نقشه‌برداری و تشخیص تغییرات پوشش زمین (LC) به دلیل نقش مهم آنها در تحقیقات علمی مختلف ^۱ مانند نظارت و مدل‌سازی محیطی ^۲ ، ۳ ، مطالعات اقلیمی ^۴ ، مدیریت منابع ^۵ ، توسعه پایدار شهری و برنامه‌ریزی شهری ^۶ ، ۷ ، در کاربردهای سنجش از دور و مکانی بسیار مهم هستند. علاوه بر این، نقشه‌های دقیق پوشش زمین و تشخیص تغییرات پوشش زمین، بینش‌های ارزشمندی در مورد پویایی کاربری زمین ناشی از فرآیندهای طبیعی و انسانی، که اغلب با پیامدهای تصمیم‌گیری و سیاست‌گذاری همراه هستند، ارائه می‌دهند ^۸ ، ۹٫ در سطح جهانی، تغییرات پوشش زمین (LC) ناشی از شهرنشینی سریع، با افزایش خطرات بهداشتی، آلودگی هوا، باران اسیدی، اثرات جزیره گرمایی شهری و سیل شهری، تهدیدات جدی را برای شهرهای جهان ایجاد می‌کند ^۱۰٫ علاوه بر این، تغییرات پوشش زمین بر فرآیندهای بیولوژیکی طبیعی، بوم‌شناسی و محیط زیست شهری و زیستگاه طبیعی تأثیر می‌گذارد و در نهایت توسعه پایدار مناطق شهری را تهدید می‌کند ^{۱۱ ، ۱۲ ، ۱۳ ، ۱۴٫} در کشورهای در حال توسعه، گسترش شهری گسسته است که بر اجرای صحیح برنامه‌ها و سیاست‌ها تأثیر می‌گذارد، داکا نیز از این قاعده مستثنی نیست ^۱۵ . در نتیجه، نیاز به یک LC دقیق‌تر از اهمیت قابل توجهی برخوردار است.

طبقه‌بندی و تشخیص تغییرات پوشش زمین (LC) به طور گسترده با استفاده از سیستم‌های اطلاعات جغرافیایی (GIS) و سنجش از دور در سراسر جهان انجام می‌شود. روش‌های سنتی به تصاویر تک‌تاریخی متکی هستند که نمی‌توانند کلاس‌های LC تغییر یافته فصلی را ثبت کنند ^{۱۶ ، ۱۷٫} زیرا برخی از پوشش‌های زمین (LCs)، تحت تأثیر فرآیندهای طبیعی و انسانی، تغییرات بین فصلی را نشان می‌دهند، به ویژه در مناطق گرمسیری ^{۱۸ ، ۱۹} و پس از تکمیل چرخه‌های فنولوژیکی خود به حالت اولیه خود باز می‌گردند ^{۲۰ ، ۲۱ ، ۲۲٫} به عنوان مثال، در داکا، تالاب‌ها در فصول بارانی و پس از باران‌های موسمی گسترش می‌یابند و در زمستان و تابستان و گاهی اوقات در فصول خشک که برای کشاورزی استفاده می‌شوند، کوچک می‌شوند. زمین‌های کشاورزی در زمستان به کشت (پوشش گیاهی) و در تابستان به حالت آیش (لخت) تبدیل می‌شوند، در حالی که زمین‌های کشاورزی پست در طول باران‌های موسمی به تالاب (آبراه‌ها) تبدیل می‌شوند (شکل  ۱ ). علاوه بر این، مناطق پوشیده از ساخت و ساز، پوشش گیاهی و زمین‌های لخت نیز بر اساس فصول در طول سال نوسان می‌کنند ^{۱۸ ، ۱۹} . نمودار شماتیک (شکل  ۱ ) الگوی چرخشی فصلی LC در شهر داکا را در فصول مختلف نشان می‌دهد. طبقه‌بندی LC تک‌تاریخی، با نادیده گرفتن چرخش‌های فصلی، اغلب منجر به تخمین بیش از حد یا کمتر از حد برخی از طبقات می‌شود، که در مطالعات قبلی شهر داکا ^{۲۳ ، ۲۴ ، ۲۵ ، ۲۶} مشهود است . علیرغم اهمیت آن، تحقیقات محدودی به طور جامع به این تغییرات فصلی پرداخته‌اند، زیرا مطالعات عمدتاً بر روی انواع ثابت LC متمرکز بوده‌اند.

در سطح جهانی، برای کاهش اثر فصلی بودن، بر تکنیک‌های پیش‌طبقه‌بندی مانند ترکیب طیفی تصاویر ماهواره‌ای ^{۲۷ ، ۲۸} ، انتخاب بهترین فصل برای نقشه‌برداری LC برای ویژگی‌های زمین انتخاب شده ^۱۷ ، مقایسه نقشه‌های LC فصول مختلف برای انتخاب بهترین فصل ^۲۹ ، استخراج ویژگی‌های فصلی از فصل‌های مختلف از داده‌های ماهواره‌ای سری زمانی و روی هم قرار دادن آنها برای بدست آوردن نقشه LC دقیق ^۳۰ ، انتخاب زمان‌بندی اخذ تصویر با بهینه‌سازی زمانی اخذ تصویر ^۱۶ ، ترکیب/اضافه کردن مقادیر طیفی از داده‌های ماهواره‌ای سری زمانی سالانه ^۳۱ ، حذف تغییرات کاذب در نقشه تغییرات LC ناشی از اثر فصلی در طبقه‌بندی LC ^۳۲ ، و ترکیب تصاویر خام فصول/ماه‌های مختلف ^۳۳ تأکید شده است . طبقه‌بندی چندزمانه تصویر به دلیل شباهت زیاد در تغییرات فصلی کلاس‌های LC، دقت نقشه‌های LC را کمی بهبود می‌بخشد ^۳۳٫ اما، هنوز هم ترسیم بهترین تصویر طبقه‌بندی شده که چشم‌انداز واقعی را تکرار می‌کند، توسعه نیافته است. با این حال، تلاش محدودی برای تغییر فصلی LCها در سراسر جهان و همچنین در داکا صورت گرفته است.

پیش از این، پوشش زمین شهر داکا به مناطق ساخته شده، پوشش گیاهی، زمین‌های بایر و پهنه‌های آبی طبقه‌بندی می‌شد ^{۲۵ ، ۳۴ ، ۳۵} و برخی از محققان انواع دیگری از کاربری زمین و پوشش زمین را به همراه این چهار نوع اضافه کردند، مانند زمین‌های کشاورزی ^{۲۶ ، ۳۶ ، ۳۷} ، کشاورزی و تالاب ^{۳۸ ، ۳۹} ، زمین‌های پست ^۲۴ ، پوشش گیاهی متراکم و پوشش گیاهی پراکنده ^۲۵٫ با این حال، فصلی بودن به طور قابل توجهی بر مناطق پوشش زمین در نقشه‌های طبقه‌بندی شده تأثیر می‌گذارد، زیرا همین مناطق ممکن است در طول فصول به پوشش گیاهی/کشاورزی و زمین بایر تبدیل شوند. این تغییرپذیری فصلی همچنین بر پوشش گیاهی در پارک‌ها و زمین‌های بازی شهری تأثیر می‌گذارد ^{۱۹ ، ۳۸٫} با توجه به ناهمگونی بیشتر پوشش زمین در منطقه شهری، تعیین انواع LC بسیار دشوار است که بر تصمیم‌گیری، سیاست استفاده از زمین و ارزیابی تخریب محیط زیست تأثیر می‌گذارد و منجر به توسعه ناپایدار شهر می‌شود ^{۱۵ ، ۳۸} . با این حال، در داکا، تلاش‌های محدودی برای بررسی تأثیر فصلی بودن در طبقه‌بندی LC یا دسته‌بندی LCهای تغییر یافته فصلی انجام شده است. اکثر مطالعات بر طبقه‌بندی LC برای فصول مختلف و تجزیه و تحلیل تغییرات فصلی در میزان پوشش زمین تمرکز دارند تا ادغام پویایی فصلی در یک رویکرد طبقه‌بندی جامع ^۱۸ .

با توجه به این مسائل، پژوهش حاضر روشی مفهومی و روش‌شناختی جدید برای ثبت طبقات پوشش زمین تغییر یافته فصلی از طریق توسعه یک سیستم طبقه‌بندی پوشش زمین یکپارچه فصلی (SILC) ارائه می‌دهد. این مطالعه فرض می‌کند که تهیه نقشه‌های SILC با ادغام نقشه‌های LC فصلی، نمایش دقیق‌تر و واقع‌بینانه‌تری از پویایی پوشش زمین در مقایسه با نقشه‌های LC تک تاریخی ارائه می‌دهد و برنامه‌ریزی شهری و استراتژی‌های تاب‌آوری اقلیمی را بهبود می‌بخشد. برای تهیه نقشه‌های SILC برای شهر داکا، از چهار نوع اساسی LC شامل مناطق ساخته شده، پوشش گیاهی، زمین‌های بایر و بدنه آبی که به طور گسترده مورد مطالعه و پذیرش قرار گرفته‌اند ( ^{۲۵ ، ۳۴ ، ۳۵} ) برای شناسایی و طبقه‌بندی مجدد طبقات پوشش زمین تغییر یافته فصلی استفاده شد.

