزشی طبقه‌بندی می‌کند و یک نقشه طبقه‌بندی واضح از منطقه مورد مطالعه ارائه می‌دهد. سپس نقشه طبقه‌بندی برای مراحل بعدی در QGIS صادر می‌شود.

ارزیابی دقت

ارزیابی دقت نقشه طبقه‌بندی برای تعیین قابلیت اطمینان آن بسیار مهم است. در این مطالعه، دقت با استفاده از نقاط کنترل زمینی (GCP) اعتبارسنجی در ویرایشگر کد GEE و با استفاده از یک ماتریس درهم‌ریختگی تعیین شد. دقت کلی (OA) ماتریس درهم‌ریختگی یک پارامتر حیاتی برای ارزیابی صحت نقشه است . ^۱۸

محاسبه مساحت

مساحت یک نوع LULC خاص با استفاده از یک تصویر دودویی مشتق شده از نقشه طبقه‌بندی محاسبه می‌شود. در این تصویر دودویی، مقادیر پیکسل‌ها یا یک یا صفر هستند: به پیکسل‌های مربوط به نوع LULC خاص مقدار یک اختصاص داده می‌شود، در حالی که به همه پیکسل‌های دیگر مقدار صفر اختصاص داده می‌شود. سپس مساحت کل نوع LULC با جمع کردن مساحت پیکسل‌ها با مقدار یک تعیین می‌شود.

تشخیص تغییر

تغییرات LULC با استفاده از تکنیک مقایسه پس از طبقه‌بندی در پلتفرم GEE تجزیه و تحلیل شدند. هر تصویر طبقه‌بندی شده شامل چهار کلاس کاربری زمین مجزا است که به هر کلاس یک مقدار خاص اختصاص داده شده است. تغییر LULC به بخشی از یک کلاس کاربری زمین اشاره دارد که در طول زمان به کلاس دیگری تغییر یافته است. این فرآیند منجر به ۱۶ نتیجه ممکن از انتقال LULC می‌شود.

تصویر گذار ( ) با استفاده از معادله زیر تولید می‌شود:

که در آن، نشان دهنده تصویر طبقه‌بندی شده قبلی و نشان دهنده تصویر طبقه‌بندی شده نهایی است. با استفاده از تصویر انتقالی، یک ماتریس تغییر LULC ایجاد می‌شود که یک مرور کلی از تحولات بین طبقات کاربری زمین ارائه می‌دهد.

تحلیل نقاط داغ دگرگونی زمین

برای تجزیه و تحلیل نقاط داغ دگرگونی زمین، تصاویر دودویی برای هر گذار LULC ایجاد شدند، که در آن ۰ (صفر) نشان دهنده «عدم تغییر» و ۱ (یک) نشان دهنده «تغییر» است. این تصاویر دودویی از نقشه‌های سالانه LULC که با استفاده از تصاویر ماهواره‌ای طبقه‌بندی شده (مثلاً داده‌های لندست) تولید شده‌اند، استخراج شده‌اند.

هر تصویر دودویی به عنوان یک تصویر وزنی برای تحلیل نقاط داغ بعدی عمل کرد. سپس با جمع تصاویر دودویی در تمام سال‌ها، یک تصویر پوششی وزنی ایجاد شد که نشان‌دهنده فراوانی تغییرات کاربری زمین است.

با استفاده از آماره Getis-Ord G _i ^* ۴۰ ، نقاط داغ (مناطقی با تغییرات مکرر) و نقاط سرد (مناطقی با حداقل تغییرات) شناسایی شدند. آستانه Z-score برابر با ± ۰٫۱ اعمال شد که امکان تشخیص الگوهای خوشه‌بندی ظریف مناسب برای شناسایی دگرگونی‌های گسترده اما کمتر متمرکز زمین را فراهم می‌کند. در حالی که این آستانه حساسیت را در اولویت قرار می‌دهد، توسط پویایی تغییرات مشاهده شده در منطقه مورد مطالعه پشتیبانی می‌شود.

