پیش بینی روند تغییرات کاربری اراضی با استفاده از مدل زنجیره مارکوف CA-Markov (مطالعه موردی: حوزه آبخیز صفارود رامسر)

محورهای موضوعی : توسعه سیستم های مکانی

ناهید صالحی ¹ (دانش آموخته کارشناسی ارشد آبخیزداری، دانشکده منابع طبیعی و کویرشناسی، دانشگاه یزد)
محمدرضا اختصاصی ² (استاد گروه مرتع و آبخیزداری، دانشکده منابع طبیعی و کویرشناسی، دانشگاه یزد)
علی طالبی ³ (استاد گروه مرتع و آبخیزداری، دانشکده منابع طبیعی و کویرشناسی، دانشگاه یزد)

تاریخ دریافت : 1397/04/24 تاریخ پذیرش : 1398/01/13 تاریخ انتشار : 1398/02/01

کلید واژه: پایش تغییرات, تصاویر ماهواره ای, تغییرات کاربری اراضی, حوزه آبخیزصفارود, مدل مارکوف,

چکیده مقاله :

امروزه پیش بینی تغییرات کاربری اراضی با استفاده از تصاویر ماهواره ای می تواند ابزار مفیدی برای کمک به برنامه ریزان در شرایط پیچیده باشد. هدف از این تحقیق، پایش و پیش بینی تغییرات کاربری اراضی در دوره 28 ساله (2014-1986) با مدل زنجیره ای مارکوف (CA-Markov) در حوزه آبخیزصفارود-رامسر استان مازندران است. ابتدا نقشه های کاربری اراضی و NDVI با استفاده از تصاویر سنجنده ( ETM+(2000) ،TM (1986 و (OLI (2014ماهواره لندست تهیه گردید. صحت مدل زنجیره ای مارکوف با استفاده از شاخص کاپا 87% برآورد گردید. به منظور واسنجی مدل زنجیره مارکوف، نقشه کاربری اراضی سال 2014 تهیه شد و ضریب کاپای نقشه حاصل از مدل سازی و نقشه کاربری مبنا (سال 2014)، 82% به دست آمد. نتایج نشان داد که در فاصله زمانی بین سال های 2014-1986، وسعت اراضی جنگلی به میزان 10.26 درصد کاهش و 3.27 درصد مساحت مناطق مسکونی افزایش‌یافته است. نقشه کاربری اراضی برای سال های 2021 و 2028 با مدل زنجیره مارکوف پیش بینی گردید. نتایج نشان داد که در فاصله زمانی 2028-2014، اراضی جنگلی و مراتع به ترتیب به میزان 4.92 و 1.7 درصد کاهش دارد. کاربری مسکونی 8.04 درصد افزایش و اراضی کشاورزی به مقدار ناچیزی تغییر خواهد داشت که بیانگر تغییرات کاربری به سمت اراضی مسکونی است.

چکیده انگلیسی:

Predicting land use changes using satellite imagery is now a useful tool for helping planners in complex situations. The purpose of this study was to detect and predict land use changes during the 28-year period (1986-2014) by CA- Markov model in the Safarood-Ramsar watershed of Mazandaran province. In this research, land use and NDVI maps were prepared using Landsat TM (1986), ETM+ (2000) and OLI (2014) satellite images. The accuracy of the CA-Markov model was estimated using the Kappa index of 87%. In order to calibrate the CA-Markov model, the land use map was prepared in 2014, and the Kappa coefficient of the mapping from modeling and user base map (2014) was 82%. The results showed that during the period between 1986 and 2014, the area of forest lands decreased by 10.26% and the total area of residential areas increased by 3.27%. The land use map for the years 2021 and 2028 was predicted by the CA-Markov model. The results showed that during the period 2014-2028, forested lands and rangelands decreased by 4.92% and 1.7%, respectively. Residential areas will increase by 8.04% and the agricultural land will change slightly, indicating the changes in land use to residential land.

