fa تهیه نقشه تغییرات کاربری اراضی بر اساس تصاویر پهپادی و تصاویر هوایی دوربین التراکم سنجش از دور و سامانه اطلاعات جغرافیایی Remote sensing and GIS مقاله پژوهشی Original Research <div style="text-align: justify;"><span style="color:#000000;"><span style="font-size:14px;"><span style="font-family:yekanYW;"><span style="line-height:2;"><span dir="RTL" lang="FA">امروزه استفاده از تصاویر پهپاد در مطالعات مرتبط با حوزه‌های مختلف از&nbsp; جمله&nbsp; برنامه‌ریزی شهری بسیار گسترش یافته است. بهره‌گیری از فتوگرامتری پهپاد به عنوان یک ابزار پیشرفته در تحلیل تغییرات شهری و ساختمانی، یک روش نوین در تحقیقات مربوط به مکانیابی محسوب می‌شود. لذا در این تحقیق، استفاده از تصاویر پهپاد مدل </span>DJI_Phantom 4 Pro_RTK<span dir="RTL" lang="FA"> با دقت نسبی 10 سانتی‌متر در کنار تصاویر رقومی هوایی دوربین التراکم ایکس با دقت نسبی 20 سانتی‌متر، با تمرکز بر ارزیابی ظرفیت داده‌های پهپادی در شناسایی و تحلیل تغییرات کاربری اراضی در محیط‌های پر تراکم شهری منطقه تبریز مورد بررسی قرار گرفته است. بدین منظور از دو سری داده که شامل تصویر تصحیح شده ارتوموزاییک دوربین التراکم مربوط به روز 20 خرداد ماه سال 1392 و تصاویر خام پهپاد از همان منطقه برای روز 13 تیر ماه سال 1401</span> <span dir="RTL" lang="FA">می‌باشد، استفاده شده است. در ادامه پس از تصحیح هندسی و تهیه ارتوفتو از تصاویر خام پهپادی با دقت مسطحاتی 8 سانتی‌متر و دقت ارتفاعی 14 سانتی‌متر، دو الگوریتم طبقه‌بندی حداکثر احتمال و حداقل فاصله بر روی تصویر ارتوموزاییک التراکم و تصویر ارتوفتو پهپادی اعمال شد. در مرحله بعد، از روش شناسایی تغییرات موضوعی برای استخراج تغییرات در کلاس‌های پوشش اراضی به وجود آمده به وسیله دو الگوریتم طبقه‌بندی، استفاده گردید. ارزیابی بصری نتایج نشان داد که در هردو روش مورد استفاده، کلاس اراضی ساختمانی کمترین تغییر را نسبت به سایر کلاس</span>‌<span dir="RTL" lang="FA">ها داشته است. یافته‌های کمی بیانگر این است که ضریب کاپا و دقت کلی نتایج حاصل از طبقه‌بندی حداکثر احتمال و حداقل فاصله به‌ترتیب، 0/8924&nbsp; و 94/1176&nbsp; درصد و همچنین 0/5273&nbsp; و 69/2308&nbsp; بوده است. علاوه بر این، تحلیل نتایج کمی حاکی از آن است که بیشترین تغییرات کاربری اراضی مربوط به تبدیل کلاس ساختمان به جاده در حدود 9 درصد بوده، در حالی که کمترین میزان تغییرات در تبدیل کلاس جاده به زمین بایر در حدود 1/5&nbsp; درصد مشاهده شده است. </span></span></span></span></span></div> <div style="text-align: justify;"><span style="line-height:2;"><span style="color:#000000;"><span style="font-size:14px;"><span style="font-family:yekanYW;">The use of drone imagery has become widespread in studies related to various fields, including urban planning. The application of drone photogrammetry as an advanced tool for analyzing urban and construction changes is considered a novel method in spatial-based research. In this study, the potential of drone imagery, specifically DJI Phantom 4 Pro RTK with a relative accuracy of 10 cm, alongside ultra-cam aerial images with a relative accuracy of 20 cm, was explored for identifying and analyzing land-use changes in densely urbanized areas of the Tabriz region. To achieve this, two data sets were utilized, including a corrected orthomosaic image from the ultra-cam camera captured on June 9, 2013, and raw drone images from the same area on July 4, 2022. After geometric correction and the creation of orthophotos from the raw drone images, with horizontal accuracy of 8 cm and vertical accuracy of 14 cm, two classification algorithms, maximum likelihood and minimum distance, were applied to the orthomosaic image and the drone orthophoto. The next step involved using the thematic change detection method to extract land-use changes in the identified classes based on the two classification algorithms. Visual evaluation of the results revealed that the building class experienced the least change compared to other classes. Quantitative findings showed that the Kappa coefficient and overall accuracy for the maximum likelihood and minimum distance classification methods were 0.8924 and 94.17%, and 0.5273 and 93.08%, respectively. Additionally, quantitative analysis indicated that the greatest land-use change involved the conversion of buildings to roads, while the least change occurred in the transformation from roads to barren land.</span></span></span></span></div> شناسایی تغییرات, کاربری اراضی, فتوگرامتری پهپاد مبنا, طبقه‌بندی, تصاویر با قدرت تفکیک بالا. Change Detection, Landuse, Drone Photogrammetry, Classification, High Resolution Images. 443 464 http://gnf.khu.ac.ir/browse.php?a_code=A-10-762-1&slc_lang=fa&sid=1 Amirhosein Babaeepour امیرحسین بابائی‌پور a.babaeepour@mail.sbu.ac.ir 10031947532846005521 10031947532846005521 Yes Shahid Beheshti University دانشگاه شهید بهشتی Asghar Milan اصغر میلان a_milan@sbu.ac.ir 10031947532846005522 10031947532846005522 No Shahid Beheshti University دانشگاه شهید بهشتی