<?xml version='1.0' encoding='UTF-8'?>
<ArticleSet>
  <Article>
    <Journal>
      <PublisherName>Hamayesh Arwin Alborz</PublisherName>
      <PublisherNameVernacular>همایش آروین البرز</PublisherNameVernacular>
      <JournalTitle>Journal ...</JournalTitle>
      <JournalTitleVernacular>فصلنامه پژوهش‌های نوین در عمران، معماری و شهرسازی | CAUJR</JournalTitleVernacular>
      <Issn></Issn>
      <Volume>1</Volume>
      <Issue>2</Issue>
      <PubDate PubStatus="epublish">
        <Year></Year>
        <Month></Month>
        <Day></Day>
      </PubDate>
    </Journal>

    <ArticleTitle>Change detection and monitoring small wetlands by analyzing multi-source data and spectral indices (Case Study: Fars Province)</ArticleTitle>
    <VernacularTitle>آشکارسازی و پایش تغییرات تالاب های کوچک با تحلیل داده های چندمنبعی و شاخص های طیفی (بررسی موردی: استان فارس)</VernacularTitle>

    <FirstPage>28</FirstPage>
    <LastPage>56</LastPage>
    <ELocationID EIdType="doi"></ELocationID>
    <Language>FA</Language>

    <AuthorList>
      <Author>
        <FirstName>Nahid</FirstName>
        <LastName>Akbarzadeh Lelelo</LastName>
        <Affiliation>Master of Science in Remote Sensing and Geographic Information Systems, Faculty of Geography and Environmental Planning, University of Tabriz, East Azerbaijan Province, Iran.</Affiliation>
        <VernacularFirstName>ناهید</VernacularFirstName>
        <VernacularLastName>اکبرزاده لله لو</VernacularLastName>
        <VernacularAffiliation>کارشناسی ارشد سنجش از دور و سیستم اطلاعات جغرافیایی، دانشکده جغرافیا و برنامه ریزی محیطی، دانشگاه تبریز، استان آذربایجان شرقی، ایران.</VernacularAffiliation>
      </Author>
      <Author>
        <FirstName>Ali</FirstName>
        <LastName>Rayatpishe</LastName>
        <Affiliation>Master of Science in Surveying Engineering, Remote Sensing Major, Surveying Engineering Department, Faculty of Civil Engineering, Shahid Rajaee Teacher Training University, Tehran Province, Iran.</Affiliation>
        <VernacularFirstName>علی</VernacularFirstName>
        <VernacularLastName>رعیت پیشه</VernacularLastName>
        <VernacularAffiliation>کارشناسی ارشد مهندسی نقشه برداری، گرایش سنجش از دور، گروه مهندسی نقشه برداری، دانشکده مهندسی عمران، دانشگاه تربیت دبیر شهید رجایی، استان تهران، ایران.</VernacularAffiliation>
      </Author>
    </AuthorList>

    <PublicationType></PublicationType>

    <History>
      <PubDate PubStatus="received">
        <Year>2025</Year>
        <Month>03</Month>
        <Day>02</Day>
      </PubDate>
    </History>