یک منطق طبقه‌بندی مجدد مکانی منحصر به فرد مبتنی بر قانون اعمال شد، که در آن کلاس‌های فصلی LC بر اساس رفتار زمانی، ویژگی‌های محیطی و جغرافیایی و ارتباط زمینه‌ای آنها در آب و هوای موسمی شهری، در یازده دسته نهایی SILC (به عنوان مثال، پوشش گیاهی تالاب فصلی، پوشش گیاهی مختلط شهری، پوشش گیاهی خشک فصلی، آب دائمی، ساخت و ساز دائمی، پوشش گیاهی دائمی، زمین بایر دائمی، ساخت و ساز فصلی، زمین بایر فصلی) (تعریف کامل در جدول  ۵ ) ترکیب شدند. نقشه‌های LC سه فصل، یعنی پس از مانسون، زمستان و تابستان، برای هر سال هدف (۲۰۰۰، ۲۰۱۰ و ۲۰۲۲) برای تهیه نقشه‌های SILC ادغام شدند. تشخیص تغییرات با استفاده از این نقشه‌های SILC برای درک دگرگونی مکانی-زمانی پوشش زمین در داکا در یک دوره ۲۲ ساله انجام شد. این مطالعه، سازگاری زمانی بلندمدت را بر وضوح مکانی برای ثبت تغییرات پوشش زمین چند دهه‌ای در داکا اولویت‌بندی کرد و لندست را به مناسب‌ترین منبع داده تبدیل کرد.

این تحقیق با ثبت دینامیک پوشش زمین در طول سال و طبقه‌بندی مجدد آنها به دسته‌های پایدار زمانی یا انتقالی فصلی، فراتر از رویکردهای مرسوم تک فصلی یا ترکیبی طیفی می‌رود. چارچوب پیشنهادی SILC روشی قابل تکرار ارائه می‌دهد که می‌تواند در سایر مناطق شهری پویای فصلی، به ویژه در مناطق موسمی گرمسیری، برای مدیریت بهتر محیط زیست، ارزیابی خطر و برنامه‌ریزی کاربری زمین اعمال شود. اهداف خاص این تحقیق عبارتند از:

• آماده‌سازی LC برای سه فصل پس از مانسون، زمستان و تابستان سال‌های ۲۰۰۰، ۲۰۱۰ و ۲۰۲۲.
• تهیه LC یکپارچه فصلی (SILC) با ترکیب LC سه فصل یک سال معین با در نظر گرفتن LCهای چرخشی فصلی.
• ارزیابی تغییر SILC بین سال‌های ۲۰۰۰ تا ۲۰۲۲ در شهر داکا.

در مقایسه با نقشه‌های LC تک‌تاریخی، این نوع نقشه SILC برای برنامه‌ریزی شهری و سیاست‌گذاری در جهت یک شهر پایدار و مقاوم در برابر آب و هوا مفیدتر خواهد بود.

الگوی بین فصلی چهار LC پایه از سال ۲۰۰۰ تا ۲۰۲۲

تحلیل پوشش فصلی زمین (LC) از سال ۲۰۰۰ تا ۲۰۲۲، تغییرات مکانی متمایزی را در هر سال به دلیل تأثیر فصلی، به ویژه در پوشش گیاهی، پهنه‌های آبی و زمین‌های بایر نشان داد (شکل  ۲.ai ). تغییرات فصلی در پوشش زمینی (LC) در سال‌های اولیه مشهودتر بود (شکل  ۲.a ، ۲.b و ۲.c )؛ با این حال، به دلیل گسترش شهری و فعالیت‌های توسعه‌ای مرتبط (شکل  ۲.g ، h و i)، که برخی از LCهای پویای فصلی را به طور دائم تبدیل کرد، به مرور زمان کاهش یافت (شکل  ۴.a ، ۲.b و ۲.c ). در سال ۲۰۰۰، بخش زیادی از پهنه‌های آبی در ضلع شرقی و غربی شهر در طول فصل پس از باران‌های موسمی به پوشش گیاهی در طول فصول زمستان و تابستان تبدیل شدند (شکل  ۲.a ، ۲.b و ۲.c ). علاوه بر این، برخی از پوشش گیاهی در بخش شمالی شهر از زمستان تا تابستان به زمین‌های بایر تبدیل شده بود (شکل‌های  ۲٫a ، ۲٫b و ۲٫c ). در سال ۲۰۱۰، بیشتر این تغییرات فصلی در بخش‌های شرقی و شمال غربی شهر رخ داد (شکل‌های  ۲٫d ، ۲٫e و ۲٫f). در سال ۲۰۲۲، میزان نوسانات فصلی به طور قابل توجهی کاهش یافت، به جز تغییرات جزئی در بخش جنوب شرقی شهر (شکل‌های  ۲٫g ، ۲٫h و ۲٫i ).

این کاهش در گذارهای فصلی در مناطق شهری با گذشت زمان، ناشی از فعالیت‌های توسعه‌ای برنامه‌ریزی نشده در مناطقی با مناطق شهری با تغییرات فصلی بوده است. به عنوان مثال، برخی از پوشش گیاهی فصلی به طور دائم با زمین‌های بایر یا مناطق ساخته شده جایگزین شده‌اند (جدول S 2 )، که باعث کاهش تنوع فصلی در مناطق شهری، به ویژه در مناطق ساخته شده (جدول  ۲ و جدول S 2 ) می‌شود . با این حال، در سال‌های بعد (۲۰۱۰ و ۲۰۲۲)، پوشش گیاهی پس از باران‌های موسمی در مناطق مرکزی شهری در طول زمستان و تابستان به سطوح غیرقابل نفوذ (مناطق ساخته شده یا زمین‌های بایر) تغییر یافت (شکل  ۲٫d تا ۲٫i ). این تغییر ممکن است به اثر جزیره‌ای شهری بیش از حد نسبت داده شود که بر بازتاب طیفی پوشش گیاهی در فصول خشک تأثیر می‌گذارد. اگرچه پوشش گیاهی در مرکز شهر به دلیل برخی فعالیت‌های کشاورزی در منطقه پیرامونی شهر کاهش می‌یابد، اما مساحت کل پوشش گیاهی در طول پس از باران‌های موسمی و تابستان تقریباً بدون تغییر باقی می‌ماند (شکل  ۳ و جدول S 1 ). این تغییرات فصلی LC در یک نقشه LC تک تاریخی نادیده گرفته شده بود، اما اکنون در تحقیق فعلی تا حد زیادی مشهود است. تأثیر فصلی بودن نیز در تغییر بلندمدت طبقات LC مشهود است (شکل  ۳ ). با گذشت زمان، پهنه‌های آبی و پوشش گیاهی تا حد زیادی کاهش یافته در حالی که مناطق ساخته شده و زمین‌های بایر به طور قابل توجهی افزایش یافته است (شکل  ۳ ).

تغییرات SILC از سال ۲۰۰۰ تا ۲۰۲۲

این نوسانات فصلی طبقات LC (شکل  ۲٫ai ) برای تولید نقشه SILC یک سال (شکل  ۴٫ac ) به کار گرفته می‌شوند. از ترکیب نقشه سه فصل، نقشه SILC پویا اطلاعات مربوط به طبقات LC با نوسانات فصلی را آشکار کرد. نقشه ترکیبی یازده طبقه SILC را در سه سال مورد مطالعه نشان داد (جدول  ۱ ؛ شکل  ۳ و تعریف SILC در جدول  ۶ ).

بین سال‌های ۲۰۰۰ تا ۲۰۲۲، زمین‌های مسکونی دائمی و پوشش گیاهی دائمی تا حد زیادی افزایش یافته و زمین‌های بایر دائمی و زمین‌های شهری مختلط اندکی افزایش یافته‌اند (جدول  ۱ ). از سوی دیگر، پوشش گیاهی تالاب فصلی (شکل  ۴.ac )، که زمانی در فصول خشک نیز کشت می‌شد، به طور قابل توجهی کاهش یافته و به دنبال آن زمین‌های بایر فصلی، پوشش گیاهی مختلط و پوشش گیاهی خشکی فصلی قرار گرفته‌اند (جدول  ۱ ).

کل مساحت ساخته شده از ۷۷٫۸۰ کیلومتر مربع در سال ۲۰۰۰ به ۱۴۳٫۷۵ کیلومتر مربع در سال ۲۰۲۲ افزایش یافته است (جدول  ۱ )، که نشان دهنده شهرنشینی سریع و فعالیت های توسعه ای و افزایش فشار جمعیت است (شکل  ۴ ). الگوی پوشش گیاهی فصلی (شکل  ۴ ) که در سال ۲۰۰۰ به طور قابل توجهی نوسان داشت (شکل  ۲٫ac )، در سال ۲۰۲۲ ثابت تر شده است (شکل  ۲٫gi )، با کاهش شدید پوشش گیاهی تالاب فصلی (از ۳۰٫۲۸ به ۲٫۲۰٪) و افزایش مناطق ساخته شده دائمی (از ۱۶٫۹۲ به ۳۶٫۸۸٪) (جدول  ۱ ). این تغییر ناشی از افزایش فعالیت های انسانی و ناهمگونی شهری است که منجر به افزایش مناطق مختلط شهری، زمین های بایر و ساخته شده شده است. مانند مناطق پر شده با شن و ماسه برای مصارف مسکونی که در طول دوره پس از مانسون به عنوان تالاب طبقه‌بندی می‌شوند، پوشش گیاهی در طول زمستان و ساخته شده در طول تابستان، نوسانات فصلی اندکی افزایش یافته در LCها، به ویژه SILCهای مختلط. علاوه بر این، کاهش ساخت و ساز فصلی و افزایش مناطق شهری مختلط نشان دهنده کاهش پوشش گیاهی در اطراف و بین مناطق شهری، مانند کاهش پارک‌ها و باغ‌های جلوی ساختمان است که در قسمت میانی تصاویر طبقه‌بندی شده نشان داده شده است (شکل  ۴٫ac ). علاوه بر این، شهرنشینی سریع نیز منجر به پر شدن آب‌های بزرگ، به ویژه تالاب‌ها، برای توسعه زیرساخت‌ها شده است. پوشش گیاهی تالاب فصلی از ۹۱٫۱۲ کیلومتر مربع در سال ۲۰۰۰ به تنها ۶٫۶۲ کیلومتر مربع در سال ۲۰۲۲ کاهش یافته است (جدول  ۱ )، که به ترکیب همگن‌تر پوشش زمین در سال‌های اخیر کمک می‌کند. با این حال، مداخلات دولتی، مانند احیای هاتیرجهیل ^۴۰ و تبدیل برخی از آبراه‌های فصلی و پوشش گیاهی تالاب در بخش شمالی شهر که در احمد و احمد (۲۰۱۲) ^۴۱ نیز مشهود است ، به افزایش اندک آبراه‌های دائمی در مناطق خاص کمک کرده است (شکل  ۲٫ai و ۴٫ac ). زمین‌های بایر دائمی، از ۷٫۸۴ کیلومتر مربع در سال ۲۰۰۰ به ۲۲٫۰۰ کیلومتر مربع در سال ۲۰۱۰ افزایش یافت، قبل از اینکه در سال ۲۰۲۲ به ۱۳٫۴۸ کیلومتر مربع کاهش یابد (جدول  ۱ ). در حالی که زمین‌های بایر فصلی روند کاهشی را دنبال کردند و از ۲۳٫۱۴ کیلومتر مربع در سال ۲۰۰۰ به ۱۴٫۰۶ کیلومتر مربع در سال ۲۰۱۰ و سپس به ۹٫۳۹ کیلومتر مربع در سال ۲۰۲۲ کاهش یافتند (جدول  ۱ ).