این رویکرد، نمایش فضایی صریحی از پویایی دگرگونی زمین ارائه داد و مناطقی را که نیاز به مدیریت هدفمند و تحقیقات بیشتر دارند، برجسته کرد.

تغییرات LULC در طول زمان

شکل ۳ پویایی LULC در منطقه سیلهت را برای سال‌های ۲۰۰۰، ۲۰۰۵، ۲۰۱۰، ۲۰۱۵، ۲۰۲۰ و ۲۰۲۳ نشان می‌دهد. دقت کلی این نقشه‌های طبقه‌بندی به ترتیب ۱۰۰٪، ۹۴٪، ۱۰۰٪، ۹۶٪، ۹۳٪ و ۱۰۰٪ است. در یک مطالعه مرتبط، پانده و همکارانش طبقه‌بندی‌های LULC را در منطقه آکولا، ماهاراشترا، هند، برای سال‌های ۲۰۰۸ و ۲۰۱۵ تجزیه و تحلیل کردند و به ترتیب به دقت کلی ۹۴٫۱٪ و ۸۸٫۱۴٪ دست یافتند . ^۴۱ به طور مشابه، سیام و همکارانش ^{۴۲ نفر} نقشه‌های LULC را برای بهلوکا در میمنسینگ، بنگلادش ارزیابی کردند و دقت کلی ۸۷.۲٪ را برای سال ۲۰۰۲ و ۸۹.۶٪ را برای سال ۲۰۲۲ گزارش کردند. در این مطالعه، حداقل دقت کلی به‌دست‌آمده ۹۳٪ است که اطمینان بالایی را در نقشه‌های LULC مشاهده‌شده فراهم می‌کند.

نقشه‌های LULC نشان می‌دهد که پوشش گیاهی در سال ۲۰۰۰ غالب‌ترین نوع LULC بوده و ۵۰.۵۱٪ از مساحت منطقه را پوشش داده است (همانطور که در جدول  ۴ نشان داده شده است ). این مناطق گیاهی عمدتاً در بخش‌های شمالی کومپانیگانج، گووینگات، جاینتیاپور و اوپزیلاهای کانایگات، بخش‌های جنوبی زاکیگنج، بیانی بازار و اوپزیلاهای فنچوگانج و منطقه مرکزی بخش سیلهت، به ویژه در سیلهت سادار اوپزیلا، واقع شده‌اند. دومین نوع LULC غالب در سال ۲۰۰۰، پهنه‌های آبی بود. جدول  ۴ مساحت و درصد دسته‌های مختلف LULC را برای هر سال فهرست می‌کند.

در سال ۲۰۰۵، مساحت پوشش گیاهی و پهنه‌های آبی به طور چشمگیری از ۵۰.۵۱ به ۲۴.۳۸ درصد و از ۳۴.۲۵ به ۱۶.۳۴ درصد کاهش یافت و زمین‌های بایر به غالب‌ترین نوع LULC تبدیل شدند و ۵۶.۶۶ درصد از منطقه را پوشش دادند. تا سال ۲۰۱۰، کاهش اندکی در مساحت پوشش گیاهی، پهنه‌های آبی و زمین‌های بایر مشاهده شد، در حالی که مناطق شهری افزایش قابل توجهی را تجربه کردند. توسعه شهری به ویژه در قسمت جنوبی سیلهت سادار اوپزیلا و قسمت شرقی بینی بازار اوپزیلا قابل توجه بود (شکل  ۳ ). پوشش شهری در سال ۲۰۱۰ تقریباً ۶۷۰۰۰ هکتار بود که حدود ۱۹.۵ درصد از کل مساحت منطقه سیلهت را تشکیل می‌دهد.

در سال ۲۰۱۵، مناطق شهری به طور قابل توجهی از ۱۹.۵ به ۸.۵ درصد کاهش یافت، در حالی که سایر انواع LULC نسبتاً ثابت ماندند. در سال ۲۰۲۰، مناطق شهری و پوشش گیاهی اندکی افزایش یافت، در حالی که زمین‌های بایر و پهنه‌های آبی کاهش یافتند. در نهایت، در سال ۲۰۲۳، مناطق شهری، پهنه‌های آبی و مناطق پوشش گیاهی افزایش یافتند و به ترتیب حدود ۱۸.۵ درصد، ۷.۵ درصد و ۵۰.۵ درصد از کل مساحت منطقه سیلهت را پوشش دادند. در طول این سال، زمین‌های بایر از ۴۵ درصد به تقریباً ۲۳ درصد کاهش یافت.

