fa پایش تغییرات الگوی کشت با استفاده از تصاویر ماهواره‌ای سنتینل-2 و سامانه اطلاعات جغرافیایی: مطالعه موردی دشت ورامین تخصصي Special پژوهشي Scientific & Research <span style="font-size:11pt"><span style="text-justify:kashida"><span style="text-kashida:0%"><span style="line-height:17.0pt"><span style="direction:rtl"><span style="unicode-bidi:embed"><span calibri="" style="font-family:"><b><span lang="FA" style="font-size:10.0pt"><span b="" style="font-family:" zar=""><span style="letter-spacing:-.1pt">این پژوهش با هدف ارزیابی تغییرات الگوی کشت در دشت ورامین واقع در جنوب شرق استان تهران اجرا شد. در این تحقیق از تصاویر ماهواره‌ای سنتینل-۲ و شاخص تفاضل نرمال ‌شده پوشش گیاهی (</span></span></span></b><b><span dir="LTR" style="font-size:10.0pt"><span bold="" new="" roman="" style="font-family:" times=""><span style="letter-spacing:-.1pt">NDVI</span></span></span></b><b><span lang="FA" style="font-size:10.0pt"><span b="" style="font-family:" zar=""><span style="letter-spacing:-.1pt">) به‌عنوان یکی از شاخص‌های پرکاربرد سنجش سبزینگی و سلامت پوشش گیاهی در یک دوره زمانی شش ساله (1395 تا 1401) و طبقه‌بندی نظارت شده‌ با الگوریتم ماشین‌بردار پشتیبان استفاده شده و روند و سرعت تغییر کاربری کشاورزی مورد ارزیابی قرار گرفت. در این روش، با استفاده از نمونه‌های آموزشی برداشت شده (</span></span></span></b><b><span dir="LTR" style="font-size:10.0pt"><span bold="" new="" roman="" style="font-family:" times=""><span style="letter-spacing:-.1pt">ROI</span></span></span></b><b><span lang="FA" style="font-size:10.0pt"><span b="" style="font-family:" zar=""><span style="letter-spacing:-.1pt">) مدل (</span></span></span></b><b><span dir="LTR" style="font-size:10.0pt"><span bold="" new="" roman="" style="font-family:" times=""><span style="letter-spacing:-.1pt">SVM</span></span></span></b><b><span lang="FA" style="font-size:10.0pt"><span b="" style="font-family:" zar=""><span style="letter-spacing:-.1pt">) آموزش داده و سپس بر کل داده‌های سالانه اعمال شد تا هر پیکسل به گروه مربوط (باغ، زراعت دیم، زراعت فاریاب و شالیزار) تخصیص داده شود. نتایج نشان داد که به‌دنبال خشکسالی شدید سال 1396، سطح اراضی فاریاب به‌شدت کاهش یافته و از حدود ۴۷ درصد از کل اراضی (6506/8هکتار) در سال 1395، به کمتر از هشت درصد (208/6هکتار) در سال 1397 رسید و بسیاری از کشاورزان منطقه به احداث باغات پسته روی آوردند. این موضوع باعث افزایش سهم باغات از حدود ۱۶ درصد (2210/8هکتار) در سال 1395 به بیش از ۴۸ درصد (1281/1هکتار) در سال 1397 شد. این روند تا سال 1399 ادامه داشت، اما وقوع سرمای شدید و یخبندان در زمستان 1399، باعث نابودی بخش قابل‌توجهی از باغات جدیدالاحداث و افت سهم باغات تا حدود ۱۷ درصد (658/1هکتار) در سال 1401 شد. با از بین رفتن باغات پسته، سطح زیر زراعت دیم در سال‌های پایانی مجددا افزایش یافت. نتایج نشان داد که دقت کلی طبقه‌بندی برای کل سال‌ها بیش از ۸۰ درصد بوده و سال 1397 با ضریب کاپای 0/77 دقیق‌ترین نتیجه را داشت. نتایج این پژوهش ضمن ارائه‌ تصویری از پویایی فضایی-زمانی تبدیل اراضی دیم منطقه به باغ، نشان دهنده ضرورت برنامه‌ریزی سازگار با تغییرات اقلیمی است و &nbsp;می‌تواند به مدیران و برنامه‌ریزان در جهت توسعه‌ کشاورزی پایدار و افزایش تاب‌آوری معیشتی در منطقه محل اجرای آزمایش کمک کند.</span></span></span></b><b><span dir="LTR" style="font-size:10.0pt"><span bold="" new="" roman="" style="font-family:" times=""><span style="letter-spacing:-.1pt"></span></span></span></b></span></span></span></span></span></span></span><br> &nbsp; <span style="font-size:11pt"><span style="line-height:17.0pt"><span calibri="" style="font-family:"><b><span style="font-size:10.0pt"><span new="" roman="" style="font-family:" times="">Introduction:</span></span></b><span style="font-size:10.0pt"><span new="" roman="" style="font-family:" times=""> In recent decades, arid and semi-arid regions of the world have experienced considerable shifts in agricultural land use, driven by chaging climate and resources limitations. In Iran, particularly in Varamin plain these transformations have included significant changes in cropping patterns, especially the conversion of rainfed fields into orchard. The primary motivations behind this change include increasing resilience to water scarcity, economic incentives, and government support programs.