پویایی فصلی و گسترش شهری

توزیع مکانی تغییرات فصلی LC، نقش توسعه شهری را در تغییر پوشش طبیعی زمین نشان می‌دهد. در سال ۲۰۰۰، دگرگونی پوشش گیاهی فصلی و تالاب‌ها در حاشیه داکا متمرکز بود (شکل  ۲.ac ). با این حال، تا سال‌های ۲۰۱۰ و ۲۰۲۲، این تغییرات به سمت مناطق اصلی شهر منتقل شده بود که ناشی از تبدیل فضاهای سبز به سطوح نفوذناپذیر بود (شکل  ۲.di ). این الگوی بین فصلی در SILCها نیز منعکس شده است، جایی که بیشتر SILCهای فصلی مانند ساخت و ساز فصلی، پوشش گیاهی خشک فصلی و زمین‌های بایر فصلی تا حد زیادی به SILC از نوع دائمی مانند ساخت و ساز دائمی تبدیل شده‌اند (شکل  ۴.ac و شکل  ۵ ). این الگو در قسمت شمالی شهر نیز مشهود است (شکل  ۴.ac و شکل  ۵ ). این الگوی تغییر SILC با رشد سریع جمعیت و توسعه زیرساخت‌های شهر داکا همسو است. در طول دوره مطالعه (۲۰۰۰ تا ۲۰۲۲)، اگرچه تغییر جزئی در تمام مناطق SILC مشهود بود، اما تبادلات قابل توجهی بین پوشش گیاهی فصلی، زمین‌های بایر و انواع ساخته شده رخ داد (شکل  ۵ الف و ب و جدول S ۲-۴ ). به عنوان مثال، بین سال‌های ۲۰۰۰ تا ۲۰۱۰ ، ۲۱٫۹۵ کیلومتر مربع از پوشش گیاهی تالاب فصلی به پوشش گیاهی دائمی تبدیل شد، در حالی که ۱۳٫۵۶ کیلومتر مربع از ساخته شده‌های فصلی به مناطق ساخته شده دائمی تبدیل شد (جدول S 2 ). از سال ۲۰۱۰ تا ۲۰۲۲، این روند ادامه یافت و ۱۱٫۳۸ کیلومتر مربع دیگر از ساخته شده‌های فصلی به مناطق ساخته شده دائمی تبدیل شد (جدول S 3 ). این یافته‌ها نشان دهنده افزایش قابل توجه ساختارهای شهری دائمی است که تغییرپذیری پوشش زمین فصلی را در داکا کاهش می‌دهد.

عوامل تغییر SILC در شهر داکا

عوامل تغییر SILC با استفاده از تکنیک‌های تشخیص تغییر ارزیابی شدند. جدول S 2 ، ۳ و ۴ سناریوهای تبادل SILC و میزان کاهش و افزایش آنها را بر اساس هر نوع ویژگی به ترتیب در سال‌های ۲۰۰۰-۲۰۱۰، ۲۰۱۰-۲۰۲۲ و ۲۰۰۰-۲۰۲۲ نشان می‌دهد. سناریوی تغییر SILC نشان می‌دهد که تبادل SILC تقریباً در همه انواع رخ داده است، اما برخی از تغییرات ناچیز هستند. تبدیل پوشش گیاهی تالاب فصلی و سایر پوشش گیاهی و زمین‌های بایر به پوشش گیاهی دائمی، عامل اصلی تغییر SILC در داکا بود. عوامل کلاس‌های SILC دائمی در این تحقیق مورد بررسی قرار گرفته‌اند.

جدول S 2 نشان می‌دهد که بین سال‌های ۲۰۰۰ تا ۲۰۱۰، مقدار قابل توجهی از پوشش گیاهی تالاب‌های فصلی به پوشش گیاهی دائمی (۲۱٫۹۵ کیلومتر مربع) و پس از آن به زمین‌های بایر دائمی (۱۵٫۹۹)، پوشش گیاهی خشک فصلی (۱۱٫۹۱ کیلومتر مربع) و پهنه‌های آبی دائمی (۸٫۲۶ کیلومتر مربع) تبدیل شده است. پوشش گیاهی دائمی تا حد زیادی توسط پوشش گیاهی خشک فصلی (۲۲٫۱۶ کیلومتر مربع)، پوشش گیاهی تالاب فصلی (۲۱٫۹۵ کیلومتر مربع) و زمین‌های بایر فصلی (۸٫۸۴ کیلومتر مربع) افزایش و توسط پوشش گیاهی خشک فصلی (۵٫۸۰ کیلومتر مربع)، ساخت و ساز دائمی (۲٫۶۴ کیلومتر مربع) و ساخت و ساز فصلی (۱٫۵۵ کیلومتر مربع) کاهش یافته است (جدول S 2). بیشتر طبقات LC به طور قابل توجهی در ساخت و سازهای دائمی مانند ساخت و سازهای فصلی (۱۳٫۵۶ کیلومتر مربع)، پوشش گیاهی فصلی مناطق خشک (۴٫۸۷ کیلومتر مربع)، زمین‌های بایر فصلی (۴٫۸۳ کیلومتر مربع)، پوشش گیاهی مختلط (۳٫۰۹ کیلومتر مربع)، پوشش گیاهی دائمی (۲٫۶۴ کیلومتر مربع)، زمین‌های بایر دائمی (۱٫۹۲)، پوشش گیاهی مختلط شهری (۱٫۷۵ کیلومتر مربع) و پوشش گیاهی تالابی فصلی (۱٫۷۴ کیلومتر مربع) نقش داشتند (جدول S 2).

جدول S 3 نشان می‌دهد که بین سال‌های ۲۰۱۰ تا ۲۰۲۲، مقدار زیادی از پوشش گیاهی تالاب فصلی به سایر طبقات LC تبدیل شده و مقدار بیشتری به پوشش گیاهی دائمی (۵.۶۰ کیلومتر مربع) و پس از آن پوشش گیاهی خشکی فصلی (۴.۹۲ کیلومتر مربع) و پهنه آبی دائمی (۳.۵۵ کیلومتر مربع) تبدیل شده است. افزایش قابل توجه دیگری در مناطق مسکونی دائمی رخ داده است که در آن مقدار قابل توجهی از ساخت و ساز فصلی (۱۱.۳۸ کیلومتر مربع) به ساخت و ساز دائمی و پس از آن پوشش گیاهی دائمی (۸.۲۴ کیلومتر مربع)، پوشش گیاهی خشکی فصلی (۷.۱۷ کیلومتر مربع)، زمین بایر فصلی (۴.۱۰ کیلومتر مربع)، زمین بایر دائمی (۳.۵۳ کیلومتر مربع)، شهری مختلط (۲.۲۷ کیلومتر مربع) و پوشش گیاهی مختلط (۲.۰۹ کیلومتر مربع) تبدیل شده است (جدول S 3). مقدار بیشتری از پوشش گیاهی خشکی فصلی (۱۱.۷۲ کیلومتر مربع) به پوشش گیاهی دائمی تبدیل شده است. برخی از پوشش گیاهی دائمی به پوشش گیاهی فصلی خشکی (۶٫۰۴ کیلومتر مربع) و پوشش گیاهی دائمی (۴٫۲۵ کیلومتر مربع) تبدیل شده‌اند (جدول S 3 ).

جدول S 4 نشان می‌دهد که بین سال‌های ۲۰۰۰ تا ۲۰۲۲، مقدار قابل توجهی از پوشش گیاهی تالاب فصلی (۸۴٫۵۱ کیلومتر مربع) به سایر مناطق مسکونی تبدیل شده و مقدار قابل توجهی از سایر طبقات LC (60.05 کیلومتر مربع) به مناطق مسکونی دائمی تبدیل شده است. علاوه بر پوشش گیاهی تالاب فصلی (۲۸٫۲۹ کیلومتر مربع)، پوشش گیاهی خشک فصلی (۱۶٫۱۷ کیلومتر مربع) و زمین‌های بایر فصلی (۵٫۵۲ کیلومتر مربع) تا حد زیادی در افزایش پوشش گیاهی دائمی نقش داشته‌اند. از سوی دیگر، مقدار زیادی از پوشش گیاهی دائمی به مناطق مسکونی دائمی (۸٫۰۳ کیلومتر مربع)، پوشش گیاهی خشک فصلی (۴٫۰۶ کیلومتر مربع) و پوشش گیاهی فصلی (۲٫۷۵ کیلومتر مربع) تبدیل شده است (جدول S 4 ). تبدیل پوشش گیاهی دائمی، توزیع مکانی آن را به مناطق پیرامونی شهر، به ویژه در ضلع شرقی، تغییر داده است، جایی که پوشش گیاهی تالاب فصلی و خشک در طول سال ۲۰۰۰ غالب بوده‌اند (شکل‌های  ۴ و ۵ ). در دو دهه گذشته، تغییر SILC تا حد زیادی به دلیل افزایش مناطق مسکونی دائمی و به دنبال آن پوشش گیاهی دائمی، زمین‌های بایر دائمی و مناطق شهری مختلط و کاهش پوشش گیاهی تالاب‌های فصلی و به دنبال آن زمین‌های بایر فصلی، پوشش گیاهی مختلط و پوشش گیاهی خشک فصلی رخ داده است. در حالی که، از دلایل اصلی افزایش مناطق مسکونی دائمی و کاهش پوشش گیاهی تالاب‌های فصلی است (جدول S 4). توزیع مکانی تا حد زیادی تحت تأثیر تغییر پوشش گیاهی تالاب‌های فصلی به پوشش گیاهی دائمی همراه با رشد شهری بدون برنامه‌ریزی قرار دارد (شکل‌های  ۴ و ۵ ).