الگوی تغییر LULC

تحلیل سری‌های زمانی

جدول  ۵ تغییرات LULC را از یک نوع به نوع دیگر در طول دوره مطالعه نشان می‌دهد. تقریباً ۱۵۶۰۰۰ هکتار، یا حدود ۴۵٪ از کل مساحت زمین منطقه سیلهت، در طول بیست و سه سال گذشته بدون تغییر باقی مانده است (جدول  ۵ ). این مطالعه نشان می‌دهد که در حالی که اکثر انواع LULC افزایش یافته‌اند، مساحت تحت پوشش آبراه‌ها کاهش یافته است (شکل  ۴ (الف)). بیشترین افزایش در مناطق شهری (از ۴٫۶۵ به ۱۸٫۴۶٪) مشاهده شد، در حالی که کمترین افزایش در مناطق پوشش گیاهی رخ داده است (شکل  ۴ (ب)). تا سال ۲۰۲۳، حدود ۷٪ از آبراه‌های سال ۲۰۰۰ به مناطق شهری، ۵٫۵٪ به زمین‌های بایر و ۱۵٪ به پوشش گیاهی تبدیل شده بودند. برعکس، تنها بخش کوچکی از سایر انواع LULC تا سال ۲۰۲۳ به آبراه‌ها تبدیل شده‌اند. این کاهش در آبراه‌ها، به ویژه مناطق زهکشی، روند نگران‌کننده‌ای است که توانایی منطقه را در مدیریت رواناب سطحی بیش از حد به خطر می‌اندازد.

تغییر در منطقه شهری

در سال ۲۰۱۸، اس. گوپتا و همکاران ^۳۳ رشد شهری در منطقه سیلهت سادار را مورد تجزیه و تحلیل قرار دادند و به گسترش قابل توجه آن در درجه اول در شرکت شهر سیلهت و مناطق اطراف آن، واقع در بین عرض‌های جغرافیایی ۲۴°۵۲’ و ۲۴°۵۶’ شمالی و طول‌های جغرافیایی ۹۱°۵۰’ و ۹۱°۵۴’ شرقی، اشاره کردند. این روند در مطالعه ما نیز مشهود است. با این حال، شکل  ۵ مروری جامع‌تر از توسعه شهری در کل منطقه سیلهت از سال ۲۰۰۰ تا ۲۰۲۳، با تصاویری از سال‌های ۲۰۰۰، ۲۰۰۵، ۲۰۱۰، ۲۰۱۵، ۲۰۲۰ و ۲۰۲۳ ارائه می‌دهد.

در سال ۲۰۰۰، شهرنشینی در سیلهت نسبتاً متوسط ​​بود و مناطق مسکونی به طور پراکنده توزیع شده بودند و عمدتاً در مناطق مرکزی مانند سیلهت سادار و اوپازیلاس مجاور متمرکز بودند. تا سال ۲۰۰۵، گسترش اندکی در مناطق شهری مشاهده می‌شود که رشد قابل توجهی در سیلهت سادار و اوپازیلاس اطراف، از جمله ظهور مناطق شهری جدید در داکشین سورما و گلاپگنج، مشاهده می‌شود. روند گسترش شهری تا سال ۲۰۱۰ با رشد قابل توجه در مناطق مرکزی، به ویژه در سیلهت سادار، داکشین سورما و گلاپگنج، برجسته‌تر می‌شود. علاوه بر این، شهرنشینی به سایر اوپازیلاس‌ها مانند بیشوانات و کانایگات نیز گسترش می‌یابد. این شتاب در سال ۲۰۱۵ نیز ادامه دارد و افزایش قابل توجهی در وسعت و تراکم مناطق شهری، به ویژه در بخش‌های مرکزی و غربی سیلهت، مشاهده می‌شود. توسعه‌های شهری جدید نیز در اوپازیلاس‌هایی مانند بالاگانج و زاکیگنج پدیدار می‌شوند.

