بررﺳﯽ روﻧﺪ تغییرات ﮐﺎرﺑﺮی اراﺿﯽ ﺷﻬﺮ ﻋﺴﻠﻮﯾﻪ ﺑﯿﻦ ﺳﺎﻟﻬﺎی 1989 ﺗﺎ 2019 میلادی و ﭘﯿﺶﺑﯿﻨﯽ تغییرات ﺑﺎ اﺳﺘﻔﺎده از ﺳﻨﺠﺶ از دور و ﻣﺪﻟﻬﺎی CA-Markov و LCM

محورهای موضوعی : ژئومورفولوژی

بهروز سعدین ^{1 *} , محمد ابراهیم عفیفی ²

1 - مربی، گروه جغرافیا، واحد لارستان، دانشگاه آزاد اسلامی، لارستان، ایران.
2 - استادیار، گروه جغرافیا، واحد لارستان، دانشگاه آزاد اسلامی، لارستان، ایران.

تاریخ دریافت : 1401/11/28 تاریخ پذیرش : 1402/05/12 تاریخ انتشار : 1402/11/01

کلید واژه: کاربری اراضی, سنجش از دور, کشف تغییرات, عسلویه, شبکه عصبی- LCM,

چکیده مقاله :

ﺗﻐﻴﻴﺮ ﻛﺎرﺑﺮی اراﺿﻲ ﺑﻪ ﻋﻨﻮان ﻋﺎﻣﻠﻲ ﭘﺎﻳﻪ در ﺗﻐﻴﻴﺮات زﻳﺴﺖﻣﺤﻴﻄﻲ ﻋﻤﻞ ﻛﺮده و ﺑﻪ ﻳﻚ ﺧﻄﺮ ﺟﻬﺎﻧﻲ ﺗﺒﺪﻳﻞ ﺷﺪه اﺳﺖ. ﺑﺎزﺑﻴﻨﻲ اﻳﻦ ﺗﻐﻴﻴﺮات از ﻃﺮﻳﻖ ﺗﺼﺎوﻳﺮ ﻣﺎﻫﻮارهای و ﭘﻴﺶﺑﻴﻨﻲ و ارزﻳﺎﺑﻲ ﭘﺘﺎﻧﺴﻴﻞ آﻧﻬﺎ از ﻃﺮﻳﻖ ﻣﺪﻟﺴﺎزی ﻣﻲﺗﻮاﻧﺪ ﺑﻪ ﺑﺮﻧﺎﻣﻪرﻳﺰان ﻣﺤﻴﻂ زﻳﺴﺖ و ﻣﺪﻳﺮان ﻣﻨﺎﺑﻊ ﻃﺒﻴﻌﻲ ﺑﺮای ﺗﺼﻤﻴﻤﺎت آﮔﺎﻫﺎﻧﻪﺗﺮ ﻛﻤﻚ ﻛﻨﺪ. ﻫﺪف اﻳﻦ ﺗﺤﻘﻴﻖ ﺑﺎزﺑﻴﻨﻲ، ﻣﺪﻟﺴﺎزی و ﭘﻴﺶﺑﻴﻨﻲ ﺗﻐﻴﻴﺮات ﻛﺎرﺑﺮی اراﺿﻲ در دوره 30 ﺳﺎﻟﻪ (1989تا 2019) ﺗﻮﺳﻂ ﻣﺪل زﻧﺠﻴﺮة ﻣﺎرﻛﻮف- LCM در ﻣﻨﻄﻘﻪ عسلویه می‌باشد اﺳﺖ. ﺑﺪﻳﻦ ﻣﻨﻈﻮر ﻧﻘﺸﻪﻫﺎی ﻛﺎرﺑﺮی اراﺿﻲ ﺑﺎ اﺳﺘﻔﺎده از ﺗﺼﺎوﻳﺮ ﺳﻨﺠﻨﺪه +ETM و TM و OLIﻣﺎﻫﻮاره ﻟﻨﺪﺳﺖ در ﺳﻪ دوره زﻣﺎﻧﻲ ﻣﺮﺑﻮط ﺑﻪ ﺳﺎلﻫﺎی (2019-2009-1989) ﺗﻬﻴﻪ ﮔﺮدﻳﺪ. ﺳﭙﺲ ﺻﺤﺖﺳﻨﺠﻲ ﻧﻘﺸﻪﻫﺎ و آﺷﻜﺎرﺳﺎزی ﺗﻐﻴﻴﺮات اﻧﺠﺎم ﺷﺪ. با استفاده از طبقه بندی شبکه عصبی و همچنین به کارگیری مدل پیش بینی تغییرات کاربری (Land Change Modeler) LCMمارکوف و رویکرد مدلساز تغییر کاربری اراضی انجام شده است. ﻧﺘﺎﻳﺞ آﺷﻜﺎرﺳﺎزی ﺗﻐﻴﻴﺮات دوره اول ﺑﺎ ﺿﺮﻳﺐ ﻛﺎﭘﺎی 97 % و دوره دوم 2019-2009 ﺑﺎ ﺿﺮﻳﺐ ﻛﺎﭘﺎی 94% ﻧﺸﺎن ﻣﻲدﻫﺪ ﻛﻪ ﺑﻴﺶﺗﺮﻳﻦتغییرات ﻣﺴﺎﺣﺖ در ﻧﺎﺣﻴﻪ آب و ﺑﻴﺶﺗﺮﻳﻦ ﻛﺎﻫﺶ ﻣﺴﺎﺣﺖ در ﻧﺎﺣﻴﻪ پوشش گیاهی رخ داده اﺳﺖ. ﺑﻪ ﻣﻨﻈﻮر ﻛﺎﻟﻴﺒﺮه ﻛﺮدن ﻣﺪل زﻧﺠﻴﺮة ﻣﺎرﻛﻮف، ﻧﻘﺸﻪ ﻛﺎرﺑﺮی ﺳﺎل 2013 ﭘﻴﺶﺑﻴﻨﻲ ﺷﺪ و ﻣﺎﺗﺮﻳﺲ ﺧﻄﺎی ﺑﻴﻦ ﻧﻘﺸﻪ ﺣﺎﺻﻞ از ﻣﺪلﺳﺎزی و ﻧﻘﺸﻪ ﻛﺎرﺑﺮی ﻣﺮﺟﻊ ﺳﺎل 2019، ﺿﺮﻳﺐ ﻛﺎﭘﺎی 93% ﺑﺪﺳﺖ داد ﻧﺘﺎﻳﺞ ﻣﺪل ﺳﺎزی ﻧﻴﺮوی اﻧﺘﻘﺎل ﺑﺎ اﺳﺘﻔﺎده از ﺷﺒﻜﻪ ﻋﺼﺒﻲ ﻣﺼﻨﻮﻋﻲ در ﺑﻴﺸﺘﺮ زﻳﺮ ﻣﺪلﻫﺎ ﺻﺤﺖ ﺑﺎﻻﻳﻲ را 60 ﺗﺎ 93 درﺻﺪ ﻧﺸﺎن داد.