تأثیر فصلی بودن در تغییرات LC

یافته‌های این تحقیق نشان دهنده تغییرات فصلی متمایز در LCها در شهر داکا (جدول  ۱ ؛ شکل  ۴ ) همراه با تغییرات زمانی (جدول S 4 و شکل  ۴ ) است. موقعیت جغرافیایی منحصر به فرد، آب و هوا و الگوی آب و هوایی پویا در طول فصول و اکوسیستم‌های متنوع داکا، آن را به مکانی پررونق برای تنوع زیستی تبدیل کرده است که پدیده‌های طبیعی متنوعی را ارائه می‌دهد ^۴۲٫ ویژگی‌های متمایز درختان برگ‌ریز در داکا ^{۶ ، ۴۳ ، ۴۴} به افزایش وسعت مکانی پوشش گیاهی در فصول رشد، به ویژه در پس از باران‌های موسمی، و کاهش در فصول خشک کمک می‌کند، که در سال اخیر (۲۰۲۲) در تحقیقات فعلی مشهود است (شکل‌های  ۲ و ۴ ). با این حال، افزایش پوشش گیاهی در فصول خشک در سال‌های ۲۰۰۰ و ۲۰۱۰ مشهود بود. زیرا، زمین‌های پست اطراف داکا به طور گسترده برای فعالیت‌های کشاورزی استفاده می‌شوند یا در فصول خشک توسط علف‌های متراکم، عمدتاً توسط گل‌های گربه‌ای (سنبله گلدار درختانی مانند بید و فندق) پوشیده می‌شوند، در حالی که در طول فصل بارندگی، این مناطق زیر آب باقی می‌مانند ^{۳۹ ، ۴۰ ، ۴۵٫} علاوه بر این، تالاب‌های دائمی و فصلی و محل‌های دفن زباله در بخش‌های جنوبی و شمالی شهر داکا ^۶ ، تغییرات فصلی را نشان می‌دهند، در پس از باران‌های موسمی زیر آب باقی می‌مانند، در زمستان پوشیده از پوشش گیاهی می‌شوند و در تابستان بی‌حاصل می‌شوند (شکل  ۳ )؛ که در تغییر فصلی در LCها نقش دارند. علاوه بر این، افزایش درختان کنار جاده و باغبانی پشت بام ^۴۰ ، به طور قابل توجهی بر پوشش گیاهی فصلی تأثیر می‌گذارد و باعث پیچیدگی در مشخص کردن پوشش گیاهی و پوشش گیاهی و افزایش مناطق شهری مختلط در دوران اخیر می‌شود (شکل‌های  ۲ و ۴ ). در تحقیق حاضر، بیشتر تغییرات فصلی در مناطق تالابی و پوشش‌های گیاهی مشهود بوده است، در حالی که زیرساخت‌های ساخته شده تغییرات نسبتاً جزئی را نشان داده‌اند (جدول  ۱ ؛ شکل‌های  ۲ و ۴ ).

عوامل اجتماعی-اقتصادی مسئول تغییر SILC

در چند دهه گذشته، به دلیل تغییر قابل توجه سطح زمین ناشی از رشد شهری بدون برنامه‌ریزی، مقدار زیادی تبادل LC در داخل و اطراف شهر داکا رخ داده است. دفن زباله قابل توجهی در داخل و اطراف شهر داکا برای اهداف مسکونی و تجاری انجام شده است که در نهایت تالاب‌ها را از جنبه‌های مختلف تحت تأثیر قرار داده است. ^{۶ ، ۲۲ ، ۴۶ ، ۴۷ ، ۴۸ ، ۴۹ ، ۵۰٫} گاهی اوقات تالاب‌ها پس از پر شدن، برای چند سال به حال خود رها می‌شوند. سپس با علف یا گیاهان پوشانده می‌شوند یا برای اهداف کشاورزی مورد استفاده قرار می‌گیرند، به طوری که برای چند سال آینده به عنوان پوشش گیاهی دائمی یا زمین بایر شناخته می‌شوند. این نوع تغییر تا حد زیادی به افزایش پوشش گیاهی فصلی مناطق خشک و پوشش گیاهی دائمی ناشی از پوشش گیاهی فصلی تالاب‌ها کمک کرده است (شکل  ۵ ). از شکل  ۴ ، مشخص است که از سال ۲۰۰۰ تا ۲۰۱۰، تالاب‌ها به دلیل دفن زباله به طور قابل توجهی به پوشش گیاهی یا زمین‌های بایر تبدیل شده‌اند و این روند در دهه بعدی بین سال‌های ۲۰۱۰ تا ۲۰۲۲ نیز ادامه دارد. در این مدت، مناطق پر شده به تدریج از هر طرف به مناطق مسکونی تبدیل شدند (شکل  ۵ ). علاوه بر این، اضافه شدن دریاچه دهمندی ^۵۱ و برخی دریاچه‌ها و برکه‌های مصنوعی دیگر در برخی از مناطق مسکونی تازه توسعه یافته، اندکی به آب‌های فصلی یا پوشش گیاهی تالاب یا زمین‌های خشک کمک کرده است (شکل S1-4 ) ^{۱۵ ، ۴۰ ، ۵۲ ، ۵۳ ، ۵۴٫} تعدادی از محله‌های فقیرنشین شهر نیز تخریب و برای اهداف مسکونی و خانه‌سازی جابجا شدند که به طور موقت به افزایش اندک مناطق سبزتر یا بایر کمک کرد (شکل S 1 و ۲ ). علاوه بر این، شهرهای نمونه اوتارا و گلشن، و مناطق مسکونی بادا دمرا، کورمیتولا، باشوندارا باریدارا و پالابی علاوه بر برخی پوشش گیاهی فصلی مناطق خشک، مناطق شهری ساخته شده فصلی و مختلط (شکل  ۴ ) ^{۱۵ ، ۴۰ ، ۵۳} نیز در این امر نقش داشته‌اند . طبق گفته پروین و همکاران (۲۰۱۸) ^۵۵ ، ۹٫۲ کیلومتر مربع منطقه تک کشت، ۹۴٫۵ کیلومتر مربع منطقه دو کشت و ۵٫۷ کیلومتر مربع منطقه سه کشت در داکا سادار اوپازیلا وجود دارد. این کشت در تالاب‌ها و مناطق پست داکا انجام می‌شود که در فصول خشک قابل کشت می‌شوند. این امر به طور قابل توجهی الگوی پوشش فصلی زمین در سراسر شهر را تغییر می‌دهد که در تحقیق حاضر نیز مشهود است.

سیاست تغییر SILC در شهر داکا اتخاذ شد

علاوه بر افزایش تغییرات فصلی، ابتکارات دولتی و خصوصی (سیاست‌ها، پروژه‌ها و برنامه‌ها) در چند دهه گذشته فضاهای سبز بیشتری را در شهر داکا افزایش داده‌اند، اگرچه این مقدار ناچیز است. شرکت‌های شهر داکا پروژه‌های زیباسازی را برای کاشت درخت در بخش‌های مختلف DMP ^۵۶ انجام داده‌اند . چندین درخت در مرزهای جاده یا در کنار جاده‌ها کاشته شده‌اند که زمین‌های بایر و مناطق ساخته شده را به پوشش گیاهی تبدیل می‌کنند که در تصاویر ماهواره‌ای گرفته شده ^{۵۷ ، ۵۸} و در نقشه‌های طبقه‌بندی شده تحقیق حاضر (شکل  ۲ ) مشهود است. شرکت شهر جنوبی داکا با کاشت گونه‌های مختلف درختان خیابانی ^۵۹ ، ۲۱۷٫۳۸ کیلومتر پیاده‌رو را به یک ساختار جنگلی شهری تبدیل کرده است که برخی از مناطق ساخته شده را در طول زمان مطالعه به پوشش گیاهی و زمین‌های بایر تبدیل کرده‌اند که در نقشه‌های طبقه‌بندی شده مشهود است (شکل  ۲ ). طبق گفته ناوار (۲۰۲۲) ^۴۰ ، بین سال‌های ۱۹۸۹ تا ۲۰۲۰، شهر داکا به دلیل چندین طرح دولتی و خصوصی مانند پروژه زیباسازی شهر داکا، پروژه کاشت درختان کنار جاده و باغبانی روی پشت بام، ۲۰٫۷۱ کیلومتر مربع فضای سبز به دست آورده است. این درختان کنار جاده و باغبانی روی پشت بام، ^{تأثیر قابل توجهی} بر تغییرات فصلی پوشش گیاهی ^، و افزایش پوشش گیاهی بلندمدت دارند ^، که در تحقیق حاضر (شکل‌های  ۲ ، ۴ و ۵ ) مشهود است. در سال ۲۰۱۴، با حذف ۲۰۰۰ سازه از محله فقیرنشین کوریل در شهر ^داکا، ۱۷۰ هکتار زمین اضافه شده است . این منطقه از مناطق مسکونی به فضای سبز تبدیل شده است ، زیرا این منطقه تحت برنامه ریزی توسعه قرار دارد ^. این امر برخی از زمین‌های بایر و مناطق مسکونی را به پوشش گیاهی در سراسر شهر تبدیل کرده است (جدول  ۱ ؛ شکل  ۴ )، که در تحقیقات قبلی انجام شده در شهر داکا و مناطق داکا ^{۱۸ ، ۲۵ ، ۴۱ ، ۵۶} نیز مشهود بود . حفاری مجدد کانال هاتیر جیهیل (شکل‌های S 7 و ۹ ) و بگونباری ظرفیت نگهداری آب داکا را از ۱٫۴ کیلومتر مربع به ۲٫۲۰ کیلومتر مربع افزایش داده است ^(۶۱ )، که در نهایت باعث افزایش مساحت آب‌های دائمی در نقشه‌های طبقه‌بندی شده شده است (شکل‌های  ۳ و ۴) .). برخی از مناطق بایر اطراف هاتیرجهیل و دریاچه دهمندی به دلیل پروژه‌های زیباسازی به فضاهای سبز تبدیل شده‌اند. علاوه بر این، تبدیل زمین‌های ساخته شده و بایر به انواع دیگر زمین‌های بایر نیز مشهود بود. چندین پروژه کاشت درخت که توسط شرکت‌های شهری انجام شده و فعالیت‌های شرکت‌های توسعه‌دهنده در مناطق مسکونی به افزایش اندک پوشش گیاهی در شهر کمک کرده است. اگرچه بحث محدودی در مورد این نوع تغییرات یافت شد زیرا این تغییرات جزئی ^هستند .

