بررسی تغییرات سطح جنگلی با استفاده از مدل LCM در تصاویر ماهواره‌ای در شمال ایران با رویکرد جغرافیای انسانی
الموضوعات :
امین خادمی
1
,
مرتضی معدنی پور کرمانشاهی
2
,
سیدآرمین هاشمی
3
,
بهروز کرد
4
1 - گروه فضای سبز، واحدملایر، دانشگاه آزاد اسلامی، ملایر، ایران
2 - گروه محیط زیست، واحد پرند، دانشگاه آزاد اسلامی، پرند، ایران
3 - گروه جنگلداری، واحد لاهیجان، دانشگاه آزاد اسلامی، لاهیجان، ایران
4 - گروه فضای سبز، واحدملایر، دانشگاه آزاد اسلامی، ملایر، ایران
الکلمات المفتاحية: تغییرات سطح جنگل, سنجش از دور, شهرستان تالش, جنگل انبوه.,
ملخص المقالة :
هدف از این تحقیق مقایسة تغییرات سطح جنگل با استفاده از مدل LCM در تصاویر ماهواره‌ای در جنگل‌های تالش بوده است. روند تغییرات کاربری محدودة مطالعاتی با استفاده از تصاویر ماهواره لندست سنجنده‌های TM، + ETMو OLI در سال‌های 2000، 2010 و 2020 با روش نظارت شده شبکه عصبی پردازش گردید. نقشه طبقه‌بندی کاربری اراضی شامل کاربری مسکونی، زراعت، مراتع، جنگل انبوه، جنگل نیمه‌انبوه، جنگل تنک در منطقه شناسایی شد. برای این منظور از تصاویر نرم‌افزار گوگل ارث و بازدید میدانی در تهیه نقاط تعلیمی استفاده شد. در نهایت ماتریس دقت برای هر نقشه تشکیل شد. تغییرات کاربری اراضی از سال 2000 تا 2020 با روش شبکه عصبی مصنوعی نشان داد، مناطق مسکونی 210 درصد و کاربری زراعت 1500 درصد، کاربری جنگل نیمه‌انبوه 200 درصد و جنگل تنک340 درصد هکتار افزایش و کاربری جنگل انبوه نیز 50 درصد و مرتع 30 درصد کاهش داشته است. صحت نقشه‌های طبقه‌بندی در این پژوهش در سال 2000 و 2010 و 2020 به‌‌ترتیب 88/0، 8950/0، 9150/0 به‌دست آمد که قابل قبول بود. نتایج تحقیق نشان داد که گسترش فعالیت‌های زراعی و ساخت مناطق مسکونی بر روی اکوسیستم‌های مرتعی و جنگل موجب تبدیل مراتع و جنگل‌های تنک به زمین‌های با ارزش کمتر شده است.
References
Ahdnejad Roshti, M., Zolfi, A., Shokripour, M. and Dizaj, H. (2011). Evaluation and Prediction of Physical Expansion of Cities Using Multi-Time Satellite Imaging and Geographic Information System, Case Studies: Ardabil, 1984-2006. Quarterly Journal of Geography Environment Preparation, 15: 107-124.2(In persian)
Batty, M. (2005). Agents, cells, and cities: new representational models for simulating multiscale urban dynamics. Environment and Planning, 37: 1373-1394.
Brinkmann, K., Schumacher, J., Dittrich, A., Kadaore, I. and Buerkert, A. (2012). Analysis of Landscape Transformation Processes in and around Four West African Cities over the Last 50 Years. Landscape and Urban Planning, 105: 94–105.
Chavez PS. (1988). An improved dark-object subtraction technique for atmospheric scattering correction of multispectral data. Remote Sensing of Environment, 24(3): 459- 479.
Darvishsefat, A., Ghaffari Dafchah, f. and Bonyad, A. (2014). Feasibility of satellite imagery for poplar plantation mapping (Case study: Sowme`eh Sara). Iranian journal of poplar research, 22(3): 392-401. (In persian)
Dehghani, T., Ahmadpari, H., Amini, A.(2023).Assessment of land use changes using multispectral satellite images and artificial neural network. Water and Soil Management and Modeling, 3(2): 18-35(In persian)
Fatemti Talab, S. R., Madanipour Kermanshahi, M. and Hashemi, S. A.( 2015). Estimating changes in forest cover in the Rudsar county by using neural network and maximum likelihood methods. Journal of RS and GIS for Natural Resources, 6(2):33-43. (In persian)
Girma, R., Fürst, C., Moges, A. (2022).Land Use Land Cover Change Modeling by Integrating Artificial Neural Network with Cellular Automata-Markov Chain Model in Gidabo River Basin, Main Ethiopian Rift. Environ. Chall. 6, 100-114
Guo, H., Cai, Y., Yang, Z., Zhu, Z., Ouyang, Y. (2021).Dynamic Simulation of Coastal Wetlands for Guangdong-Hong Kong-Macao Greater Bay Area Based on Multi-Temporal Landsat Images and FLUS Model. Ecol. Indic. 2021, 125, 107559.
Hashemi, S.A., Fatemi Talab, S.R., Kavousi, H. and Madanipour, M.(2017). Change detection in the forest cover of Siyahmezgi watershed of Guilan using LandSat images. Journal of RS and GIS for Natural Resources, 7(24):78-88. (In persian)
Hashemi, SA., Khademi A., Madanipour Kermanshahi, M., Kord, B.(2022). Investigation of forest area using support vector machine and provide a model for predicting level of changes. Journal of RS and GIS for Natural Resources, 13(3): 23-26. (In persian)
Khoi, D. and Murayama, Y. (2011). Modeling Deforestation Using a Neural Network-Markov Model. Spatial Analysis and Modeling in Geographical Transformation Process, 169-190.
Li, J. J., Wang, X. R., Wang, X. J., Ma, W. C. and Zhang, H.( 2009). Remote sensing evaluation of urban heat island and its spatial pattern of the Shanghai metropolitan area, China. Ecological Complexity, 6(4): 413-420.
Mahdavi, M. (2015). The geography of Gilan. Nashre Farhange Ilia Publication, Rasht. (In persian)
Mahmoudzadeh, H. (2010). Application of Artificial Neural Network in Modeling and Forecasting Land Use Changes in Sardroud City (1984-2031). Geography and planning, 21(60): 221-237.
Masoumi, H., Jamali, A.A., Khabazi M.(2014). Investigation of Role of Slope, Aspect and Geological Formations of Landslide Occurrence Using Statistical Methods and GIS in Some Watersheds in Chahar Mahal and Bakhtiari Province. Journal of Applied Environmental and Biological Sciences, 4(9)121-129.
Maviza, A. and Fethi, A. (2020). Analysis of past and future multi-temporal land use and land cover changes in the semi-arid Upper-Mzingwane sub-catchment in the Matabeleland south province of Zimbabwe. International Journal of Remote Sensing, 41: 5206-5227.
Mesgari, I. and Jabalameli, M. (2017). Modeling Land Use Change: Categorizing Concepts and Models and Explaining Research Areas. Journal of Geography and Environmental Planning, 64: 75-92. (In persian)
Mirhosseini, S. M., Jamali, A. and Hosseini, S. Z. (2016). Investigating and Predicting the Extension of Dunes Using Land Change Modeler (LCM) in the North West of Yazd, Iran. Journal of Desert, 21(1 ): 76-90. (In persian)
Mirzai, V. and Mahdavi, A. (2014). Investigating the role of human factors and physiography on the reduction of forest cover, a case study of the watershed of Arquaz, Malekshahi, Ilam province. Geographical space, 15(52): 75-96. (In persian)
Muller, D. and Zeller, M. (2002). Land use dynamics in the central highlands of Vietnam: A spatial model combining village survey data with satellite imagery interpretation. Agricultural Economics, 27: 333- 354.
Nazari Samani, A., Heravi, H., Panahi, M. and Shalamzari, Masoud. 2013. Effect of Land-use and Precipitation Changes on Sediment Yield (Case Study: Taleghan Watershed).Journal of range and weatershed management, 66(1):157-165. (In persian)
Perez-Vega, A., Mas, J. and Ligmann-Zielinska, A. (2011). Comparing two approaches to land use/cover change modeling and their implication for the assessment of biodiversity loss in a deciduous tropical forest. Environmental Modeling & Software, 29(1): 11-23.
Saadani, S., Laajaj, R., Maanan, M., Rhinane, H. and Aaroud, A. (2020). Simulating spatial–temporal urban growth of a Moroccan metropolitan using CA–Markov model, Journal of Spatial Information Science, 28(7):67-75
Shahi, E., Karimi, S. & Jafari, H.R. (2020). Monitoring and modeling land use/cover changes in Arasbaran protected Area using and integrated Markov chain and artificial neural network. Model. Earth Syst. Environ. 6, 1901–1911.
Talebi Khiavi H. Mostafazadeh R., Asaadi M.A., Namini ,SK.( 2022).Temporal land use change and its economic values under competing driving forces in diverse land use configuration. Arabian Journal of Geosciences ,15:1597:3-14
Vasile, A. J., Popescu, C., Ion, R. A., and Dobre, I.( 2015). From conventional to organic in Romanian agriculture- Impact assessment of land use changing paradigm. Land Use Policy, 46: 258-266.
Verburg, P. H., Tabeau, A. and Hatna, E. (2013). Assessing spatial uncertainties of land allocation using a scenario approach and sensitivity analysis: A study for land use in Europe. Journal of Environmental Management, 127: 132-144.
Masoumi, H., Jamali, A.A., Khabazi M.2014. Investigation of Role of Slope, Aspect and Geological Formations of Landslide Occurrence Using Statistical Methods and GIS in Some Watersheds in Chahar Mahal and Bakhtiari Province. Journal of Applied Environmental and Biological Sciences, 4(9)121-129.
