این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
پژوهش های آبخیزداری، جلد ۳۴، شماره ۲، صفحات ۹۱-۱۰۷
عنوان فارسی شبیه‌سازی حالت‌های ممکن کاربری زمین‌ در آبخیز تجن در سال ۱۴۲۰
چکیده فارسی مقاله این پژوهش با هدف شبیه­سازی و پیش­بینی‌کردن تغییر کاربری و پوشش زمین‌ با کاربرد مدل تغییر سرزمین (LCM) بر مبنای دو حالت‌ ممکن مدیریتی تداوم و افزایش کشاورزی در آبخیز تجن استان مازندران به انجام رسید. تصویرهای ماهواره‌ی لندست و سنجنده­های تی‌ام و اوال‌آی در 1370، 1389 و 1398 تجزیه‌وتحلیل شد. کاربری­ها در هر سه مقطع زمانی به پنج طبقه‌ی مسکونی، کشاورزی، جنگل، باغ و مرتع طبقه­بندی شد. پیش­بینی وضعیت کاربری زمین برای 1398 با نقشه‌ی کاربری­ سال‎های 1370 و 1389 در نرم­افزار ال‌سی‌ام انجام شد. این نرم­افزار شبکه‌ی عصبی پرسپترون چندلایه را برای ساخت زیرمدل­های دگرگونی، تهیه‌ی نقشه‌ی احتمال دگرگونی، و پیش­بینی تغییر کاربری زمین‌ به‌کار می‌برد. متغیرهای مکانی فاصله از جاده، فاصله از رودخانه، شیب، ارتفاع، فاصله از روستا، و فاصله از زمین کشاورزی در جایگاه عامل‌های موثر بر تغییر در شبکه‌ی عصبی به‌کار برده شد. برای اعتبارسنجی نرم‎افزار نقشه‌ی کاربری زمین 1398 به‌کار برده شد، و ضریب کاپا و ROC به‌ترتیب 0/84 و 0/89 به‌دست آمد. نتیجه‌های شبیه­سازی بر مبنای حالت‌ ممکن تداوم نشان­دهنده‌ی 5/74 % کاهش مساحت زمین‌های مرتعی، و 9/17 % افزایش در مساحت زمین‌های باغی در 20 سال آینده است، در حالی­که در حالت‌ ممکن دوم مساحت زمین‌های کشاورزی 8/61% افزایش، و زمین‌های مرتعی 5/59 % کاهش نشان می­دهد. در نتیجه، زمین‌های مرتعی و جنگلی در هر دو حالت‌ ممکن رو به کاهش، و زمین‌های کشاورزی و مسکونی رو به افزایش است.
کلیدواژه‌های فارسی مقاله آبخیز تجن، تصویرهای ماهواره‌یی، روش LCM، شبکه‌ی عصبی مصنوعی، کاربری زمین،
عنوان انگلیسی The Consequences of Following Two Different Land Use Change Scenarios in 2040 in the Tajan Watershed
چکیده انگلیسی مقاله The purpose of this research was to model and predict land use/cover changes using the LCM model based on two management scenarios, namely the sustainability scenario and the agricultural increase scenario in the Tajan Watershed, the Province of Mazandaran. Landsat satellite images and the data collected by the TM and OLI sensors were analyzed for 1991, 2010 and 2019. Images from the three-time periods were categorized into five categories: residential, farmland agricultural, forest, orchard, and rangeland. Land use forecasting for 2019 was performed using the 1991 and 2010 land use maps in the LCM model. The LCM model uses the perceptron multilayer neural network to construct transmission sub-models, map the probability of transmission, and ultimately predict the land use changes. Spatial variables such as distance from a road, distance from a river, slope, altitude, distance from a village, and distance from farmland were used as the influencing factors on the neural network changes. The land use map of 2019 was used to validate the model, which resulted in the Kappa and ROC coefficients of 0.84 and 0.89, respectively. The modelling results based on the sustainability scenario show a 5.74 percent decrease in the rangeland area and a 9.17 percent growth in the orchard area over the next 20 years, while the second scenario showed an increase of 8.61% in farmlands and a decrease of 5.59% in rangeland areas. Therefore, both rangeland and forest areas are declining and farmland and residential areas are increasing. A better land use management will require conservation scenarios in different parts of the watershed.
کلیدواژه‌های انگلیسی مقاله آبخیز تجن, تصویرهای ماهواره‌یی, روش LCM, شبکه‌ی عصبی مصنوعی, کاربری زمین
نویسندگان مقاله محمد تقی آوند |
دانشجوی دکترای علوم و مهندسی آبخیزداری، دانشکده منابع طبیعی و علوم دریایی، دانشگاه تربیت مدرس

حمیدرضا مرادی |
دانشیار گروه علوم و مهندسی آبخیزداری، دانشکده منابع طبیعی و علوم دریایی، دانشگاه تربیت مدرس

مهدی رمضان زاده لسبویی |
دانشیار گروه مدیریت جهانگردی، دانشکده علوم انسانی و اجتماعی، دانشگاه مازندران

نشانی اینترنتی https://wmrj.areeo.ac.ir/article_121790_73910b0ccdc0255447117b9121d0a571.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