این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
جنگل ایران، جلد ۵، شماره ۳، صفحات ۳۲۳-۳۳۶
عنوان فارسی پایش و پیش‌بینی روند تغییرات مکانی کاربری اراضی با استفاده از مدل LCM (مطالعه موردی: منطقه مریوان)
چکیده فارسی مقاله آشکارسازی و پیش‌بینی تغییرات کاربری اراضی از جمله نیازهای مدیریت منابع طبیعی و ارزیابی تغییرات اکوسیستم به‌شمار می‌آیند. هدف این تحقیق، پایش تغییرات کاربری اراضی در گذشته و بررسی امکان پیش‌بینی آن در آینده با استفاده از مدلساز تغییر زمین (LCM) در بخش غربی شهرستان مریوان است. در این تحقیق، تصاویر سنجنده‌های TM لندست 5 سال 1368، ETM+ لندست 7 سال 1379 و TM لندست 5 سال1390 تجزیه‌وتحلیل شد. تصاویر هر سه مقطع زمانی به چهار طبقه جنگل، کشاورزی، منابع آبی و مناطق انسان‌ساخت طبقه‌بندی شد. پیش‌بینی وضعیت کاربری اراضی برای سال 1390، با استفاده از نقشه‌های کاربری سال‌های 1368و 1379 و به کمک مدل LCM و بر پایه شبکه‌های عصبی مصنوعی و تحلیل زنجیره مارکوف انجام گرفت. به این منظور، از متغیر‌های مکانی فاصله از جاده‌ و مناطق مسکونی، فاصله از حاشیه جنگل، ارتفاع و جهت نیز به‌عنوان عوامل مؤثر بر تغییرات در شبکه عصبی مصنوعی استفاده شد. بنابر نتایج، در طول دوره 1368-1390، 1234 هکتار جنگل با نرخ 21/0 درصد در سال، تخریب شده است. همچنین مناطق انسان‌ساخت، با نرخ سالیانه 5/7 درصد به‌مقدار 64/2 درصد (924 هکتار) نسبت به سطح اولیه خود توسعه یافته و اراضی کشاورزی با 1066 هکتار افزایش و 777 هکتار کاهش، در مجموع 289 هکتار افزایش داشته است. برای ارزیابی صحت پیش‌بینی مدلساز، نقشه‌های کاربری اراضی پیش‌بینی‌شده و واقعی به‌طورکامل و همچنین نقشه‌های تغییرات آن‌ها با هم مقایسه شد. صحت کلی و ضریب کاپای نقشه پیش‌بینی‌شده بسیار زیاد و به‌ترتیب 96 درصد و 92 درصد بود، ولی شاخص کاپای تغییرات جنگل، کشاورزی و مناطق انسان‌ساخت به‌نسبت کم و به‌ترتیب 37 درصد، 50 درصد و 48 درصد محاسبه شد که نشان‌دهنده نا‌همخوانی مکان تغییرات واقعی و پیش‌بینی‌شده و در نتیجه پیش‌بینی به‌نسبت ضعیف تغییرات کاربری اراضی با رویکرد مورد استفاده در منطقه تحقیق است. بررسی نقش دیگر متغیرهای مؤثر بر تغییرات مانند تیپ‌های خاک و جنگل و اطلاعات اقتصادی- اجتماعی برای بهبود عملکرد مدل توصیه می‌شود.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Monitoring and predicting land use changes using LCM module (Case study: Marivan region)
چکیده انگلیسی مقاله Detection and prediction of land use changes are powerful tools in natural resource and ecosystem management. This study aims at monitoring and predicting land use changes using LCM module in the western Marivan region. Landsat images dated 1989, 2000 and 2011 were classified in order to generate digital land use maps. The images were classified into four classes including forest, agriculture, water bodies and built-up area. LCM module in Idrisi GIS software is used to evaluate the land use changes and predict the land uses status in 2011, based on ANN and Markov Chain Analysis. ANN was trained with various spatial variables including distance from roads, distance from residential areas, distance from forest edges, land uses, elevation and aspect. The results indicated that 1234 hectares of the forest area have been reduced during the period of 1989-2011 and the deforestation rate was 0.21 % per year. Moreover the built-up areas have been increased 2.46% (924 ha) in comparison to initial situation. Results indicate very dynamic changes in agricultural areas, as they showed 1066 hectares increase and simultaneously 777 hectares decreasing, so in overall 289 hectares have been increased. The comparison of actual and predicted land use change maps, during the period of 1989-2011, indicates that Kappa coefficient for forest, agricultural and built-up areas were 0.37, 0.50, and 0.48, respectively. Based on the obtained results,PredictingLanduse changes using LCM was weak in this study area. To study the role of other variables such as soil types, forest types and socio-economic information to improve the performance of the model is recommended.
کلیدواژه‌های انگلیسی مقاله ANN, Change detection, LCM, Prediction, Remote sensing
نویسندگان مقاله
نشانی اینترنتی http://www.ijf-isaforestry.ir/article_4740_939394a927043f7d9063e9eabf08ca1f.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات