شناسایی و بررسی روند تغییرات کاربری پوشش گیاهی با استفاده از مدل های شبکه عصبی زمانمند و CA با بهره گیری از تکنیک های GIS و RS (مطالعه موردی: شهرستان مینودشت استان گلستان)

کاربرد سیستم اطلاعات جغرافیایی و سنجش از دور در برنامه‌ریزی

شناسنامه علمی شماره، دوره 10، شماره 2، شهریور 1398، صفحه 50-71   

نویسندگان

صادق شکوری^{* 1}؛ سید مسعود موسوی حسنی²؛ مهسا پورعطاکش²؛ آناهیتا قربانی³؛ سمیرا ارنک⁴

¹دانشجوی دکترای جغرافیا و برنامه ریزی شهری، دانشگاه آزاد اسلامی واحد اسلامشهر

²گروه جغرافیا و برنامه ریزی شهری، آمایش شهری، دانشگاه آزاد اسلامی یادگار امام (شهر ری)، تهران، ایران

³گروه معماری، واحد شهر قدس، دانشگاه آزاد اسلامی، تهران، ایران

⁴گروه شهرسازی، دانشکده هنر و معماری، واحد تهران غرب، دانشگاه آزاد اسلامی، تهران، ایران

چکیده

پایش تغییرات کاربری اراضی در بسیاری از فعالیت‌های برنامه‌ریزی و مدیریت شهری دارای اهمیت می‌باشد. بر اثر فعالیت‌های انسانی و پدیده‌های طبیعی چهره‌ی زمین همواره دستخوش تغییر می‌شود. از اینرو برای مدیریت بهینه مناطق طبیعی آگاهی از نسبت تغییرات کاربری اراضی از ضروریات محسوب می‌شود. هدف از این تحقیق، ارزیابی و آشکارسازی تغییرات کاربری اراضی بالاخص کاربری پوشش‌گیاهی در منطقه اوغان از توابع شهرستان مینودشت استان گلستان در بازه‌‌‌ی زمانی30 ساله با استفاده از تکنیک‌های سنجش از دور و سیستم‌های اطلاعات مکانی و نرم‌‌افزارهای MATLAB، ARCGIS و ENVI می‌باشد. بدین منظور از تصاویر سال‌‌های 1987، 1993، 1998، 2000، 2003، 2008، 2013، 2015و2017 میلادی سنجنده ETM ماهواره لندست استفاده شده است و پس از انجام تصحیحات مورد نیاز در مرحله‌ پیش پردازش، برای پایش تغییرات زمانی کاربری‌ پوشش گیاهی، شاخص‌ پوشش گیاهی(NDVI) در نرم افزار متلب برای هر 9 بازه زمانی محاسبه شدند. سپس با استفاده از تصاویر شاخص‌های محاسبه شده 7 سال اول و مدل شبکه عصبی زمانمند(سری زمانی)، تصاویر سال هشتم و نهم پیش‌بینی و بدست آمد و در ادامه با محاسبه خطای RMSE بین تصاویر خروجی مدل با تصاویر واقعی، مدل مذکور اعتبارسنجی گردید. نتایج نشان‌ می‌دهند که مدل با میانگین RMSE تقریباً 0.13 برای NDVI عملکرد بسیار خوبی داشته است. همچنین از مدل CA جهت پیش‌بینی روند تغییرات پوشش گیاهی استفاده گردید. نتایج نشان می‌دهند که وسعت پوشش گیاهی در دو سال آخر یعنی سال-های پیش‌بینی شده 2015 و 2017 توسط مدل شبکه عصبی روند صعودی داشته و منطقه مورد مطالعه سرسبزتر شده است.

کلیدواژه‌ها

ماهواره‌ لندست؛ GIS & RS؛ شبکه عصبی زمانمند؛ کاربری پوشش گیاهی؛ مدل CA

مراجع

I.