Remote Sensing and GIS Application In Change Detection Study In Urban Zone Using Multi Temporal Satellite

Remote Sensing and GIS Application In Change Detection Study In Urban Zone 

Using Multi Temporal Satellite 

R.Manonmani, G.Mary Divya Suganya  Institute of Remote Sensing, Anna University, Chennai 600 025  ABSTRACT  Information on landuse/landcover in the form of maps and statistical data is very vital for  spatial  planning,  management  and  utilization  of  land.  In  the  study,  Remote  Sensing  and  geographic  information  system  (GIS)  were  used  in  order  to  study  landuse/landcover  changes.  Land  use  change  may  influence  many  natural  phenomena  and  ecological  processes,  including  runoff, soil erosion and sedimentation and soil conditions. The Urban areas are changing due to  various  human  activities,  natural  conditions  and  development  activities.  According  to  the  user  requirements, updating of landuse mapping is required to various departments. The aims of this  study are to detect land use changes between 1990 to 2005 using satellite images of Land Sat 7  ETM+  (1990)  and  IRS­  LISS  III  (2005)  and  digital  topographic  maps  have  been  used.  The  objectives  of  the  study  is  to  see  the  landuse/landcover  changes  in  Urban  areas  and  identifying  hotspots of land cover changes using multi temporal satellite data and also studying relationship  between  human  pressure  on  landuse/landcover  and  its  impacts  in  the  vital  Urban  habitats.  Landuse changes have been detected by image processing method in EDRAS imagine. Finally to  predict the  changes  in  Urban  habitants  and  landuse/landcover  changes  occurred.  Monitoring  of  landuse/landcover  changes  which  would  help  to  plan  development  activities  such  as  major  schemes and for used requirements. Change detection has shown that the built up area increased  between 1990 and 2005 by 15.83% from 6513.29 ha to 9300.97 ha. Also, the area with irrigated  land farms have been decreased to 436.99 ha (2.48%) and the scrub land decreased to 5.19%.  Keywords: Landuse/landcover, Change detection  1. Introduction  Landuse is influenced by economic, cultural, political, and historical and land – tenure factors at  multiple scales.  Land use referred to as man’s activities and the various uses which are carried  on  land.  Landcover  is  referred  to  as  natural  vegetation,  water  bodies,  rock/soil,  artificial  cover  and others resulting due to land transformation. Since both landuse/landcover are closely related  and are  not  mutually exclusive they are  interchange able as the  former  is  inferred  based on the  land  cover  and  on  there  contextual  evidence.  A  serious  problem  for  modeling  urban  landuse  change has been the lack of spatially detailed data. GIS and remote sensing have the potential to  support such models, by providing data and analytical tools for the study of urban environments.  Urban  land  cover  types  and  their  areal  distributions  are  fundamental  data  required  for  a  wide  range of studies in the physical and social science, as well as by municipalities for land planning  purposes  (Stefanov,  2001).  The  technologies  of  Geographical  Information  Systems  (GIS)  and  Remote Sensing have been combined to detect and control urban encroachment in a way which

is easier  and faster then the traditional  methods of surveying the urban environment  (Da Costa,  1999).  In  this  study,  in  1990–  2005  years  period,  land­use  changes  in  Villivakkam  were  examined.  Changes  in  residential  areas  and  wasteland  and  water  bodies  were  exposed.  Urban  land­use characteristics were combined with some plans aiming at urban development and thus it  is  proposed  for  future  land­use  decisions  to  local  authorities.  Information  on  landuse/landcover  in  the  form  of  maps  and  statistical  data  is  very  vital  for  spatial  planning,  management  and  utilization  of  land  for  agriculture  studies,  economic  production  etc.  Today,  with  the  growing  population pressure,  low  man  land ratio and  increasing  land degradation, the need  for optimum  utilization of land assumes much greater relevance. 

2. Study Area 

The Villivakkam block (study area) of Thiruvallur  district  is located in between 13° 1’ 25’’ N to  13°  12’  24”  N  Latitudes  and  80°  1’  40”  E  to  80°  11’  30’’  E  Longitudes,  falling  in  SOI  Toposheets  66C4  with  an  aerial  extent  of  17609.93  ha  and  found  in  the  west    of  Chennai.  Villivakkam  is  one  of  the  most  rapidly  populated  area  and  landuse  changes  regions  of  Thiruvallur district.  From 1990 to 2005, resident population is nearly doubled.  3. Data Sources  Data in this study are used of digital topographic maps dated 1976 and with an 1:50000  scale.  Landsat TM and IRS –P6 LISS III satellite data were used to generate land use map for 1990 and  2005.  4. Methodology  The studies of monitoring urban residential growth of Villivakkam block were first started with a  topographic map prepared in 1976 and comparing this topographic map with satellite image. For  past  15  years,  constructional  activities  increased  depending  on  population  growth  and  due  to  opening of more industry, with the construction of airport and establishment of the university, an

increasing  residential  construction  was  determined  through  satellite  image.  The  flow  chart  depicting the study area are illustrated below Figure 1.  Figure1. Flow chart depicting the change detection method  4.1 Data pre­processing  Pre processing has involved scanning and digitization of Survey of India Toposheets at 1:50000  scale to serve as the base map. Scanned maps don’t usually contain information as to where the  area  represented  on  the  map  fits  on  the  surface  of  the  earth,  for  these  images  have  to  register  coordinates.  To  establish  the  relationship  between  an  image  (row,  column)  coordinate  system  and  a  map  (x,  y)  coordinate  system  we  need  to  align  or  georeference  the  raster  data  (image).  Processing  has  involved  application  of  various  GIS  function  and  advanced  digital  image  processing technique including contrast manipulation, edge enchancement, and image registered.  The  images  were  geometrically  rectified  and  registered  to  the  same  projection  namely,  Transverse Mercator WGS 1984 to lay them over each other 

4.2 Image classification 

The  initial  LandSat  (1990)  and  final  (2005)  IRS­  IC  LISS  III  imageries  were  subjected  to  a  classification  zones.  Visual  image  interpretation  was  utilized  to  classify  the  images  to  different  landuse  categories.  In order to  classify  the  rectified  images,  five  classes  were  delineated  in  the  images  namely,  agriculture,  fallow  land,  scrub  land,  industry  and  built­up.  The  overall  testing  accuracy for the classification of Landsat (1990) was 82.14%, while it was 86.46% for IRS­ IC  LISS  III  image  (2005).  The  land  use  map  prepared  for  the  year  1990  and  2005  are  shown  in  figure 2 and 3 respectively. 

