Modeling Land Use Changes Based on Markov Chain in LCM (A Case Study of Ramhormoz)

Subject Areas :

Fatemeh  Esmaeili ¹ (Department of Geography, Mahshahr Branch,Islamic Azad University, Mahshahr, Iran)
maryam  ilanloo ² (Department of Geography, Mahshahr Branch, Islamic Azad University, Mahshahr, Iran)

Received: 2018-10-20 Accepted : 2018-12-25 Published : 2021-11-22

Keywords: land use, Satellite Images, Ramhormoz, TerrSat software, land-change modeler,

Abstract :

Measuring is a key technology for assessing the extent and amount of land cover variations the knowledge of which is of fundamental importance for different planning. In this study, land use changes in the past 20 years using the TerrSat software and its potential for prediction in the future were evaluated using the Markov chain of Ramhormoz. For this purpose, TM Landsat 5, OLI Landsat 8 was used for 1996 and 2016, along with topographic maps and area coverage. Images of both time periods were classified into four categories of land use: lands made by human hands, arable land, agricultural and uncultivated lands. According to the results, the lands made with 39.1% of the most positive changes and lands with vegetation cover with the rate of -29.1% have the most negative changes in the region and the trend of forest areas has been a downward one. Then, using the prediction model and classified images (1996-2016), the 2016 coverage map was predicted using the Earth-change model. After evaluating the model, the overall accuracy was 83.09 and the Kappa coefficient was shown to be 0.79, which indicates the high adaptation between the predicted map and the classified map. With the introduction of the land cover plan for 2016, the model for land-changeover, a 2025 land cover map was prepared. The results showed that 102 hectares of agricultural land and 178 hectares of vegetation cover had been reduced.

References:

 

1. آرخی، ص، 1394؛ بررسی روش‎های مختلف آشکارسازی تغییرات کاربری اراضی با استفاد‎ه از سنجش از دور و GIS(مطالعه مورد: منطقه سرابله، استان ایلام)، مجله محیط زیست طبیعی، منابع طبیعی ایران، دورۀ 68، 1، 1-13.


2. ایرانمهر، م، پورمنافی، س، سفیانیان، ع، 1394،پایش اکولوژیکی و بررسی تغییرات مکانی- زمانی پوشش اراضی با تأکید بر مقدار مصرف آب بخش کشاورزی در محدودۀ زاینده رود، مجله اکوهیدرولوژی، دوره 2،،‎ بهار، ص 23-38.


3. امان پور، س، بهمئی، ح، کاملی فر، م.ج، 1396، تحلیلی بر تغییرات کاربری اراضی در کلانشهرها با استفاده از آنالیز تصاویر ماهوارهای در محیطENVI «مطالعه موردی: کلانشهر اهواز»، فصلنامه علمی - پژوهشی اطلاعات جغرافیایی (سپهر)دوره،‎26،‎102تابستان، صص 140- 152.


4. امیدوار، ک، نارنگی فرد، م، عباسی، ح، 1394،آشکار سازی تغییرات کاربری اراضی و پوشش گیاهی در شهر یاسوج با استفاده از سنجش از دور، مجله جغرافیا و آمایش شهری- منطقه ای. 16، پاییز، صص 126-111.


5. پرما، ر، ملک نیا، ر، شتابی، ش، نقوی، ح، 1396، مدل‎سازی تغییرات پوشش سرزمین بر پایۀ شبکۀ عصبی مصنوعی و پتانسیل انتقال در روش LCM ( مورد مطالعه: جنگل‎های گیلان غرب، استان غرب)، مجله آمایش سرزمین، دورۀ نهم، شمارۀ اول، ص 129- 151.


6. دانش، ر، ایلانلو، م، (1399)، ارزیابی تغییرات کاربری اراضی و پراکنش افقی مناطق شهری با استفاده از تصاویر ماهواره‌ای (مطالعه موردی شهر ماهشهر در مقطع زمان 1395-1335)، مجله آمایش محیط، دوره 13، شماره 49. 19-1.


7. داودی منظم، ز، حاجی نژاد، ع، عباس نیا، م، پورهاشمی، س،1393، پایش تغییرات کاربری اراضی با استفاده از تکنیک سنجش از دور (مطالعه موردی: شهرستان شهریار)، نشریه سنجش از دور و سامانه اطلاعات جغرافیایی در منابع طبیعی،سال پنجم/ 1،2.


8. طاهری، م، غلامعلی فرد، م، ریاحی بختیاری، ع، رحیم اوغلی، ش، 1392، مدل‎سازی تغییرات پوشش سرزمین شهرستان تبریز با استفاده از شبکۀ عصبی مصنوعی و زنجیرۀ مارکوف، پژوهش‎های جغرافیای طبیعی، دورۀ 45، شمارۀ 4، 121-97.