</span></span></span></span></span><br> <span style="font-size:11pt"><span style="line-height:17.0pt"><span calibri="" style="font-family:"><b><span style="font-size:10.0pt"><span new="" roman="" style="font-family:" times="">Materials and Methods: </span></span></b><span style="font-size:10.0pt"><span new="" roman="" style="font-family:" times="">This research used Sentinel-2 satellite imagery and the NDVI (Normalized Difference Vegetation Index) to monitor agricultural land-use changes from 2016 to 2022. NDVI profiles were calculated on a monthly basis and aggregated annually to reduce the effects of clouds and short-term variability. Supervised classification was performed using the Support Vector Machine (SVM) algorithm in ENVI software. Accuracy assessments were carried out for each year, using ground reference data and official agricultural reports.</span></span></span></span></span><br> <span style="font-size:11pt"><span style="line-height:17.0pt"><span calibri="" style="font-family:"><b><span style="font-size:10.0pt"><span new="" roman="" style="font-family:" times="">Results: </span></span></b><span style="font-size:10.0pt"><span new="" roman="" style="font-family:" times="">The findings revealed substantial declines in irrigated lands following the severe drought of 2017 (from 47% in 2016 to less than 8% in 2018), leading to a rapid increase in orchard areas, especially pistachio plantations (from 16% in 2016 to over 48% in 2018). However, a severe frost in winter 2020 led to major damage in newly established orchard, particularly those that were still young trees. Consequently, by 2022, orchard area declined sharply to approximately 17%, and rainfed cropping resurged. Classification accuracies were consistently above 80% for all years, with the highest accuracy observed in 2018 (Kappa= 0.77).</span></span></span></span></span><br> <span style="font-size:11pt"><span style="line-height:17.0pt"><span calibri="" style="font-family:"><b><span style="font-size:10.0pt"><span new="" roman="" style="font-family:" times="">Conclusion: </span></span></b><span style="font-size:10.0pt"><span new="" roman="" style="font-family:" times="">This study provides a spatiotemporal analysis of cropping pattern changes in Varamin plain. The findings highlight the dynamic nature of land use in response to climatic events such as drought and frost, underscoring the importance of flexible, climate-resilient planning in cropping systems. The integration of remote sensing and machine learning tools proved effective for monitoring land use trends over time.</span></span></span></span></span><br> <span style="font-size:11pt"><span style="line-height:18.0pt"><span calibri="" style="font-family:"><b><span style="font-size:10.0pt"><span style="font-family:"Times New Roman",serif"></span></span></b></span></span></span><br> &nbsp; الگوی کشت, تغییرات اقلیمی, تصاویر ماهواره‌ای, زراعت دیم و سنجش از دور Climate change, Cropping pattern, Rainfed cropping and Remote sensing 129 146 http://agrobreedjournal.ir/browse.php?a_code=A-10-1343-2&slc_lang=fa&sid=1 Jafar Kambouzia جعفر کامبوزیا j_kambouzia@sbu.ac.ir 100319475328460013400 100319475328460013400 Yes Environmental Sciences Research Institute Shahid Beheshti University, Tehran, Iran پژوهشکده علوم محیطی دانشگاه شهید بهشتی Azade Ghanbarzade Ghasabe آزاده قنبرزاده قصبه flora.ghanbarzade@gmail.com 100319475328460013401 100319475328460013401 No Environmental Sciences Research Institute, Shahid Beheshti University, Tehran, Iran پژوهشکده علوم محیطی دانشگاه شهید بهشتی Fateme Sadat Aghamir Mohamadali فاطمه سادات آقامیر fateme.aghamir@gmail.com 100319475328460013402 100319475328460013402 No Medicinal Plants and Drugs Research Institute, Shahid Beheshti University, Tehran, Iran پژوهشکده گیاهان و مواد اولیه دارویی دانشگاه شهید بهشتی