مقایسه LC و SILC با تحقیقات قبلی

مطالعات قبلی، تغییرات فصلی قابل توجهی را در پوشش گیاهی، مناطق پست، تالاب‌ها و پهنه‌های آبی شناسایی شده از تجزیه و تحلیل تصاویر ماهواره‌ای و نقشه‌برداری LC گزارش کرده‌اند ^{۴۱ ، ۴۵} ، که وسعت مکانی مناطق طبقه‌بندی شده LCها را در فصول مختلف یک سال تغییر می‌دهد ^{۱۸ ، ۲۵ ، ۴۱ ، ۴۵ ، ۵۶٫} این نوع تغییرات در تحقیق حاضر نیز مشهود است (جدول  ۱ ؛ شکل  ۲ ). میا و همکاران (۲۰۱۷) ^۶۲ با مطالعه تصاویر دوره قبل از مانسون، چند زمین با پوشش گیاهی فصلی در شهر داکا را شناسایی کردند که یافته‌های تحقیق حاضر را تأیید می‌کند. تبدیل تالاب‌ها و نوسانات فصلی LC در ضلع شرقی و غربی شهر داکا که در تحقیق حاضر یافت شده است، با یافته‌های دیوان و یاماگوچی (۲۰۰۹a و ۲۰۰۹b) ^۶ ، ۴۶ عمران و همکاران (۲۰۲۱) ^۲۴ و منیروزمان و همکاران همسو است. (۲۰۲۰) ^۳۸ ؛ اگرچه طرح طبقه‌بندی و تاریخ به دست آمده از تصاویر ماهواره‌ای مورد تجزیه و تحلیل متفاوت است. مانند دیوان و یاماگوچی (۲۰۰۹a و ۲۰۰۹b) ^۶ ، ۴۶ و منیروزمان و همکاران (۲۰۲۰) ^۳۸ از داده‌های ماهواره‌ای برای فصل زمستان و عمران و همکاران (۲۰۲۱) ^۲۴ از فصل تابستان استفاده کردند. دیوان و یاماگوچی (۲۰۰۹a) ^۶ دریافتند که بین سال‌های ۱۹۹۲ تا ۲۰۰۳، زمین‌های کشت شده (۶٫۷٪) در شهر داکا افزایش یافته است. این نوع تغییر در تحقیقات فعلی نیز مشهود است، مانند تغییر زمین‌های کشاورزی به تالاب پر شده که بیشتر در ضلع شرقی شهر قرار دارد (شکل‌های  ۴ و ۵ ). احمد (۲۰۱۱) ^۴۵ و احمد و احمد (۲۰۱۲) ^۴۱ تغییر LC را بین سال‌های ۱۹۸۹ تا ۲۰۰۹ تجزیه و تحلیل کردند و کاهش جزئی در مناطق ساخته شده (حدود ۲٪ از کل مساحت) نسبت به سایر انواع LC را شناسایی کردند، اگرچه افزایش قابل توجهی در مناطق ساخته شده در طول زمان مورد مطالعه رخ داده است ^. کافی و همکاران (۲۰۲۱c) ^۵۶ LULC را با استفاده از تصاویر سریع چشم بین سال‌های ۲۰۱۲ تا ۲۰۱۸ تهیه کردند که در آن جوان‌سازی دریاچه هاتیرجهیل و دریاچه دهمندی مشهود بود که باعث افزایش برخی از آب‌های دائمی در شهر داکا شد.

تبدیل مناطق بایر به پوشش گیاهی، به ویژه در اطراف هاتیرجهیل و دهمندی، در مطالعات کی و همکاران (۲۰۲۱a & c) ^{۲۵ ، ۵۶} نیز مشهود بود . سرستو و همکاران (۲۰۲۲) ^۱۸، LC فصلی داکا را ارزیابی کردند و تغییرات تابستان-زمستانی LC منطقه داکا را که در آن تبادل LC بین هر طبقه مشهود بود، اندازه‌گیری کردند. تبدیل قابل توجه مناطق ساخته شده به زمین‌های کشاورزی، زمین‌های بایر، پوشش گیاهی و آبراه‌ها، هم در یک سال و هم در درازمدت ^۱۸ ثبت شده است . با این حال، تحقیق حاضر تنها تبدیل جزئی مناطق ساخته شده به سایر دسته‌های LC را شناسایی کرده است.

کاربرد SILC در پایداری شهری، تاب‌آوری اقلیمی و برنامه‌ریزی سیاستی

روش پیشنهادی، داده‌های تولید شده، نتایج و یافته‌های تحقیق حاضر، کاربردهای قدرتمندی در پایداری شهری، تاب‌آوری اقلیمی و برنامه‌ریزی سیاستی شهر داکا دارند. ادغام نقشه LC فصلی، که به عنوان SILC شناخته می‌شود، یک مجموعه داده پایه از سه سال متوالی ۲۰۰۰، ۲۰۱۰ و ۲۰۲۲ ارائه می‌دهد که SILC وضعیت موجود و قبلی شهر داکا را نشان می‌دهد. تشخیص تغییرات از SILC به شناسایی مناطق آسیب‌پذیر اکولوژیکی همراه با الگوهای رشد شهری با توسعه سریع کمک می‌کند (شکل  ۲٫ac و ۵٫a و ۵٫b ). علاوه بر این، SILC اطلاعاتی در مورد تغییر مناطق مختلف کاربری زمین شهر در طول زمان ارائه می‌دهد. این اطلاعات پایه و اساس برنامه‌ریزی مؤثر شهری، توسعه زیرساخت‌ها و برنامه‌ریزی حفاظت از محیط زیست و تدوین سیاست‌های شهر است.

مناطقی که دارای ساخت و سازهای دائمی هستند، دارای حداقل فضاهای سبز باز با درختان کوچک هستند که در مرکز شهر واقع شده‌اند (شکل‌های  ۴ و ۵ )، که منجر به خطرات بهداشتی بالاتر و اثرات شدید جزیره گرمایی شهری ^۶۳ می‌شود و در آینده به دلیل تغییرات اقلیمی در برابر امواج گرما و سیل بسیار آسیب‌پذیر هستند ^{۶۴ ، ۶۵.} طبق شکل  ۵ ، این مناطق اخیراً در مناطق پیرامونی در حال گسترش هستند. علاوه بر این، افزایش جمعیت، ترافیک و زباله در این مناطق (شکل  ۴ ) این سناریو را بیشتر تخریب می‌کند. علاوه بر این، تراکم شدید زهکشی و سیل شهری در حال حاضر در مناطقی از شهر داکا ^{۶۱ ، ۶۶ ، ۶۷} مشهود است که در آینده به دلیل دمای شدید و بارندگی ناشی از تغییرات اقلیمی ^{۶۱ ، ۶۴ ، ۶۵} تخریب خواهند شد . بنابراین، باید سیاست‌های نظارتی قوی برای افزایش زهکشی، مدیریت پسماند و کنترل ترافیک اجرا شود تا ظرفیت مقابله و تاب‌آوری اقلیمی شهر ^{۶۸ ، ۶۹} افزایش یابد . در داخل و اطراف مناطق مسکونی دائمی، افزایش کاشت درخت در اطراف خانه، باغبانی روی پشت بام، افزایش مخازن مصنوعی و حفاری مجدد کانال‌ها به کاهش گرمای شدید در طول تابستان کمک کرده و تاب‌آوری آب و هوایی شهر را افزایش می‌دهد. علاوه بر این، برنامه‌ریزی فوری برای حفاظت از محیط زیست باید در مناطق شهری مختلط و شهری فصلی انجام شود، زیرا این مناطق در مقایسه با مناطق مسکونی دائمی، پتانسیل کاهش گرما را دارند . ^{۶۳ ، ۷۰ ، ۷۱ ، ۷۲}