چکیده انگلیسی:

Land use change has acted as a pivotal factor in environmental change and has become a global threat. Reviewing these changes through satellite imagery and predicting and evaluating their potential through modeling can help environmental planners and natural resource managers to make informed decisions. The purpose of this study was to review, model, and predict land use changes in the 30-year period of 1993-2013 by the Markow-LCM chain model in Kangan and Assaluyeh. For this purpose, land use maps were prepared using ETM +, TM and OLI satellite imagery in three periods of 1993, 2003, and 2013. Then verifying the maps and detecting the changes. Using the classification of the neural network and applying the Land Change Modeler (LCM Markov model) and the Land Use Change Modeling Approach have been implemented. The results of detection of changes in the first period with a kappa coefficient of 97% and the second period of 1993-2003 with a kappa coefficient of 94% indicate that the largest changes in the area in the water area and the largest decrease in the area in the vegetation area occurred. In order to calibrate the Markov chain model, the 2013 map was predicted and the error mapping matrix of the 2013 map reference model and mapping utilization yielded a copper coefficient of 93%. The results of modeling the transfer force using the artificial neural network in most of the sub-models The high accuracy was 60-93%.

منابع و مأخذ:

احدنژاد روشتی، محسن؛ زلفی، علی؛ شکری‌پور، حسین (1390). ارزیابی و پیش‌بینی گسترش فیزیکی شهرها با استفاده از تصاویر ماهواره‌ای چند زمانه و سیستم اطلاعات جغرافیایی (مطالعه موردی شهر اردبیل 1400 – 1363). فصلنامه آمایش محیط. 4 (15)، 124-107 .

المدرسی، سیدعلی؛ مفیدی‌فر، مهدی؛ ملکزاده بافقی، شاهرخ (1393، اسفند). بررسی کارایی مدل زنجیره‌ای مارکوف در برآورد تغییرات کاربری اراضی و پوشش زمین با استفاده از تصاویر ماهواره‌ایLANDSAT . نخستین همایش ملی کاربرد مدلهای پیشرفته تحلیل فضایی (سنجش از دور وGIS) در آمایش سرزمین. یزد.

خان محمدی، ناصر (1397). مدلسازی تغییرات اراصی کاربری با استفاده از مدلساز تغییر زمین LCM شهرستان نکا. فصلنامه اکوسسیستم‌های طبیعی ایران. 9 (31)، 69-53.

دژکام، بهمن؛ جباریان امیری، سیدصادق؛ درویش صفت، علی‌اصغر (1394). پیش‌بینی تغییرات کاربری و پوشش زمین در شهرستان رشت با استفاده از مدل سلولهای خودکار و زنجیره مارکوف. پژوهشهای محیط زیست. 6 (11)، 204-193.

رمضانی،رضا؛ جعفری، نفسیه (1393). آشکارسازی تغییرات کاربری و پوشش اراضی در افق 1404 با استفاده از مدل زنجیره‌ای CA مارکوف (مطالعه موردی: اسفراین). فصلنامه تحقیقات جغرافیایی. 29 (4)، 96-83 .

علی محمدی، شایان؛ موسیوند، احمد؛ جعفری، عباس (1389). پیش‌بینی تغییرات کاربری اراضی و پوشش زمین با استفاده از تصاویر ماهواره‌ای و مدل زنجیره‌ای مارکوف. فصلنامه مدرس علوم انسانی. 14 (3)، 130-117.

غلامعلی فرد، مهدی؛ میرزایی، محسن؛ جورابیان شوشتری، شریف (1393). مدلسازی تغییرات پوشش اراضی با استفاده از شبکه عصبی مصنوعی و زنجیرة مارکوف (مطالعة موردی: سواحل میانی استان بوشهر). نشریه سنجش از دور و سامانه اطلاعات جغرافیایی در منابع طبیعی. 5 (1)، 79-65 .

کریمی، کامران؛ چوقی، بایرام (1394).پایش، ارزیابی و پیش بینی روند تغییرات مکانی کاربری اراضی/پوشش زمین با استفاده از مدل زنجیره‌ای مارکوف (مطالعه موردی: دشت بسطاق- خراسان جنوبی). نشریه سنجش از دور و سامانه اطلاعات جغرافیایی در منابع طبیعی. 6 (2)، 88-75 .

نشاط، عبدالمجید (1381). تجزیه وتحلیل و ارزیابی تغییرات کاربری و پوشش زمین با استفاده از داده‌های سنجش ازدور و سامانه‌های -اطلاعات جغرافیایی در استان گلستان. پایان نامه کارشناسی ارشد رشته سنجش از دور وGIS . دانشگاه تربیت مدرس، تهران، ایران.

عفیفی، محمد ابراهیم؛ رهنما، وحیدرضا (1396). بررسی روند تغییرات کاربری اراضی شهر عسلویه و پیش بینی تغییرات با استفاده از سنجش از دور و مدل‌های lcm-ca-markov. پایان نامه‌ی کارشناسی ارشد. دانشگاه آزاد اسلامی واحد لارستان، لارستان، ایران.

Ahmed, B. & Ahmed, R. )2012(. Modeling urban land cover growth dynamics using multi-temporal satellite images: A case study of Dhaka. International Journal of Geo-Information. 1 (1), 3-31.

Al-Ahmadi, F. & Hames, A. (2009). Comparison of four classification methods to extract land use and land cover from raw satellite images for some remote arid areas. Kingdom of Saudi Arabia. Earth. 20 (1), 167-191.

