| تعداد نشریات | 14 |
| تعداد شمارهها | 674 |
| تعداد مقالات | 7,006 |
| تعداد مشاهده مقاله | 10,318,278 |
| تعداد دریافت فایل اصل مقاله | 9,517,075 |
پیشبینی تغییرات کاربری اراضی با مدل زنجیره مارکوف و سلول خودکار (مطالعه موردی: منطقه هیرکانی) | ||
| مجله پژوهشهای حفاظت آب و خاک | ||
| مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 22 اردیبهشت 1405 | ||
| نوع مقاله: مقاله کامل علمی پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22069/jwsc.2026.23849.3819 | ||
| نویسندگان | ||
| سارا هدایتی کلیجی1؛ سید محسن حسینی1؛ سید جلیل علوی2؛ محدثه امیری* 3 | ||
| 1گروه علوم و مهندسی جنگل، دانشکده منابع طبیعی و علوم دریایی، دانشگاه تربیت مدرس، نور، ایران | ||
| 2گروه علوم و مهندسی جنگل، دانشکده کشاورزی و منابع طبیعی و علوم دریایی، دانشگاه تربیت مدرس، نور، ایران | ||
| 3گروه مرتع و آبخیزداری، دانشکده کشاورزی و منابع طبیعی، دانشگاه محقق اردبیلی، اردبیل، ایران | ||
| چکیده | ||
| سابقه و هدف: مدلسازی و پیشبینی تغییرات کاربری اراضی جهت استفاده پایدار از زمین و آگاهی از میزان تغییرات احتمالی در آینده امری ضروری است. آشکارسازی و مدلسازی این تغییرات با پردازش تصاویر ماهوارهای ابزار سودمندی جهت درک تغییرات محیط زیستی مرتبط با فعالیتهای انسانی به شمار میروند. استفاده از سامانه اطلاعات جغرافیایی و سنجش از دور، اطلاعات بههنگامی را پیرامون پدیدههای سطح زمین ارائه میدهد. نظارت بر روند این تغییرات به منظور استفاده پایدار از زمین میتواند با استفاده از دادههای سنجش از دور چند زمانی با موفقیت حاصل شود. با توجه به اهمیت زیستمحیطی منطقه رویشی هیرکانی، تنوع ژنتیکی و کاربردهای اکولوژیکی و گردشگری آن، آگاهی از وسعت تغییرات و تبدیل کاربریهای مختلف آن مهمترین جنبه برنامهریزی کاربری اراضی و توسعه پایدار است. همچنین، از آنجاییکه تا کنون پایش تغییرات کاربری اراضی در گذشته و پیشبینی آن در آینده در کل منطقه هیرکانی صورت نگرفته است، این پژوهش، با تلفیق مدل زنجیره مارکوف و سلولهای خودکار تحت عنوان "مارکوف-CA" به شبیهسازی و پیشبینی تغییرات کاربری اراضی منطقه هیرکانی از گذشته تا آینده میپردازد. مواد و روشها: برای آشکارسازی و مدلسازی تغییرات کاربری اراضی، تصاویر لندست 5 سنجنده TM سالهای 2000، 2005 و 2010 و لندست 8 سنجنده OLI سالهای 2015 و 2020 میلادی تجزیه و تحلیل و مورد استفاده قرار گرفتند. پس از اعمال فیلترهای مکانی، زمانی و ابری (ابرناکی کمتر از 5 درصد)، تصاویر تمام مقاطع زمانی با استفاده از فیلتر میانگین در پلتفرم گوگل ارث انجین (GEE) ترکیب شدند و سپس، با استفاده از الگوریتم یادگیری ماشین نظارت شده جنگل تصادفی در شش کلاس (جنگل، مرتع، کشاورزی، مناطق ساخته شده، اراضی بایر و پهنههای آبی) طبقهبندی شدند. دقت طبقهبندی بر اساس شاخص کاپا و دقت کلی محاسبه شد. شبیهسازی کاربری اراضی سال 2020 با استفاده از نقشههای کاربری سالهای 2000 و 2010 و به کمک مدل تلفیقی سلولهای خودکار و قوانین انتقال رگرسیون لوجستیک در نرمافزار MATLAB 2021a انجام گرفت. برای این منظور از متغیرهای مکانی شامل شاخص نرمال شده تفاوت پوشش گیاهی (NDVI)، شاخص تفاضلی نرمال شده آب (NDWI)، شاخص نرمال شده تفاوت مناطق ساخته شده (NDBI)، ارتفاع و شیب بهعنوان عوامل مؤثر بر تغییرات در الگوریتم جنگل تصادفی استفاده شد. در راستای انتخاب نمونهها برای کاربریهای در نظر گرفته شده، سعی شد تا نمونهها پراکنش همگن و مناسبی در سطح منطقه داشته