چکیده هدف اصلی این پژوهش، تحلیل فضایی توسعه فیزیکی شهر صلاح الدین در بازه زمانی 2015 تا 2025 و ارزیابی دقت دو رویکرد متفاوت در طبقهبندی کاربری اراضی بود. در این راستا، دو روش مجزا مورد استفاده قرار گرفت: نخست، طبقهبندی تصاویر ماهوارهای بر اساس باندهای خام سنجنده و دوم، طبقهبندی تقویتشده با شاخصهای طیفی منتخب شامل NDVI، NDBI، MNDWI و BSI در ترکیب با الگوریتم یادگیری ماشین جنگل تصادفی (Random Forest). هدف از این مقایسه، بررسی تأثیر شاخصهای طیفی در ارتقای دقت نقشهبرداری تغییرات کاربری اراضی و تبیین روند توسعه کالبدی شهر بود. نتایج ارزیابی نشان داد که رویکرد دوم (با شاخصهای طیفی) بهطور قابل توجهی عملکرد بهتری در سطح دقت کل و ضریب کاپا نسبت به روش مبتنی بر باندهای خام دارد. به عنوان نمونه، در سال 2025 دقت کل از 88.6٪ در حالت بدون شاخص به 97.39٪ در حالت تقویتشده افزایش یافت و ضریب کاپا از 0.844 به 0.964 رسید. دقت تولیدکننده برای کلاس پوشش گیاهی در این سال نیز به 1.000 (100٪) رسید که نشاندهنده توانایی بالای مدل در تشخیص صحیح کلاسها است. از دیدگاه فضایی، نتایج حاصل از تحلیل مساحت کاربریها بیانگر رشد شتابان اراضی شهری و کاهش قابل توجه اراضی بایر و پوشش گیاهی طی دهه اخیر است. سهم کاربری شهری از 1.146 درصد در سال 2015 به 2.587 درصد در سال 2025 افزایش یافته، در حالیکه اراضی بایر از 83.56 درصد به 67.01 درصد کاهش یافتهاند. این روند نشان میدهد که توسعه فیزیکی شهر عمدتاً بر بستر اراضی بایر پیرامونی صورت گرفته و تا حدی موجب کاهش فضاهای طبیعی شده است. در مجموع، یافتههای این تحقیق تأیید میکند که استفاده از شاخصهای طیفی در طبقهبندی تصاویر، دقت، اعتمادپذیری و کیفیت نقشهبرداری تغییرات کاربری اراضی را بهطور چشمگیری افزایش میدهد و میتواند در مطالعات آینده، به عنوان روشی کارآمد برای پایش و مدیریت توسعه شهری مورد استفاده قرار گیرد.