تا سال ۲۰۲۰، سرعت شهرنشینی بیشتر می‌شود و منجر به گسترش قابل توجه در سراسر منطقه می‌شود، به طوری که سیلهت سادار، بیشوانات و گلاپگنج بیشترین رشد را تجربه می‌کنند. این دوره الگوی مشخصی از گسترش شهری از مناطق مرکزی به مناطق پیرامونی را نشان می‌دهد. در سال ۲۰۲۳، میزان شهرنشینی حتی بیشتر مشهود است، به طوری که مناطق شهری تقریباً در تمام اوپازیلاس گسترش می‌یابند. سیلهت سادار و اوپازیلاس‌های همسایه همچنان از نظر توسعه شهری غالب هستند و این نشان دهنده روند پایدار شهرنشینی است.

تغییر در پهنه آبی

شکل ۶ توزیع و تغییرات زمانی در پهنه‌های آبی در سراسر منطقه سیلهت از سال ۲۰۰۰ تا ۲۰۲۳ را نشان می‌دهد. در سال ۲۰۰۰، حضور قابل توجهی از پهنه‌های آبی (۳۴٫۲۴٪ در جدول  ۵ ) مشاهده می‌شود، به ویژه در اوپزیلاهای جنوبی، مانند بالاگنج (۱۷٫۸۲٪)، فنچوگانج (۴٫۶۵٪) و داکشین سورما (۷٪) متمرکز شده است. سایر اوپزیلاها، از جمله زاکیگنج (۹٫۷۸٪)، کانایگات (۹٪) و گلابگنج (۷٫۹٪)، نیز دارای پهنه‌های آبی قابل توجهی هستند. تا سال ۲۰۰۵، کاهش اندکی در وسعت این پهنه‌های آبی مشاهده می‌شود. با این حال، توزیع کلی آنها تا حد زیادی بدون تغییر باقی مانده است، و غلظت‌های برجسته هنوز در قسمت‌های جنوبی و مرکزی منطقه، به ویژه در بالاگنج و فنچوگانج یافت می‌شود.

نقشه سال ۲۰۱۰ توزیع مشابهی از پهنه‌های آبی را با حداقل تغییرات، همانند سال ۲۰۰۵ نشان می‌دهد. مناطق جنوبی و مرکزی همچنان میزبان بیشتر پهنه‌های آبی این منطقه هستند. افزایش اندک در میزان دید در برخی مناطق ممکن است نشان‌دهنده تغییرات فصلی یا کوتاه‌مدت باشد. در سال ۲۰۱۵، توزیع آب نسبتاً پایدار باقی مانده است و تمرکز آن در اوپازیلاس جنوبی ادامه دارد، اگرچه نوسانات جزئی در وسعت آن نشان‌دهنده تغییرات محیطی بالقوه یا تغییرات فصلی است.

تا سال ۲۰۲۰، کاهش قابل توجهی در منابع آب، به ویژه در بخش‌های مرکزی و غربی منطقه، مشاهده می‌شود. با این حال، پوشش آبی قابل توجهی در مناطق جنوبی، به ویژه در بالاگنج و فنچوگنج، همچنان ادامه دارد. نقشه ۲۰۲۳ نشان‌دهنده کاهش بیشتر، به ویژه در بخش‌های مرکزی و شمالی منطقه است، اگرچه برخی از منابع آب در مناطق جنوبی، هرچند به شکل کاهش یافته، باقی مانده‌اند. تا سال ۲۰۲۳، حدود ۷۷ درصد از منابع آب کاهش یافته است (شکل  ۴ ).