9. غلامعلی فرد، ج، شوشتری، ش،‎ ابکار، ع، نعیمی، ب، 1393، مقایسۀ الگوریتم‎های رگرسیون لجستیک و شبکۀ عصبی مصنوعی در مدل‎سازی تجربی پتانسیل انتقال تغییر پوشش سرزمین سواحل استان مازندران، پژوهش‎های محیط زیست، دورۀ 5، شمارۀ 9، 176-167.

• فارسی، ج، یوسفی، م، 1392، آشکارسازی تغییرات کاربری اراضی با استفاده از داده‎های سنجش از دور (مطالعه موردی: دشت بجنورد)، فصلنامه جغرافیا و مطالعات محیطی – سال دوم،‎ 92-105.


• فیضی‌زاده، ب، طاهری، ع، 1399، استفاده از تکنیک‌های پردازش شی‌ء پایه در مدل‌سازی تغییرات پوشش و کاربری اراضی حاصل از رشد شهری در محدوده شهر مراغه، فصلنامه آمایش محیط، دوره 13، شماره 51، 22-1.


• قادری مطلق، ا، پیشگاهی فرد، ز، شریعت پناهی، م، 1395، ارزیابی تأثیر فضایی _ زمانی سیاست‎ها و قوانین زمین شهری بر گسترش بهینه شهری مهاباد با استفاده از CA-Markov، پژوهش،‎ دورۀ،‎4شمارۀ،‎3پاییز،‎ 385- 410.


• قربان نیا خبیری، و، میرسنجری، م. آرمین، م،1396، پیش بینی تغییرات کاربری جنگل در حوزه آبخیز چالوس رود، نشریه سنجش از دور و سامانه اطلاعات جغرافیایی در منابع طبیعی(سال هشتم/ دوم) ص 80، 79- 91.


• کرمی قهی، ف؛ علی خواه اصل، م، رضوانی،س، 1395، محمد، ارزیابی روند تغییرات پوشش اراضی شهرستان رودبارقصران با استفاده از طبقه‌بندی و پردازش تصاویر ماهواره ای، فصلنامه علوم و تکنولوژی محیط زیست، 1-13.


• وفایی، س، درویش صفت، ع. ا، پیر باوقار، م، 1392، پایش و پیش‌بینی روند تغییرات مکانی کاربری اراضی با استفاده از مدل LCM(مطالعۀ موردی: منطقه مریوان). مجلۀ جنگل ایران، دورۀ 5، شمارۀ 3، 336-323.

16. Cheng-lin, M, Li-yan, S, Li Y, 2016, The studies of ecological environmental quality assessment in Anhui Province based on ecological footprint, Ecological Indicators, 60. 879-883


17. Chen J, Gao Ji, Chen W, 2016, Urban land expansion and the transitional mechanisms in Nanjing China, Journal Habitat International 53, PP 274-


18. Chu, Xi, Xiangzheng D, Gui J, Zhan W, Zhaohua L, 2017, Ecological security assessment based on ecological footprint approach in Beijing-Tianjin-Hebei region, China, Physics and Chemistry of the Earth. 1-9.


19. Gupta, R Parkash, A., P.,1998. Land-use mapping and change detection in a coal mining area-a case study in the Jharia coalfield, India. International Journal of Remote Sensing, 19, 391–410.


20. Hassan, M. 2017, Monitoring land use/land cover change, urban growth dynamics and landscape pattern analysis in five fastest urbanized cities in Bangladesh.Journal Remote Sensing Applications: Society and Environment 7 (69–83).


21. Kafi, K.M., Shafri, H.Z.M., Shariff, A.B.M. 2014, An analysis of LULC change detection using remotely sensed data; A Case study of Bauchi City, 7th IGRSM International Remote Sensing & GIS Conference and Exhibition, pp.1-9


22. Mialhe, o, Franc¸ Y, Gunnell. A, Ignacio. N, Delbart, J, Ogania, S.H, 2017, Monitoring land-use change by combining participatory land-use maps with standard remote sensing techniques: Showcase from a remote forest catchment on Mindanao, Philippines, Journal International Journal of Applied Earth Observation and Geoinformation, 36, 69-82.


23. Pozoukidoua, G, Ntriankos, I. 2017. Measuring and assessing urban sprawl: A proposed indicator system for the city of Thessaloniki, Greece, Journal Remote Sensing Applications: Society and Environment 8, PP 30-40.


24. Zhao, H, Cui, Baoshan, Z, Honggang, F, Xiaoyun, Z, Zhiming, L, X ,2010. A landscape approach for wetland change detection (1979-2009) in the Pearl River Estuary, Procedia Environmental Sciences, No 2,2010, p 1265–1278.