باید توجه ویژه‌ای به احیای زهکشی برای کاهش سیل شهری در این مناطق خاص شود ^{۱۰ ، ۳۷ ، ۷۳ ، ۷۴ ، ۷۵٫} آب‌های حفاری‌شده مجدد، مانند کانال هاتیر جیهیل و بگونباری، باید به‌طور منظم پایش شوند ^{۴۰ ، ۶۱٫} این نوع حفاری مجدد باید در مناطقی با آب‌های فصلی، زمین‌های بایر فصلی و پوشش گیاهی خشک فصلی انجام شود تا ظرفیت تخلیه و نگهداری آب شهر داکا افزایش یابد (شکل‌های  ۲ و ۵ ) که باعث افزایش تاب‌آوری آب و هوایی در هنگام بارندگی شدید و دما می‌شود. مناطقی که به زمین شهری یا بایر تبدیل می‌شوند باید پایش شوند و برنامه‌ریزی توسعه مناسب برای توسعه پایدار افقی و عمودی شهر اجرا شود. مناطقی که تحت پوشش پوشش گیاهی فصلی یا زمین بایر فصلی هستند باید برای افزایش فضاهای سبز و زهکشی استفاده شوند تا خطر اثر جزیره گرمایی شهری ^{۶۳ ، ۷۱} و سیل شهری ^{۷۳ ، ۷۴} کاهش یابد . همچنین مشاهده می‌شود که مقدار زیادی از پوشش گیاهی تالاب به انواع دیگری از پوشش گیاهی SILC مانند پوشش گیاهی و زمین‌های بایر، به ویژه در بخش‌های شمالی و جنوبی شهر، تبدیل شده است. می‌توان سیاست‌هایی را برای تبدیل مجدد آنها به آبراه‌ها اتخاذ کرد. در مناطقی که پوشش گیاهی دائمی دارند، کاشت درخت باید حتی در صورت امکان با افزودن گل و لای از مناطق دیگر افزایش یابد. فرآیندهای بیولوژیکی و اکولوژیکی طبیعی به طور قابل توجهی تحت تأثیر قرار گرفته‌اند و زیستگاه‌های اکولوژیکی در ضلع شرقی و غربی شهر به دلیل تغییر SILC ناشی از فرآیندهای انسانی از بین رفته‌اند (شکل  ۵ ). علاوه بر این، مناطق ساخته شده با تبدیل انواع LCها از همه طرف در حال گسترش هستند (شکل  ۵٫b ). این گسترش شهری باید به شدت تنظیم و گاهی اوقات متوقف شود تا از انواع مختلف پوشش گیاهی و آبراه‌ها محافظت شود. علاوه بر این، در طول ساخت و ساز باید فضای اضافی برای کاشت حداقل چند درخت کوچک نگه داشته شود. مسکن‌هایی که اکنون در دست ساخت هستند باید تحت سیاست‌ها و مقررات قوی باشند تا فضای سبز باز و پارک‌های کافی برای کاهش خطرات آینده حفظ شود . ^۷۱ . در جدول  ۲ ، برخی توصیه‌ها و راه‌حل‌های خاص با در نظر گرفتن نقشه‌های LC تهیه‌شده برای شهر داکا ارائه شده است.

یافته‌های این تحقیق، اهمیت استفاده از نقشه‌های پوشش اراضی فصلی (LC) را برای پرداختن به چالش‌ها و محدودیت‌های تصاویر ماهواره‌ای تک‌تاریخی در نمایش دقیق دینامیک پوشش اراضی نشان داد. با ادغام نقشه‌های پوشش اراضی سه فصل از یک سال، این مطالعه نقشه‌های پوشش اراضی یکپارچه فصلی (SILC) بهبود یافته‌ای را برای سال‌های ۲۰۰۰، ۲۰۱۰ و ۲۰۲۲ توسعه داد که نمایش قابل اعتمادتری از چشم‌انداز شهری پویای شهر داکا ارائه می‌دهد. تشخیص تغییرات پوشش اراضی فصلی حاصل از نقشه‌های پوشش اراضی نشان داد که به دلیل شهرنشینی سریع، انواع پوشش گیاهی و پهنه‌های آبی با سرعت نگران‌کننده‌ای به زمین‌های ساخته شده و بایر تبدیل می‌شوند. علاوه بر این، به دلیل الگوهای پیچیده کاربری زمین، ناهمگونی در شهر داکا افزایش یافته است که بر امضای طیفی تصویر ماهواره‌ای تأثیر می‌گذارد و باعث پیچیدگی در تعیین طبقات پوشش اراضی می‌شود. این بینش‌ها برای هدایت برنامه‌ریزی شهری پایدار، تاب‌آوری اقلیمی و سیاست‌گذاری با شناسایی مناطق آسیب‌پذیر اکولوژیکی و نظارت بر روندهای توسعه شهری بسیار مهم هستند.

این مطالعه پیامدهای سیاستی مستقیمی برای برنامه‌ریزان شهری دارد. رویکرد مبتنی بر SILC می‌تواند با تمایز قائل شدن بین پوشش‌های دائمی و فصلی زمین، از مقررات پهنه‌بندی، توسعه زیرساخت‌ها، تاب‌آوری اقلیمی و کاهش خطر سیل و جزایر گرمایی شهری پشتیبانی کند. برنامه‌ریزان شهری می‌توانند از این یافته‌ها و نقشه‌های SILC تهیه‌شده برای افزایش حفظ فضای سبز، بهبود سیستم‌های زهکشی و اجرای تلاش‌های حفاظتی هدفمند در مناطق شهری مختلط و فصلی برای تقویت تاب‌آوری اقلیمی و پایداری شهری استفاده کنند.

با این حال، باید به برخی از محدودیت‌های روش‌های تحقیق اذعان کرد. دقت طبقه‌بندی تا حد زیادی به کیفیت نقشه‌های فصلی تک‌تاریخی بستگی دارد و این مطالعه به تصاویر ماهواره‌ای با وضوح متوسط ​​(لندست ۵ و ۸ OLI) متکی است که ممکن است جزئیات پوشش زمین در مقیاس دقیق مانند تصویر سنتینل را ثبت نکنند. علاوه بر این، در این تحقیق از شاخص‌های طیفی استفاده نشده است، که در برخی تحقیقات برای کاهش عدم قطعیت‌های طبقه‌بندی استفاده شده است. شباهت‌های طیفی بین انواع پوشش زمین، به ویژه در فصول خشک، ممکن است باعث ایجاد سوگیری در دقت طبقه‌بندی شود. به عنوان مثال، زمین‌های بایر و مناطق ساخته شده ممکن است بازتاب طیفی مشابهی را نشان دهند که منجر به طبقه‌بندی نادرست می‌شود. علاوه بر این، تغییرات فصلی در پوشش گیاهی می‌تواند بر نتایج طبقه‌بندی تأثیر بگذارد، زیرا برخی از انواع پوشش گیاهی ممکن است بسته به سطح رطوبت، اثر حرارتی و چرخه‌های فنولوژیکی متفاوت به نظر برسند.

تحقیق حاضر از چهار کلاس پایه LC استفاده کرد؛ گنجاندن تنوع بیشتر می‌تواند قابلیت اطمینان و کاربرد نقشه‌های LC را افزایش دهد. با این حال، این امر همچنین ممکن است پیچیدگی‌هایی را در توضیح و مدیریت SILC در طول کاربردهای عملی ایجاد کند. کلاس‌های LC تا حد زیادی به زمینه جغرافیایی، نوع پوشش گیاهی و الگوی بارندگی منطقه مورد مطالعه بستگی دارند، در نتیجه، مکان‌های مختلف ممکن است کلاس‌های LC نهایی را افزایش یا کاهش دهند. در نتیجه، دانش عمیق در مورد منطقه مورد مطالعه در طول تکرار این روش مورد نیاز خواهد بود. تحقیقات آینده باید تصاویر ماهواره‌ای با وضوح بالاتر (به عنوان مثال، Sentinel-2، داده‌های ماهواره‌ای تجاری) و تکنیک‌های پیشرفته یادگیری ماشین را برای بهبود دقت طبقه‌بندی بررسی کنند. گسترش طبقه‌بندی برای شامل کردن دسته‌های LC با جزئیات بیشتر می‌تواند مورد آزمایش قرار گیرد که آیا آنها کاربرد عملی را افزایش می‌دهند یا خیر.

منطقه مورد مطالعه

داکا پایتخت بنگلادش است که بین عرض جغرافیایی ۲۳° ۴۰′ شمالی تا ۲۳° ۵۴′ شمالی و ۹۰° ۲۰′ شرقی تا ۹۰° ۲۸′ شرقی طول جغرافیایی واقع شده است (شکل  ۶ ). واحد اداری منطقه کلان‌شهر داکا (DMP) برای این تحقیق در نظر گرفته شده است ^{۲۴ ، ۳۳ ، ۳۵ ، ۷۶.} این شهر یکی از سریع‌ترین رشدها را در بین کلان‌شهرها و مناطق پرجمعیت جهان دارد. جمعیت داکا در سال ۲۰۱۱، ۱۴.۴ میلیون نفر بود و به طور مداوم در حال رشد است. برای برآوردن نیازهای جمعیت رو به رشد، فعالیت‌های توسعه‌ای متعددی تا حد زیادی افزایش یافته است که منجر به تبدیل مناظر طبیعی به زیرساخت‌های ساخته شده ^۷۶ شده است. تعدادی از پارک‌ها و زمین‌های بازی کوچک تا بزرگ در هسته شهر، الگوهای پوشش گیاهی متنوعی را در امتداد زیرساخت‌های ساخته شده ^۷۷ فراهم می‌کنند . علاوه بر این، چندین توده آبی کوچک (برکه‌ها، دریاچه‌ها و کانال‌های رودخانه‌ای) واقع در هسته شهر، تنوع در الگوی پوشش زمین را افزایش داده‌اند. به دلیل فشار بیش از حد جمعیت، پوشش گیاهی و منابع آبی در معرض خطر تبدیل به مناطق مسکونی یا زمین‌های بایر هستند. ^{۲۵ ، ۳۴.} مناطق شهری مرتفع شهر در بخش‌های مرکزی و جنوبی شهر واقع شده‌اند . ^۲۴ .