تحلیل فضایی

جداول  ۶ و ۷ توزیع LULC بر اساس منطقه اوپازیله را برای سال‌های ۲۰۰۰ و ۲۰۲۳ به ترتیب نشان می‌دهند. در سال ۲۰۰۰، بزرگترین مناطق شهری و زمین‌های بایر در اوپازیله کانایگات بودند که به ترتیب تقریباً ۳۲۰۰ و ۶۹۰۰ هکتار را پوشش می‌دادند. اوپازیله سیلهت سادار با حدود ۲۳۰۰ هکتار دومین منطقه شهری بزرگ را داشت، در حالی که اوپازیله بالاگنج با حدود ۶۴۰۰ هکتار دومین منطقه زمین بایر بزرگ را داشت. بزرگترین مناطق آبی و پوشش گیاهی در اوپازیله‌های بالاگنج و گواینگهات یافت شدند که به ترتیب تقریباً ۲۱۰۰۰ و ۲۹۰۰۰ هکتار را پوشش می‌دادند. اوپازیله فنچوگنج با حدود ۱۲۵ و ۵۴۰۰ هکتار کوچکترین مناطق شهری و پوشش گیاهی را داشت. کوچکترین مساحت زمین بایر در منطقه‌ی بینی بازار اوپازیلا با حدود ۲۵۰ هکتار و کوچکترین مساحت پهنه‌ی آبی در منطقه‌ی جاینتیاپور اوپازیلا با حدود ۵۰۰۰ هکتار بود.

تا سال ۲۰۲۳، بزرگترین منطقه شهری، تقریباً ۹۰۰۰ هکتار، در گوآینگات اوپازیله قرار داشت. کانایگات، بالاگانج و گوآینگات اوپازیله به ترتیب بزرگترین مناطق زمین‌های بایر (حدود ۱۶۰۰۰ هکتار)، پهنه‌های آبی (حدود ۴۵۰۰ هکتار) و پوشش گیاهی (تقریباً ۲۴۰۰۰ هکتار) را در خود جای داده بودند. فنچوگانج اوپازیله کوچکترین منطقه شهری (حدود ۱۵۰۰ هکتار)، زمین‌های بایر (حدود ۸۰۰ هکتار) و مناطق پوشش گیاهی (تقریباً ۷۵۰۰ هکتار) را داشت، در حالی که بیشوانات اوپازیله کوچکترین منطقه آبخیز را با حدود ۹۵۰ هکتار در سال ۲۰۲۳ داشت.

جدول  ۸ درصد گذارهای LULC بین سال‌های ۲۰۰۰ تا ۲۰۲۳ را نشان می‌دهد. افزایش در مساحت LULC با مقادیر مثبت نشان داده شده است، در حالی که کاهش با اعداد منفی نشان داده شده است. این مطالعه نشان می‌دهد که مناطق شهری در هر آپازیلا افزایش یافته است، که قابل توجه‌ترین رشد در آپازیلا Beani Bazar با تقریباً ۱۵۰۰٪ مشاهده شده است. زمین‌های بایر فقط در آپازیلا Balaganj کاهش یافته است، در حالی که آپازیلا Beani Bazar بیشترین درصد افزایش در مساحت زمین‌های بایر (حدود ۱۸۵۰٪) را در بین سایر آپازیلاها تجربه کرده است. برعکس، پهنه‌های آبی در همه آپازیلاها کاهش یافته است، و بیشترین کاهش (حدود ۹۰٪) در آپازیلا Bishwanath رخ داده است. مناطق پوشش گیاهی در برخی از آپازیلاها افزایش و در برخی دیگر کاهش یافته است، که بیشترین افزایش (حدود ۱۰۰٪) در آپازیلا Balaganj و بیشترین کاهش (حدود ۳۰٪) در آپازیلا Kanaighat مشاهده شده است.