باشند. از 70 درصد نمونههای برداشت شده به صورت بصری از روی تصویر ماهوارهای، برای اجرای مدل (نمونههای تعلیمی یا آموزشی) و از 30 درصد باقیمانده برای ارزیابی دقت مدل (نمونههای تست یا اعتبارسنجی) استفاده شد. همچنین، مدل مارکوف-CA برای پیشبینی تغییرات کاربری اراضی در منطقه هیرکانی برای سالهای 2070 و 2100 تلفیق شدند. یافتهها: بر اساس ارزیابی صحت دادههای مکانی، برای سالهای 2000 تا 2020، مقادیر دقت کلی و ضریب کاپا بالاتر از 80 درصد بهدست آمد که حاکی از انطباق زیاد تصاویر پیشبینی شده مدل با واقعیت زمینی و کارایی سامانه GEE در پردازش و طبقهبندی تصاویر لندست میباشد. در دوره 2000 تا 2010، کاهش 8/3 درصدی در پوشش جنگل و تبدیل آن به اراضی مرتعی و کشاورزی رخ داد. در دوره 2010 تا 2020 بیشترین میزان تبدیل از کاربری مرتع به کشاورزی به وسعت 872,78 هکتار بود. با مدل سلولهای خودکار و قوانین رگرسیون لجستیک، شاخص کاپا برای پیشبینی کاربریها در سالهای 2070 و 2100 به ترتیب 76 و 72 درصد بهدست آمد. ضریب کاپای حاصل از مقایسه این دو نقشه با مقدار 31/87 درصد نشاندهنده قابلیت بالای مدل مارکوف-CA در شبیهسازی تغییرات کاربری اراضی برای آینده بود. نتایج پیشبینی تغییرات کاربری اراضی با استفاده از تخمینگر انتقال مارکوف مبیّن تخریب و کاهش سطح کاربریهای جنگل، مرتع و پهنههای آبی در سالهای 2070 و 2100 بود. با تغییر پوشش کاربریهای مختلف بین سالهای 2020 تا 2070، سطح اراضی جنگلی نسبت به دوره 2020-2000، 168,680 هکتار کاهش خواهد یافت. سطح پهنههای آبی نیز تا سال 2070 کاهش خواهد یافت و به میزان 8,667 هکتار به کاربری مرتع تبدیل خواهد شد. تا سال 2100 و طی یک دوره زمانی 30 ساله، سطح اراضی جنگلی 8,900 هکتار کاهش خواهد یافت و به پهنههای آبی و اراضی بایر تبدیل خواهد شد. بیشترین تغییرات کاربری اراضی در منطقه مورد مطالعه شامل تبدیل جنگلها به مراتع و اراضی کشاورزی، تبدیل مراتع به کاربری کشاورزی و مناطق ساختهشده، و نیز تبدیل پهنههای آبی به اراضی بایر بوده است. در واقع، در صورت تداوم روند تغییر کاربری اراضی و تبدیل غیر اصولی آنها به یکدیگر، عرصههای منابع طبیعی بهشدت کاهش خواهند یافت. نتیجهگیری: در مجموع، صحت ارزیابی بر اساس شاخصهای مستخرج از ماتریس خطا مبیّن این بود که سامانه GEE با پردازش دادههای لندست در سریهای مختلف زمانی توانست ابزار مهمی جهت ارزیابی و پایش تغییرات کاربری باشد. روند تغییرات در منطقه مورد مطالعه به گونهای بود که کاربریهای کشاورزی، ساخته شده و بایر روند افزایشی داشتند که دلیل این امر، تبدیل سایر کاربریها به آنها بود. در مقابل، در مقایسه با جنگل و مرتع، بیشترین روند کاهشی در منطقه مربوط به پهنههای آبی بود که ادامه این روند تخریب، پیامدهای نامطلوب زیستمحیطی را به دنبال خواهد داشت. افزایش سطح کاربریهای مناطق ساخته شده و کشاورزی را میتوان به در توجیه افزایش جمعیت و گسترش شهرنشینی برای رفع نیازهای غذایی این جمعیت و همچنین مدیریت صحیح در زمینه کشاورزی در نظر گرفت. از آنجاییکه با بررسی تغییرات کاربری اراضی، روندهای مربوط به فرآیندهای تخریب، جنگلزدایی، بیابانزایی و فقدان تنوع زیستی در یک منطقه مشخص میگردد، با آگاهی از این تغییرات در طول زمان، میتوان چالشهای آینده را پیشبینی کرد و با ارائه اقدامات پیشگیرانه، مدیریت بهتری را اعمال نمود. | ||
| کلیدواژهها | ||
| پایش تغییرات؛ تخمینگر انتقال مارکوف؛ طبقهبندی تصاویر؛ مدل سلول خودکار مارکوف؛ GEE | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 29 |
||