منابع و مأخذ:

اصلاح، م.، س. ع. المدرسی، م.  مفیدی فروش. ملک‌زاده بافقی. 1393. بررسی کارایی مدل زنجیره‌ای مارکوف در برآورد تغییرات کاربری اراضی و پوشش زمین با استفاده از تصاویر ماهواره‌ای لندست. نخستین همایش ملی کاربرد مدل‌های پیشرفته تحلیل فضایی (سنجش‌ازدور GIS) در آمایش سرزمین، 5 و 6 اسفندماه، یزد، دانشگاه آزاد اسلامی واحد یزد و شهرداری یزد، 10 صفحه.

سادات ابراهیمی، ف و ا. کمالی. 1396. پیش­ بینی تغییرات احتمالی کاربری اراضی دشت جوپار با استفاده از تصاویر ماهواره­ای CA-Markov. نشریه پژوهش­ های حفاظت آب‌ و خاک، 24(4): 259-271.

شمسی­پور، ع.، س. حیدری و ک. باقری. 1396. پایش روند تغییرات پوشش زمین در شهر کرمانشاه با مدل CA مارکوف. پژوهش ­های جغرافیای برنامه ­ریزی شهری، (5)3: 495-514.

عزیزی قلاتی، س.، ک. رنگزن، ج. سدیدی، پ. حیدریان و ا. تقی­زاده. 1395. پیش­ بینی روند تغییرات مکانی کاربری اراضی با استفاده از مدل زنجیرة مارکوف-CA (مطالعه موردی: منطقه کوهمره سرخی استان فارس). نشریه سنجش‌ازدور و سامانه اطلاعات جغرافیایی در منابع طبیعی،7(1): 59-71.

علوی­پناه، س. ک. 1397. کاربرد سنجش‌ازدور در علوم زمین (علوم خاک). چاپ اول، دانشگاه تهران، 496 صفحه.

فرزادمهر، ج.، ح. ارزانی، ع. ا. درویش‌صفت و م. جعفری. 1383. بررسی قابلیت داده‌های ماهواره لندست 7 در برآورد تاج پوشش و تولید گیاهی (مطالعه موردی: منطقه نیمه استپی حنا – سمیرم). مجله منابع طبیعی ایران، 57(2): 339-352.

کریمی، ک.، غ. ر. زهتابیان، م. فرامرزی و ح. خسروی. 1395. پایش و تغییرات کاربری اراضی با استفاده از زنجیره ­های مارکوف به‌ منظور پیش‌بینی آن (بررسی موردی: دشت عباس). مجله مرتع و آبخیزداری، 69(3): 711-724.

ممبنی، م. و ح. ر. عسگری. 1397. پایش، بررسی و پیش‌بینی روند تغییرات مکانی کاربری اراضی/ پوشش زمین با استفاده از مدل زنجیره‌ای مارکوف (مطالعه موردی: شوشتر- خوزستان). فصلنامه اطلاعات جغرافیایی (سپهر)، 27(105): 35-47.

میرزایی زاده، و.، م. نیک نژاد و ج . اولادی قادیکلایی. 1394. ارزیابی الگوریتم­ های طبقه ­بندی نظارت‌شده غیرپارامتریک در تهیه نقشه پوشش زمین با استفاده از تصاویر لندست 8. نشریه سنجش‌ازدور و سامانه اطلاعات جغرافیایی در منابع طبیعی، 6(3): 29-44.                                                                                     

میرعلیزاده فرد، س. ر. و س. م. علی بخشی. 1395. پایش و پیش‌بینی روند تغییرات کاربری اراضی با استفاده از مدل زنجیره مارکوف و مدل‌ساز تغییر کاربری اراضی (مطالعه موردی: دشت برتش دهلران، ایلام). نشریه سنجش‌ازدور و سامانه اطلاعات جغرافیایی در منابع طبیعی، 7(2): 33-45.

یوسفی، م.، ج. مکانیکی، ع. اشرفی و ن. نیسانی سامانی. 1396. آشکارسازی و مدل‌سازی تغییرات کاربری اراضی با استفاده از داد ه­های سنجش‌ازدور، مدل زنجیره مارکوف و سلول­های خودکار (مطالعه موردی: شهر بجنورد). مجله آمایش جغرافیایی فضا، 7(26): 1-16.