تحلیل نقاط داغ و سرد تبدیل LULC

تحلیل نقاط داغ Getis-Ord G _i ^* برای شناسایی خوشه‌های آماری معنادار از امتیازهای z بالا (نقاط داغ) و پایین (نقاط سرد) در سراسر منطقه سیلهت به کار گرفته شد که الگوهای مکانی تغییر LULC را در طول دوره مطالعه برجسته می‌کند. طبق شکل  ۷ ، مناطقی که به عنوان نقاط داغ طبقه‌بندی شده‌اند و Z > 0.1 دارند، نشان‌دهنده خوشه‌بندی قابل توجه امتیازهای z بالا هستند که نشان‌دهنده مناطقی با تغییرات قابل توجه در کلاس‌های LULC هستند. این تغییرات LUC عمدتاً به دلیل مداخله انسانی و تا حدی ناشی از بلایای طبیعی رخ داده است. طبق این مطالعه، غلظت‌های قابل توجهی از نقاط داغ در سیلهت سادار (حدود ۲٫۵٪)، بالاگنج (حدود ۵٫۵٪) و بخش‌هایی از کامپانیگنج (حدود ۳٪) و گلابگنج (حدود ۲٫۵٪) مشاهده می‌شود. این الگو با افزایش فعالیت‌های توسعه و گسترش شهری در این مناطق همسو است (شکل  ۵ ). در میان تمام اوپازیلاس‌ها، بالاگنج بالاترین درصد (حدود ۵٫۵٪) از مناطق داغ را نسبت به کل مساحت منطقه خود نشان داد که اهمیت آن را به عنوان منطقه‌ای با دگرگونی شدید کاربری و مدیریت شهری تأیید می‌کند (شکل  ۸ ).

از سوی دیگر، نقاط سرد در شکل  ۷ شناسایی شده‌اند ، که در آن Z < -0.1، نشان‌دهنده خوشه‌هایی از نمرات z پایین است که مناطقی را نشان می‌دهد که حداقل تغییرات در گذارهای LULC در آنها رخ داده است. این بدان معناست که در این مطالعه، نقاط سرد به عنوان مناطقی در نظر گرفته می‌شوند که در آنها اثر مداخله انسانی و بلایای طبیعی مانند سیل حداقل است. زکیگنج (حدود ۴٪)، جاینتیاپور (حدود ۴٪) و کانایگات (> 7٪) به طور برجسته نقاط سرد را نشان می‌دهند، عمدتاً در مناطق با پوشش گیاهی یا آب که گسترش شهری نیز در آنها حداقل بوده است. گلاپگنج و سیلهت سادار نیز نقاط سرد را در مناطق خاص نشان می‌دهند که نشان‌دهنده ناهمگونی مکانی در پویایی LULC است. حداکثر پوشش نقاط سرد (بیش از ۷٪) در کانایگات اوپزیلا و سپس در گووینگات اوپزیلا مشاهده شد که بیش از ۵٪ بود.

در مجموع، این مطالعه تغییرات قابل توجه LULC در منطقه سیلهت از سال ۲۰۰۰ تا ۲۰۲۳ را برجسته می‌کند. در سال ۲۰۰۵، نتایج کاهش قابل توجه پوشش گیاهی (از ۵۰٫۵۱ به ۲۴٫۳۸٪) و افزایش چشمگیر زمین‌های بایر (از ۱۰٫۶۱ به ۵۶٫۶۶٪) را نشان می‌دهد (جدول  ۴ ). این تغییر غیرطبیعی ممکن است به دلیل سال آب و هوایی غیرمعمول ۲۰۰۴ رخ دهد ^.۴۳ در این سال، منطقه سیلهت با یک سیل ناگهانی نامنظم زودهنگام مواجه شد که از آوریل ۲۰۰۴ آغاز شد و تا پایان ژوئیه ۲۰۰۴ ادامه یافت ^.۴۴ این رویداد سیل به بسیاری از مناطق پوشش گیاهی از جمله زمین‌های کشاورزی آسیب رساند که در نهایت به زمین‌های بایر تبدیل شدند. تا سال ۲۰۱۰، منطقه شهری از ۲.۶۱٪ (۲۰۰۵) به ۱۹.۶۷٪ در منطقه سیلهت افزایش یافته است (جدول  ۴ ) و این شهرنشینی به ویژه در بخش جنوبی سیلهت صدر اوپزیلا که عمدتاً شرکت شهر سیلهت (SCC) است، قابل توجه است. به گفته رحمان ام ^۴۵ ، جمعیت شهر سیلهت از ۲۶۳۱۹۷ نفر (در سال ۲۰۰۱) به ۶۶۳۳۱۹۸ نفر (در سال ۲۰۱۰) افزایش یافته است که باعث ایجاد امکانات اقامتی جدید و افزایش مستقیم منطقه شهری شده است. رحمان ام ^۴۵ مشاهده کرد که مهاجرت روستایی به شهری، که ناشی از بیکاری روستایی است، باعث شهرنشینی در SCC شده است. احمد و همکاران ^۴۶ گزارش دادند که بسیاری از آپارتمان‌های جدید، هتل‌های لوکس و مراکز خرید در سال ۲۰۱۰ به تازگی توسعه یافته‌اند که این امر نیز باعث شهرنشینی در این منطقه شده است. یافته‌ها نشان می‌دهد که زمین‌های بایر، نوع غالب LULC در سیلهت در بیشتر سال‌های مورد بررسی، به ویژه در سال‌های ۲۰۰۵، ۲۰۱۰، ۲۰۱۵ و ۲۰۲۰، بوده است. با این حال، در سال‌های ۲۰۰۰ و ۲۰۲۳، مناطق تحت پوشش پوشش گیاهی گسترده‌ترین مناطق بوده‌اند. مناطق شهری روند صعودی مداومی را هم از نظر اندازه و هم از نظر تعداد نشان داده‌اند، در حالی که منابع آبی در طول دوره مطالعه به طور پیوسته کاهش یافته‌اند.