در ضلع شرقی و شمال غربی، برخی از باتلاق‌ها و زمین‌های کشاورزی واقع شده‌اند ^۲۴ که از الگوی آب و هوایی فصلی پیروی می‌کنند. جاده‌های گسترش‌یافته در شهر، سطوح پیچیده نفوذناپذیر منطقه را افزایش داده و متعاقباً اثر جزیره گرمایی شهری را افزایش داده و منجر به محیطی ناسالم در شهر شده است ^{۷۸ ، ۷۹٫} قرار گرفتن در آب و هوای موسمی نیمه گرمسیری، به دلیل وجود الگوهای پوشش گیاهی فصلی، گسترش یا کاهش پهنه‌های آبی، تغییر پهنه‌های آبی توسط پوشش گیاهی آبی و تغییر زمین‌های پست یا هم‌سطح به زمین‌های کشاورزی، بر پوشش زمین شهر داکا تأثیر می‌گذارد ^{۲۵ ، ۳۹٫} در نتیجه، پوشش زمین (LC) شهر داکا باید با در نظر گرفتن LCهای فصلی به جای مطالعه LCهای تک‌تاریخی مورد مطالعه قرار گیرد.

جریان روش‌شناختی

تصاویر ماهواره‌ای به‌دست‌آمده پیش‌پردازش شدند و طبقه‌بندی نظارت‌شده تصاویر جنگل تصادفی برای طبقه‌بندی LC هر ماه از هر سال اعمال شد. دقت هر یک از تصاویر طبقه‌بندی‌شده با تهیه یک ماتریس درهم‌ریختگی آزمایش شد. LC سه فصل از هر سال با استفاده از تکنیک همپوشانی در یک نقشه واحد ترکیب شد و دوباره این تصاویر بر اساس الگوی چرخشی فصلی کلاس‌های LC دوباره طبقه‌بندی شدند. از یک تکنیک تشخیص تغییر برای اندازه‌گیری تغییر LC در دو سال متوالی استفاده شد. ماتریس تغییر LC برای ارزیابی و تجسم تغییرات LC و محرک‌های آنها در شهر داکا تهیه شد. مراحل کلی انجام‌شده در تحقیق، از تهیه LC واقعی از LC فصلی تا اندازه‌گیری تغییر LC، در نمودار جریان زیر نشان داده شده است (شکل  ۷ ).

داده‌ها و منبع داده‌ها

تصاویر ماهواره‌ای Landsat 5 TM و Landsat 8 OLI از سرور USGS جمع‌آوری شدند. انتخاب تصاویر Landsat به جای مجموعه داده‌های با وضوح بالاتر مانند Sentinel-2 به دلیل نیاز به پوشش زمانی ثابت در طول دوره مطالعه طولانی (۲۰۰۰، ۲۰۱۰ و ۲۰۲۲) بود. اگرچه تصویر Sentinel-2 وضوح مکانی بالاتری را ارائه می‌دهد، اما سابقه تاریخی آن از سال ۲۰۱۵ شروع می‌شود و آن را برای تجزیه و تحلیل تغییرات LC در درازمدت کمتر مناسب می‌کند. وضوح مکانی تصاویر Landsat 5 TM و ۸ OLI 30 متر است که برای ثبت تغییرات گسترده LC در یک محیط شهری همراه با حفظ ثبات زمانی برای تشخیص تغییرات مناسب است. این انتخاب همچنین با نقاط عطف کلیدی برنامه‌ریزی شهری در داکا، مانند طرح توسعه کلان‌شهر داکا (۱۹۹۵-۲۰۱۵) (RAJUK 1995) ^۸۰ و طرح ساختار اصلاح‌شده (۲۰۱۶-۲۰۳۵) (RAJUK 2015) ^۸۱ ، که امکان ارزیابی تغییر پوشش زمین را در طول چرخه‌های برنامه‌ریزی فراهم می‌کنند، همسو است. تصاویر بدون ابر (۰٫۲٪ < ابر) برای سه فصل پس از فصل موسمی، زمستان و تابستان برای تمام سال‌های مطالعه جمع‌آوری شدند. تاریخ‌های اخذ تصویر در جدول  ۳ نشان داده شده است .

تصاویر فصلی بر اساس فصول هواشناسی بنگلادش انتخاب شده‌اند. در بنگلادش، فصل پس از مانسون شامل اکتبر و نوامبر، زمستان از دسامبر تا فوریه و تابستان از مارس تا مه ^{( ۱۸ ، ۱۹ ، ۲۰ ، ۲۱ ، ۲۲ ، ۴۳ ، ۸۲ ، ۸۳ )} است .

پیش‌پردازش تصویر

کالیبراسیون رادیومتری و تصحیح اتمسفری

کالیبراسیون رادیومتری و تصحیح اتمسفری تصاویر ماهواره‌ای با استفاده از روش تصحیح اتمسفری DOS-1 در افزونه طبقه‌بندی نیمه‌خودکار (SCP) نرم‌افزار QGIS انجام شده است ^. روش DOS-1 در مقایسه با سایر مدل‌ها در تصاویر لندست، عملکرد بالاتری را بر روی سطوح تیره‌تر آب و چمن مصنوعی و پوشش شن و ماسه نشان داد، حتی برای تجزیه و تحلیل امضای طیفی و نیمرخ مکانی شاخص پوشش گیاهی، که در آن از نمونه‌های زمینی برای اعتبارسنجی استفاده شد. ^{۸۵ ، ۸۶ ، ۸۷ ، ۸۸٫} محققان همچنین تفاوت‌های جزئی در عملکرد مدل‌های ۶ S، DOS1، FLAASH و ACOLITE یافتند که تغییرات ناچیزی را نشان می‌داد. ^{۸۴ ، ۸۹٫} در نتیجه، DOS-1 اغلب توسط محققان برای مقایسه نتایج تصاویر ماهواره‌ای سری زمانی استفاده شده است. ^{۸۸ ، ۹۰ ، ۹۱٫} در این تحقیق از روش DOS-1 افزونه SCP نرم‌افزار QGIS 3.26.1 استفاده شده است. فرآیند تصحیح اتمسفری DOS-1 در QGIS شامل مراحل زیر است:

۱. کالیبراسیون رادیومتری (DN به رادیانس): در این مرحله اعداد دیجیتال (DNها) با استفاده از معادله (۱) زیر به رادیانس در حسگر (Lsensor) تبدیل می‌شوند:

که در آن، L _sennor = رادیانس در حسگر (برحسب W/m2 ^/ sr/µm)، G _rescale = ضریب بهره تغییر مقیاس، DN = عدد دیجیتال از تصویر ماهواره‌ای، L _bias = حداقل رادیانس (بایاس) یا آفست رادیانس.

۲. تخمین تابش مسیر جوی (تابش مه): پس از انجام کالیبراسیون رادیومتری، تابش مسیر جوی محاسبه می‌شود که پراکندگی نور خورشید در جو را در نظر می‌گیرد. در روش DOS-1، تاریک‌ترین پیکسل‌ها در تصویر ماهواره‌ای (مانند اجسام آبی یا سایه‌ها) به عنوان اشیاء با بازتاب نزدیک به صفر شناسایی می‌شوند. این پیکسل‌های نزدیک به صفر برای در نظر گرفتن تابش مه در تصویر ماهواره‌ای استفاده می‌شوند. تابش مه، _مه L در معادله ۲، بر اساس حداقل مقدار تابش مشاهده شده در هر باند از تصویر ماهواره‌ای اندازه‌گیری می‌شود:

فرض بر این است که مقدار _مه L نشان دهنده سهم اتمسفر در تصویر است که از درخشندگی حسگر کسر می‌شود.

۳. تفریق جرم تاریک (DOS-1): تصحیح جوی : پس از تخمین درخشندگی مه، فرمول تفریق جرم تاریک (DOS-1) (معادله ۳) برای تصحیح درخشندگی مسیر جوی به کار گرفته می‌شود.

که در آن، L _{اصلاح‌شده} = درخشندگی پس از کم کردن درخشندگی مسیر جوی، L _حسگر = درخشندگی در حسگر (از تبدیل DN به درخشندگی)، L _مه = درخشندگی مسیر جوی (تابش مه) تخمین زده شده از اشیاء تاریک.

۴. تبدیل درخشندگی اصلاح‌شده به بازتاب سطحی : در نهایت، از معادله ۴ برای تبدیل مقادیر درخشندگی اصلاح‌شده به بازتاب سطحی استفاده شده است.

که در آن، ρ = بازتاب سطحی (بدون بعد)، L _{اصلاح‌شده} = تابش اصلاح‌شده (پس از DOS-1)، d = فاصله زمین تا خورشید (برحسب واحدهای نجومی)، E _خورشید = تابش خورشیدی برون‌جوی برای طول موج خاص (در فراداده یافت می‌شود)، θs = زاویه اوج خورشیدی، که می‌توان آن را به صورت زیر محاسبه کرد:

موقعیت خورشید در آسمان در زمان ثبت تصویر، توسط زاویه اوج خورشیدی در نظر گرفته می‌شود که تأثیر قابل توجهی بر میزان تابشی که به سطح زمین می‌رسد، دارد.