    <Abstract>Wetlands are of great importance as a valuable resource. Despite these advantages, wetlands are rapidly being degraded. Extensive irrigation methods, groundwater extraction, and drainage are causing wetland degradation. Many wetlands have also been converted to agricultural or urban land. Therefore, with the aim of detecting water areas using spectral indices, including the MNDWI index, and data from multiple sources, such as Landsat 5, 7, 8, and 9, and Sentinel-2 data, a Change Detection time series was used. In this study, the trend of vegetation cover changes along with changes in wetland areas of Lake Bakhtegan-Tashk and Maharloo was also studied. The area of ​​the water area was calculated for the years 2017 to 2022. The time series from 1996 to 2025 was studied. The results showed that the MNDWI index with the SVM support vector machine model has yielded fruitful results in terms of spectral and spatial quality in terms of detecting water areas and detecting changes. The area of ​​water areas was calculated as a percentage. Bakhtegan-Tashk wetland with an area of ​​15% of the water area in 2017 has decreased to 0.083% in 2022. Maharloo Lake had an area of ​​1.793 and 1.79% in terms of water area in 2017 and 2022. In 2020, the area of ​​Maharloo Lake’s water area was 4.822%. This trend has shown an increase in the research findings in the vegetation cover of the agricultural sector in 2019. This was due to the abundant and unprecedented rainfall in 1398, i.e. 2019-2020. The results showed that the MNDWI index enables the separation of water bodies from other phenomena with the least time and cost using thresholding, and in addition to extracting water bodies, it simultaneously reduces or even eliminates the effects of vegetation, soil, and man-made obstacles. Model validation with SVM classification with a kappa coefficient of 0.93 and an overall accuracy of 97% for the recent period was a very suitable index for this research.</Abstract>
    <OtherAbstract Language="FA">تالاب‌ها به‌عنوان یکی از منابع ارزشمند طبیعی از اهمیت بالایی برخوردارند، اما با وجود این مزایا، این اکوسیستم‌های حیاتی به‌سرعت در حال تخریب هستند. شیوه‌های آبیاری گسترده، برداشت بی‌رویه از منابع آب زیرزمینی و زهکشی از جمله عواملی هستند که منجر به تخریب تالاب‌ها می‌شوند. علاوه بر این، بسیاری از تالاب‌ها به زمین‌های کشاورزی یا شهری تبدیل شده‌اند. در این تحقیق، با هدف شناسایی پهنه‌های آبی، از شاخص‌های طیفی مانند شاخص MNDWI و داده‌های چند‌منبعی نظیر تصاویر ماهواره‌ای لندست 5، 7، 8 و 9 و سنتینل-2 همراه با تحلیل سری‌زمانی و روش تشخیص تغییرات (Change Detection) استفاده شد. همچنین روند تغییرات پوشش گیاهی در کنار تغییرات پهنه‌های آبی تالاب‌های دریاچه بختگان - طشک و مهارلو مورد بررسی قرار گرفت. مساحت پهنه‌های آبی برای سال‌های 2017 تا 2022 محاسبه شد و یک سری‌زمانی برای دوره 1996 تا 2025 برای تحلیل تغییرات تهیه گردید. نتایج نشان داد که شاخص MNDWI با استفاده از مدل ماشین بردار پشتیبان (SVM)، از نظر کیفیت طیفی و مکانی، نتایج قابل‌توجهی در آشکارسازی پهنه‌های آبی و تشخیص تغییرات ارائه داده است. میزان مساحت پهنه‌های آبی به‌صورت درصدی محاسبه شد. تالاب بختگان - طشک که در سال 2017 مساحتی برابر با 15 درصد از پهنه آبی داشته، تا سال 2022 به 0.083 درصد کاهش یافته است. همچنین، دریاچه مهارلو در سال‌های 2017 و 2022 به ترتیب مساحتی برابر با 1.793 و 1.79 درصد از نظر پهنه آبی داشته است. در سال 2020، مساحت پهنه آبی دریاچه مهارلو به 4.822 درصد افزایش یافته بود. این افزایش به‌ویژه در سال آبی 1398 (2019-2020) به علت بارش‌های بی‌سابقه ثبت شده است. از دیگر نتایج برجسته این تحقیق این بود که شاخص MNDWI با صرف کمترین زمان و هزینه توانست پهنه‌های آبی را از دیگر پدیده‌ها به‌صورت دقیق جدا کند. این شاخص با استفاده از آستانه‌گذاری، علاوه بر استخراج پهنه‌های آبی، اثرات ناشی از پوشش گیاهی، خاک و عوارض انسان‌ساخت را نیز کاهش داده یا حتی حذف کرده است. اعتبارسنجی مدل با استفاده از طبقه‌بندی SVM انجام شد که با ضریب کاپا 0.93 و صحت کلی 97 درصد برای دوره اخیر، نشان‌دهنده مناسب بودن این شاخص برای چنین مطالعاتی است.</OtherAbstract>

    <ObjectList>
      <Object Type="keyword"><Param Name="value">Water area</Param></Object>
      <Object Type="keyword"><Param Name="value">MNDWI index</Param></Object>
      <Object Type="keyword"><Param Name="value">Change Detection</Param></Object>
      <Object Type="keyword"><Param Name="value">Wetland</Param></Object>
      <Object Type="keyword"><Param Name="value">SVM.</Param></Object>
      <Object Type="keyword"><Param Name="value_vernacular">پهنه آبی</Param></Object>
      <Object Type="keyword"><Param Name="value_vernacular">شاخص MNDWI</Param></Object>
      <Object Type="keyword"><Param Name="value_vernacular">Change Detection</Param></Object>
      <Object Type="keyword"><Param Name="value_vernacular">تالاب</Param></Object>
      <Object Type="keyword"><Param Name="value_vernacular">SVM .</Param></Object>
    </ObjectList>

    <ArchiveCopySource DocType="pdf">https://caujr.ir/downloadfilepdf/218058</ArchiveCopySource>
  </Article>
</ArticleSet>