این مطالعه به طور مؤثر گسترش شهری مداوم (از ۴.۶۵٪ در سال ۲۰۰۰ به ۱۸.۴۶٪ در سال ۲۰۲۳) در منطقه سیلهت (جدول  ۵ ) را نشان می‌دهد و این رشد را با عواملی مانند افزایش جمعیت، توسعه اقتصادی و پیشرفت‌های زیرساختی مرتبط می‌داند. علاوه بر این، این تحقیق کاهش قابل توجه منابع آبی (از ۳۴.۲۴٪ در سال ۲۰۰۰ به ۷.۸۷٪ در سال ۲۰۲۳) (جدول  ۵ )، به ویژه در بخش‌های مرکزی و شمالی منطقه را برجسته می‌کند. در مقابل، مناطق مرتفع جنوبی موفق شده‌اند پوشش آبی قابل توجهی را در طول سال‌ها حفظ کنند. کاهش منابع آبی در مناطق شمالی، ظرفیت آنها را برای ذخیره آب کافی در طول فصل بارندگی مختل کرده و منجر به سرریز شدن به مناطق دشت سیلابی شده است. این سرریز شدن، خطر سیل را افزایش می‌دهد و در نهایت آب اضافی را به سمت مناطق جنوبی هدایت می‌کند. این روند احتمالاً منعکس کننده اثرات تجمعی تغییرات کاربری زمین، فعالیت‌های انسانی و تغییرات اقلیمی بر چشم‌انداز هیدرولوژیکی منطقه است.

تحلیل نقاط داغ، نیاز مبرم به برنامه‌ریزی شهری پایدار در مناطق داغ مانند سیلهت سادار (حدود ۲.۵٪) و بالاگنج (حدود ۵.۵٪) را برجسته می‌کند، جایی که شهرنشینی سریع می‌تواند چالش‌هایی را برای پایداری محیط زیست ایجاد کند. در مقابل، مناطق سردسیر با خوشه‌های LULC پایدار، فرصت‌هایی را برای ابتکارات حفاظتی ارائه می‌دهند. نقشه‌های خوشه‌بندی مکانی، تجسم دقیقی از نمرات Gi* z ارائه می‌دهند و بر توزیع مکانی خوشه‌ها تأکید می‌کنند. همبستگی مکانی مشهود در نقشه‌ها نشان می‌دهد که عواملی مانند نزدیکی به مراکز شهری، توسعه زیرساخت‌ها و محدودیت‌های طبیعی، محرک‌های قابل توجهی از تغییرات LULC در منطقه هستند.