تکنیک طبقه‌بندی پوشش زمین

LC با استفاده از الگوریتم یادگیری ماشین جنگل تصادفی طبقه‌بندی شد که بسیار محبوب است و توسط متخصصان در زمینه طبقه‌بندی LC ^{۱۵ ، ۹۲ ، ۹۳ ، ۹۴ ، ۹۵} به طور گسترده پذیرفته شده است . جنگل تصادفی یک الگوریتم یادگیری ماشین گروهی است که از تعدادی درخت تصمیم‌گیری برای افزایش دقت و استحکام طبقه‌بندی با به حداقل رساندن بیش‌برازش و افزایش تعمیم استفاده می‌کند. در نتیجه، الگوریتم RF برای نقشه‌برداری پوشش زمین (LC) بسیار مؤثر است زیرا می‌تواند مجموعه داده‌های با ابعاد بالا را مدیریت کند، بیش‌برازش را کاهش دهد و تخمین‌هایی از ارتباط متغیر ارائه دهد. در QGIS، طبقه‌بندی‌کننده RF در افزونه طبقه‌بندی نیمه‌خودکار (SCP) پیاده‌سازی شده است که انتخاب ویژگی، آموزش و طبقه‌بندی را خودکار می‌کند. این الگوریتم با انتخاب تصادفی زیرمجموعه‌هایی از نمونه‌های آموزشی و ایجاد چندین درخت تصمیم‌گیری بر اساس آن اجرا می‌شود. هر درخت به صورت جداگانه داده‌ها را طبقه‌بندی می‌کند و طبقه‌بندی نهایی با رأی اکثریت در بین درختان انتخاب می‌شود. طبقه‌بندی‌کننده RF از این معادله کلی پیروی می‌کند:

که در آن، y = برچسب کلاس پیش‌بینی‌شده، fi(x) = نتیجه طبقه‌بندی از درخت تصمیم i ^ام ، n = تعداد کل درخت‌های تصمیم. خروجی نهایی توسط کلاس اکثریت (مد) در تمام درخت‌ها تعیین می‌شود.

چهار دسته اصلی LC یعنی آب، پوشش گیاهی، زمین‌های ساخته شده و زمین‌های بایر برای طبقه‌بندی تصاویر لندست هر فصل انتخاب شدند (جدول  ۴ ). نمونه‌های آموزشی برای LCها با دقت از طریق تجزیه و تحلیل بصری دقیق انتخاب شدند. تصاویر ترکیبی با رنگ واقعی و رنگ کاذب مختلف برای اطمینان از انتخاب دقیق نمونه آزمایش شدند. علاوه بر این، برخی از مکان‌ها با استفاده از داده‌های واقعیت زمینی جمع‌آوری‌شده از بررسی‌های میدانی و تصاویر Google Earth اعتبارسنجی متقابل شدند. مختصات نقاط دیدنی پایدار مانند سنگشاد بهابان، باغ بالدا، باغ وحش ملی بنگلادش، پارک رامنا، دریاچه هاتیرجهیل، دریاچه دانموندی و بخش‌هایی از داکا قدیمی برای طبقه‌بندی تصویر و اعتبارسنجی نقشه طبقه‌بندی‌شده استفاده شدند. این مکان‌ها به دلیل ویژگی‌های پوشش زمین ثابت آنها از سال ۲۰۰۰ انتخاب شدند. مختصات آنها برای تأیید خروجی‌های طبقه‌بندی‌شده در تمام سال‌ها استفاده شد و به ویژه برای سال ۲۰۲۲، این مناطق با شرایط واقعی زمین بررسی متقابل شدند. برای درک الگوی فصلی پوشش زمین، زمینه جغرافیایی در طول طبقه‌بندی و اعتبارسنجی در نظر گرفته شد. علاوه بر این، تصاویر با وضوح بالا از Google Earth Pro به عنوان منبع تکمیلی برای اعتبارسنجی بصری مناطق انتخاب شده از نقشه‌های طبقه‌بندی شده در فصول و سال‌های مختلف استفاده شد.

دقت کمی نقشه‌های طبقه‌بندی‌شده با استفاده از یک ماتریس درهم‌ریختگی و با محاسبه معیارهای طبقه‌بندی استاندارد، شامل دقت کاربر (UA)، دقت تولیدکننده (PA)، دقت کلی (OA) و ضریب کاپا (Kc) ^۹۶ ارزیابی شد . دقت کاربر (UA) (معادله  ۷ ) به نسبت نمونه‌های طبقه‌بندی‌شده صحیح برای یک کلاس معین نسبت به تعداد کل نمونه‌های طبقه‌بندی‌شده در آن کلاس اشاره دارد که نشان‌دهنده خطای کمیسیون است. دقت تولیدکننده (PA) (معادله ۸) نشان‌دهنده نسبت نمونه‌های مرجع (اطلاعات پایه) است که به درستی طبقه‌بندی شده‌اند و نشان‌دهنده خطای حذف است. دقت کلی (OA) (معادله  ۹ ) نسبت نمونه‌های طبقه‌بندی‌شده صحیح در تمام کلاس‌ها به تعداد کل نمونه‌های مرجع را نشان می‌دهد. ضریب کاپا (Kc) (معادله  ۱۰ ) توافق بین نقشه طبقه‌بندی‌شده و داده‌های مرجع را اندازه‌گیری می‌کند و در عین حال احتمال وقوع توافق تصادفی را نیز در نظر می‌گیرد و بنابراین ارزیابی قوی‌تری از عملکرد طبقه‌بندی ارائه می‌دهد.

که در آن، x _ii = تعداد نمونه‌های به درستی طبقه‌بندی شده برای کلاس i، x _i+​ = کل نمونه‌های طبقه‌بندی شده به عنوان کلاس i (مجموع سطرها)، x _+i​ = کل نمونه‌های مرجع برای کلاس i (مجموع ستون‌ها)، N = تعداد کل نمونه‌ها، k = تعداد کل کلاس‌ها.

پوشش یکپارچه فصلی زمین (SILC)

طبقه‌بندی برای هر یک از تصاویر فصلی هر سال انجام شد و سه نقشه طبقه‌بندی شده هر سال با استفاده از روش همپوشانی در نرم‌افزار ArcMap 10.5 ترکیب شدند. نقشه ترکیبی حاصل از همپوشانی، طبق الگوی چرخشی فصلی LC و با پیروی از کدهای تولید شده در فیلد ویژگی (شکل  ۷ ) مجدداً طبقه‌بندی شد. علاوه بر این، جستجوی دستی هر LC چرخشی از ترکیب رنگ کاذب تصاویر ترکیبی خام، بررسی متقابل شد. داده‌های واقعیت زمینی با استفاده از تصاویر با وضوح بالا و نقاط تأیید میدانی در صورت وجود، گنجانده شدند.

در طول طبقه‌بندی مجدد، دسته‌های SILC بر اساس ویژگی‌های محیطی شهری و تغییرات فصلی در داکا تعریف شدند (جدول  ۵ ). طرح طبقه‌بندی شامل کلاس‌های دائمی و فصلی بود. اگر کد ۱۱۱ باشد (شکل  ۸ )، به عنوان آبگیر دائمی طبقه‌بندی می‌شود و پس از آن ۲۲۲ به عنوان پوشش گیاهی دائمی، ۳۳۳ به عنوان ساخت و ساز دائمی و ۴۴۴ به عنوان زمین بایر دائمی قرار می‌گیرند. هنگامی که پیکسل‌های LC در فصول بعدی تغییر می‌کنند، پیکسل‌ها با توجه به آن تغییر و با در نظر گرفتن بافت جغرافیایی منطقه، مجدداً طبقه‌بندی می‌شوند. مانند ۱۱۲ = پوشش گیاهی تالاب فصلی، ۴۲۴ = زمین بایر فصلی، ۳۲۴ = شهری مختلط و غیره. طبقه‌بندی مجدد کامل کدها و برچسب‌ها در جدول S 5 ارائه شده است . نقشه نهایی طبقه‌بندی SILC شامل یازده کلاس استاندارد است که به شرح زیر تعریف شده‌اند (جدول  ۵ ):

تحلیل تشخیص تغییر

برای تجزیه و تحلیل دقیق تغییرات پوشش زمین (LC) در دوره‌های متوالی (۲۰۰۰-۲۰۱۰، ۲۰۱۰-۲۰۲۲ و ۲۰۰۰-۲۰۲۲)، از یک تکنیک تشخیص تغییر جدول‌بندی متقاطع پیکسل به پیکسل استفاده شد (اسلام و همکاران، ۲۰۲۱). یک ماتریس تغییر برای تعیین کمیت تغییرات بین دسته‌های LC و شناسایی عوامل اصلی محرک آنها ایجاد شد.

ارزیابی دقت

LC سه فصل پس از مانسون، زمستان و تابستان برای سال‌های ۲۰۰۰، ۲۰۱۰ و ۲۰۲۲ تهیه شده است (شکل‌های  ۲٫a تا ۲٫i ). دقت نقشه‌ها در جدول  ۶ نشان داده شده است . دقت نقشه‌های طبقه‌بندی شده با استفاده از دقت کاربر، دقت تولیدکننده، دقت کلی و ضریب کاپا ^{۹۶ ، ۹۷ ، ۹۸ ، ۹۹ ، ۱۰۰ ، ۱۰۱ ، ۱۰۲ آزمایش شده است . یک ماتریس خطا برای هر یک از نقشه‌ها نیز تهیه شده است. ارزیابی دقت با استفاده از ابزار “ماتریس سردرگمی محاسباتی” نرم‌افزار ArcMap 10.5 ۱۰۳ ، ۱۰۴} انجام شده است . دقت کلی و ضریب کاپا همه نقشه‌ها بالای ۰٫۹۵ است که نشان‌دهنده دقت بسیار خوب نقشه‌های طبقه‌بندی شده ^{۹۸ ، ۹۹ ، ۱۰۲ ، ۱۰۵} است . دقت کاربر و دقت تولیدکننده همه نقشه‌های فصلی نیز تطابق بسیار خوبی نشان دادند. با توجه به عملکرد قوی طبقه‌بندی به‌دست‌آمده با استفاده از باندهای بازتاب اولیه (OA > 0.95) و محدودیت‌های ادغام در QGIS، شاخص‌های طیفی عمداً از مدل طبقه‌بندی حذف شدند.