Du Y, Teillet PM, Cihlar J. 2002. Radiometric normalization of multitemporal high-resolution satellite images with quality control for land cover change detection. Remote sensing of Environment, 82(1): 123-134.

Eastman JR, McKendry JE, Fulk MA. 1994. Change and time series analysis. Unitar. United Nations Institute for Training and Research, 325 pp.

Eastman JR. 2006. IDRISI Andes guide to GIS and image processing. Clark University, Worcester, 328 pp.

Gross J, Nemani R, Turner W, Melton F. 2006. Remote sensing for the national parks. Park Science, 24(1): 30-36.

Guan D, Gao W, Watari K, Fukahori H. 2008. Land use change of Kitakyushu based on landscape ecology and Markov model. Journal of Geographical Sciences, 18(4): 455-468.

Khoi DD, Murayama Y. 2010. Forecasting areas vulnerable to forest conversion in the Tam Dao National Park Region, Vietnam. Remote sensing, 2(5): 1249-1272.

Kohonen T. 2012. Self-organization and associative memory. Springer Science & Business Media, 3 illustrated, 312 pp.

Lambin EF. 1997. Modelling and monitoring land-cover change processes in tropical regions. Progress in Physical Geography, 21(3): 375-393.

Lambin EF, Geist HJ. 2008. Land-use and land-cover change: local processes and global impacts. Springer Science & Business Media, 222 pp.

Landis JR, Koch GG. 1977. The measurement of observer agreement for categorical data. Biometrics: 159-174.

Lausch A, Herzog F. 2002. Applicability of landscape metrics for the monitoring of landscape change: issues of scale, resolution and interpretability. Ecological Indicators, 2(1-2): 3-15.

Li H, Reynolds J. 1997. Modeling effects of spatial pattern, drought, and grazing on rates of rangeland degradation: A combined Markov and cellular automaton approach. New York: Lewis Publishers, 211-230.

Lillesand T, Kiefer RW, Chipman J. 2014. Remote sensing and image interpretation. John Wiley & Sons, 704 pp.

Mitsova D, Shuster W, Wang X. 2011. A cellular automata model of land cover change to integrate urban growth with open space conservation. Landscape and Urban Planning, 99(2): 141-153.

Richards JA, Richards J. 2013. Remote sensing digital image analysis, vol 3. Springer, doi: 10.1007/978-3-642-30062-2.

Schulz JJ, Cayuela L, Echeverria C, Salas J, Benayas JMR. 2010. Monitoring land cover change of the dryland forest landscape of Central Chile (1975–2008). Applied Geography, 30(3): 436-447.

Stevens D, Dragicevic S, Rothley K. 2007. iCity: A GIS–CA modelling tool for urban planning and decision making. Environmental Modelling & Software, 22(6): 761-773.

Stephenne N, Lambin E. 2001. A dynamic simulation model of land-use changes in Sudano-sahelian countries of Africa (SALU). Agriculture, Ecosystems & Environment, 85(1-3): 145-161.

Suriya S, Mudgal B. 2012. Impact of urbanization on flooding: The Thirusoolam sub watershed–A case study. Journal of Hydrology, 412: 210-219.

Tang J, Wang L, Yao Z. 2008. Analyses of urban landscape dynamics using multi-temporal satellite images: A comparison of two petroleum-oriented cities. Landscape and Urban Planning, 87(4): 269-278.

Václavík T, Rogan J. 2009. Identifying trends in land use/land cover changes in the context of post-socialist transformation in central Europe: a case study of the greater Olomouc region, Czech Republic. GIScience & Remote Sensing, 46(1): 54-76.

Wang Y, Mitchell BR, Nugranad-Marzilli J, Bonynge G, Zhou Y, Shriver G. 2009. Remote sensing of land-cover change and landscape context of the National Parks: A case study of the Northeast Temperate Network. Remote Sensing of Environment, 113(7): 1453-1461.

Weng Q. 2002. Land use change analysis in the Zhujiang Delta of China using satellite remote sensing, GIS and stochastic modelling. Journal of Environmental Management, 64(3): 273-284.