روندهای مشاهده شده در این مطالعه عمدتاً ناشی از رشد جمعیت، شهرنشینی سریع، توسعه بی‌قاعده زمین و رویدادهای زیست‌محیطی مانند سیل‌های ناگهانی است. به عنوان مثال، سیل ناگهانی اولیه در سال ۲۰۰۴ به زمین‌های کشاورزی آسیب رساند و به افزایش موقت زمین‌های بایر در سال ۲۰۰۵ کمک کرد. در مقابل، افزایش تقاضا برای مسکن و زیرساخت‌ها در مراکز شهری، به ویژه سیلهت سادار، منجر به تبدیل گسترده پوشش گیاهی و آبراه‌ها به مناطق ساخته شده شده است. این تحولات منعکس کننده الگوهای گسترده‌تر مهاجرت از روستا به شهر و کنترل ناکافی نظارتی بر استفاده از زمین در مناطق پیرامون شهری است. از لحاظ تئوری، این مطالعه با نشان دادن چگونگی ادغام تصاویر ماهواره‌ای با وضوح زمانی بالا با ابزارهای آماری مکانی مانند Getis-Ord G _i ^* می‌تواند به طور مؤثر نقاط حساس و نقاط سرد تبدیل را شناسایی کند، به ادبیات LULC کمک می‌کند. این رویکرد یک چارچوب قابل تکرار برای اولویت‌بندی مناطق برای برنامه‌ریزی کاربری زمین و کاهش خطر سیل، به ویژه در مناطق آسیب‌پذیر در برابر سیل و با کمبود داده، فراهم می‌کند.

این مطالعه، تجزیه و تحلیل گسترده‌ای از تحولات LULC در منطقه سیلهت، بنگلادش، طی یک دوره ۲۳ ساله (۲۰۰۰-۲۰۲۳) با استفاده از موتور گوگل ارث (GEE) ارائه می‌دهد. نتایج، تحولات قابل توجهی را در LULC برجسته می‌کند، به طوری که مناطق شهری به طرز چشمگیری با هزینه آب‌ها و پوشش گیاهی گسترش یافته‌اند. شهرنشینی به ویژه در ارتفاعاتی مانند بینی بازار و سیلهت سدار افزایش یافته است، و به تبع آن، ویژگی‌های طبیعی مانند آب‌ها نیز کاهش یافته‌اند، که تقریباً ۷۷ درصد در سراسر منطقه کاهش یافته است. این یافته‌ها بر نیاز مبرم به برنامه‌ریزی شهری پایدار و اجرای زیرساخت‌های زهکشی مؤثر برای کاهش خطر افزایش یافته سیل ناگهانی در منطقه تأکید می‌کند. سیاست‌گذاران، برنامه‌ریزان شهری و مهندسان منابع آب می‌توانند از این بینش‌ها برای توسعه استراتژی‌هایی که توسعه را با حفظ محیط زیست متعادل می‌کنند، استفاده کنند و تاب‌آوری بلندمدت در برابر خطرات سیل در منطقه سیلهت را تضمین کنند. ادغام فناوری‌های پیشرفته سنجش از دور مانند GEE، چارچوبی قوی برای نظارت مداوم بر LULC ارائه می‌دهد و یک راه‌حل مقیاس‌پذیر برای سایر مناطق مستعد سیل در سطح جهان فراهم می‌کند. اگرچه این مطالعه بینش‌های جامعی در مورد تغییرات LULC و نقاط حساس دگرگونی ارائه می‌دهد، اما با وضوح مکانی تصاویر لندست محدود شده است که ممکن است تغییرات پوشش زمین در مقیاس بسیار ریز را ثبت نکند. تحقیقات آینده ممکن است تغییرات فصلی را با تصاویر با وضوح بالا در پوشش زمین و حساسیت به سیل بررسی کند، داده‌های اجتماعی-اقتصادی را برای ارزیابی آسیب‌پذیری انسانی ادغام کند، یا مدل‌سازی سیل ناگهانی را برای ارزیابی جامع‌تر ریسک در نظر بگیرد.