4.3 Change detection 

Change detection analysis encompasses a broad range of methods used to identify, describe and  quantity  differences  between  images  of  the  some  scene  at  different    times  or  under  different  conditions many of the tools can be used independently or in combination or in combination as  Base Layer  SOI Toposheet  Land Use Map ­  1990  Landsat Satellite  IRS – P6  Satellite  Land Use Map ­  2005  Change  Detection Map  Accuracy assessment  Visually interpreted using  On Screen Key interpretation  elements

part of a change detection analysis. Change detection menu after a straight forward approach to  measuring  changes  between  a  pair  of  images  that  represent  a  pair  of  images  that  represent  on  initial stage and final stage. The change detection statistics for classification images average used 

for  the  compute 

difference  map  for 

images.  Figure 2. Map showing the Landuse categories for the year 2005  Land Use Map for the year 2005 using LISSIII Satellite Data  Land Use Map  Thiruvallur District  Villivakkam Block  Legend  Perenial Tank  River / Stream  Industry  Settlement  Scrub  Plantation  Salt affected ­ Slight  Fallow  Agriculture  Dry Tank  0  1.25 2.5  5  7.5  Km 

± 

Land Use Map for the year 1990 using Landsat Satellite Data  Land Use Map  Thiruvallur District  Villivakkam Block 

± 

0  1.25 2.5  5  7.5  Km  Legend  Perenial Tank  Dry Tank  Agriculture  River / Stream  Settlement  Fallow  Scrub  Salt affected ­ slight  Plantation

Change Detection map for the year 1990 ­ 2005  Change Detection Map  Thiruvallur District  Villivakkam Block 

± 

0  1.25 2.5  5  7.5  Km  Legend  Decrease in Area  Unchanged  Increase in Area  Figure 3. Map showing the Landuse categories for the year 2005 

Figure 4. Change Detection Map showing the Landuse categories for the year 1990 ­ 2005 

5. Results and Discussion 

The land use categories such as built­up land, agriculture, water body, wasteland and others have  been  identified  and  mapped  from  the  Landsat  TM  and  IRS  LISS  III  of  1990  and  2005.  The  change detection map is presented in figure 4. About 36.99% of the areas are occupied by built­  up land during 1990 and about 52.82% areas are occupied by built­up during 2005. People utilize  the  land  for agricultural purposes. Under  utilization, mis  management could  be observed  in the  field. As a result the yield is not optimum.The area occupied by the agriculture is about 16.59%  (1990)  and  14.11%  (2005).  This  is  due  to  shifting  of  agricultural  land  to  built  up.  From  the  rainfall data collected for a period of 10 years, it sis understood that the mean annual rainfall is  above  the  normal  rainfall.  Owing  to  the  increase  in  human  population  the  plantation  category  have been decreased from 0.67% to 0.61%.  Decrease of about 2272 ha of the wasteland during  2005  when  compared  to  1990.  Some  small  scale  Industries  has  also  been  found  during  2005  which would help the human employment. Table 1 shows the change in landuse pattern.

Landuse  / Land cover  types 

1990 (Ha)  Area in %  2005(Ha)  Area in %  Difference  Built­up  6513.29  36.99  9300.97  52.82  +15.83  Agriculture land  2921.17  16.59  2484.18  14.11  ­2.48  Fallow land  3119.63  17.72  1484.94  8.43  ­9.29 

Wasteland  3150.77  17.89  2272.01  12.9  ­4.82 

Industry  nil  nil  157.73  0.9  nil 

Perennial waterbodies  618.53  3.51  1263.42  7.17  +4.02  Dry water bodies  982.20  5.58  352.07  2  ­3.58  River/stream  185.72  1.05  186.2  1.06  +0.01  Plantation  118.60  0.67  108.42  0.61  ­0.06  Total Geographic Area  17609.91  100  17609.94  100  Table 1. Area under different land use / land cover categories during 1990­2005  7. Conclusions 

The present study shows that satellite remote sensing  based  land cover  mapping  is  very  effective.  The  high  resolution  satellite  data  such  as  LISS  III  data  and  Landsat  TM  are  good  source  to  provide  information  accurately.  Under  utilization  of  potential  land,  increased  population,  and  land  conversion  are  the  major  driving  forces  for the  change  in  land  use  during  the past 15 years. The overall accuracy of the present land cover study is 85%.  Based on the analysis of changes in land use / land cover some of the remedial measures  are suggested, which are essential for optimum and sustainable utilization of land resources and  prevention of further undesirable and deteriorated changes in land use. Crop rotation could help  to improve the land potential and to avoid poor yield. Base on the soil suitability fruit trees could  be planted to improve the economy of the people.  8. References  1. Mas, J.F., 1999, “Monitoring land cover changes: a comparison of change detection  techniques”, International Journal of Remote Sensing, 20(1), 139­152.  2. National Remote Sensing Agency / Project report, 2006, “National land use  and land cover mapping using Multi­Temporal AWiFS data”