Amiraslani, F. & Dragovich, D. (2011). Combating desertification in Iran over the last 50 years: An overview of changing approaches. USA. Journal of Environmental Management. 92 (1), 1-13.

Bell, E. )1974(. Markov analysis of land use change - an application of stochastic processes to remotely sensed data. Socio-Economic Planning Sciences. 8 (6), 311-316.

Brown, D.; Pijanowski, B. & Duh, J. (2000). Modeling the relationships between land use and land cover on private lands in the Upper Midwest. Journal of Environmental Management. 59 (4), 247-263.

Congalton, R. (1991). A review of assessing the accuracy of classifications of remotely sensed data. Rentote Sensing of Environment. 37 (1), 35-46.

Dontree, S. (2003, October). Land use dynamics from multitemporal remotely sensed data - a case study Northern Thailand. Map Asia 2003 Conference. Kuala Lumpur, Malaysia.

Gilks, W.; Richardson, S. & Spiegelhalter, J. (1996). Introducing markov chain montecarlo. Markov Chain Monte Carlo in Practice. 1 (1), 19- 44.

Gross, J.; Goetz, S. & Cihlar, J. (2009). Application of remote sensing to parks and protected area monitoring: Introduction to the special issue. Remote Sensing of Environment. 113 (7), 1343-1345.

Hathout, S. (2002). The use of GIS for monitoring and predicting urban growth in East and West St Paul, Winnipeg, Manitoba, Canada. Journal of Environmental Management. 66 (3), 229-238.

Jenerette, G. & Darrel, W. )2001(. Analysis and simulation of land use change in the central Arizona-Phonix region, USA. Landscape Ecology. 16 (7), 611-626.

Kamusoko, C. & Aniya, M. )2009(. Rural sustainability under threat in Zimbabwe – Simulation of future land use/cover changes in the Bindura district based on the Markov-cellular automata model. Applied Geography. 29 (3), 435-447.

Lambin, F. )2008(. Land-Use and Landcover Change: Local Processes and Global Impacts. New York: Springer Science & Business Media.

Mas, L. (2004). Modelling deforestation using GIS and artificial neural networks. Environmental Modeling & Software, 19 (5), 461–471.

Jean-François, M. (2014). Inductive pattern-based land use/cover change models: A comparison of four software packages. Environmental Modelling & Software. 51, 94-111.

Mitsova, W. (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.

Muller, M.R. & Middleton, J. (1994). A Markov model of land-use change dynamics in the Niagara Region. Ontario, Canada. Landscape Ecology. 9 (2), 151- 157.

Nazarisamani, A. (2010). Assessment of changes in land use in the Taleghan watershed basin in the period from 1987 to 2001. Academic Journal of Range Management Research. 4 (3), 451-442.

Ozesmi, B. (2002). Satellite remote sensing of wetlands. Wetlands Ecology and Management. 10 (5), 381-402.

Piquer-Rodríguez, M. & Alcaraz-Segura, R. (2012). Future land use effects on the connectivity of protected area networks in southeastern Spain. Journal for Nature Conservation. 20 (6), 326-336.

Richards, J. Jia, X. (2006). Remote Sensing Digital Image Analysis: An Introduction. 4^th Edition. New York: Springer.

Sohl, P. (2013). Clarity versus complexity: Land-use modeling as a practical tool for decision-makers. Journal of Environmental Management, 129, 235-243.

Upadhyay,S. & Birger, S. (2006). Use of odelsmodels to analyseanalyses land-use changes, forest/soil degradation and carbon sequestration with special reference to Himalayan region: A review and analysis. Forest Policy and Economics. 9 (4), 349-371.

Wang, Sh. Q. & Zheng, X. (2012). Accuracy assessments of land use change simulation based on Markov-cellular automata model. Procedia Environmental Sciences. 13, 1238-1245.

Weng, Zh. (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.

Whitford, W. & Malekian, A. (2008). Ecology of Desert Systems. Tehran: University of Tehran.

Wu, Qi. Et al (2006). Monitoring and predicting land use change in Beijing using remote sensing and GIS. Landscape and Urban Planning. 78 (4), 322–333.