مدل سازی تغییرات پوشش اراضی با استفاده از شبکه عصبی مصنوعی و زنجیرة مارکف (مطالعة موردی: سواحل میانی استان بوشهر)

سنجش‌ازدور و سامانه اطلاعات جغرافیایی در منابع طبیعی

مقاله 5، دوره 5، شماره 1 - شماره پیاپی 14، اردیبهشت 1393، صفحه 61-74   

نوع مقاله: مقاله پژوهشی

نویسندگان

مهدی غلامعلی فرد^{* 1}؛ محسن میرزایی²؛ شریف جورابیان شوشتری²

¹استادیار دانشکده منابع طبیعی، دانشگاه تربیت مدرس

²دانش آموخته کارشناسی ارشد محیط زیست، دانشکده منابع طبیعی، دانشگاه تربیت مدرس

چکیده

اراضی ساحلی استان بوشهر به علت موقعیت ویژه در صادرات و واردات دریایی، وجود ذخایر نفت و گاز، کشاورزی، وجود نیروگاه هسته‌ای، شرایط مناسب صید و صیادی و جاذبه­های گردشگری از اهمیت راهبردی و اقتصادی بالایی برخوردار است. از این رو می­بایست از روش­های نوین جهت پایش و مدل­سازی تغییرات در این مناطق استفاده نمود. هدف از این مطالعه، پایش و مدل­سازی تغییرات کاربری اراضی در یک دوره 23 ساله (1367-1390) با استفاده از شبکه عصبی مصنوعی و زنجیره مارکف در محیط اکستنشن مدل­ساز تغییرات اراضی (LCM) می­باشد. بدین منظور از هفت متغیر، سه زیرمدل و دوره واسنجی 1379-1384 جهت مدل­سازی تغییرات کاربری اراضی سال 1390 استفاده گردید. پس از ارزیابی صحت مدل با استفاده از آماره کاپا، نقشه پوشش اراضی سال 1395 با استفاده از دوره واسنجی 1390-1384 پیش­بینی شد. نتایج نشان داد که در طول دوره مطالعه، تغییرات شدید از اراضی باز به اراضی کشاورزی و رهاسازی زمین­­های کشاورزی در منطقه مشاهده گردید. از سال 1367 تا 1384 به میزان 76/19715 هکتار به وسعت اراضی کشاورزی افزوده شده و بین سال­های 1384 تا 1390 تنها 48/14% از کاربری کشاورزی بدون تغییر مانده است و وسعت زیادی از کشاورزی رهاسازی شده است. از دیگر نتایج این تحقیقی توسعه زیاد کاربری شهری (33/17760 هکتار) است. در این مطالعه LCM توانست 76/0 از تغییرات را بدرستی پیش­بینی نماید. به طوری که در سال 1395 به میزان 12000 هکتار افزایش وسعت در توسعه شهری منطقه پیش­بینی شده است.

کلیدواژه‌ها

پیش بینی تغییرات کاربری اراضی؛ سنجش از دور؛ شبکه عصبی مصنوعی؛ زنجیره مارکف؛ سواحل استان بوشهر

مراجع

1. شریفی­پور، ر.، ا. دانه­کار و ج. نوری. 1387. ارزیابی حساسیت زیست­محیطی سواحل شمالی خلیج فارس با توجه به ارزش­های حفاظتی و کانون­های آلوده­ساز. محیط­شناسی، 34(48): 89-102.

2. غلامی­نیا، ع. 1387. تحلیل فضایی کاربری اراضی شهر بوشهر. پایان­نامه کارشناسی ارشد، دانشکده ادبیات و علوم انسانی، دانشگاه اصفهان. رشته جغرافیای انسانی. 264 صفحه.

3. نعیمی­نظام­آباد، ع.، م. قهرودی تالی و م. ثروتی. 1389. پایش تغییرات خط ساحلی و لندفرم­های ژئوموفورلوژیکی خلیج فارس با استفاده از تکنیک سنجش از دور و سیستم اطلاعات جغرافیایی (مطالعة موردی: منطقة ساحلی عسلویه). فضای جغرافیایی، 10(30): 45-61.

4. Abd El-Kawy O, Rød J, Ismail H, Suliman A. 2011. Land use and land cover change detection in the western Nile delta of Egypt using remote sensing data. Applied Geography, 31(2):483-494.

5. Bakr N, Weindorf D, Bahnassy M, Marei S, El-Badawi M. 2010. Monitoring land cover changes in a newly reclaimed area of Egypt using multi-temporal Landsat data. Applied Geography, 30(4):592-605.

6. Beatley T, Brower D, Schwab AK. 2002. An introduction to coastal zone management. Island Press, 329 p.

7. Dushku A, Brown S. 2003. Spatial modeling of baselines for LULUCF carbon projects: the GEOMOD modeling approach. In: 2003 International Conference on Topical Forests and Climate Change:" Carbon Sequestration and the Clean Development Mechanism, 45 p.

8. Eastman JR. 2006. IDRISI Andes guide to GIS and image processing. Clark University, Worcester: 87-131.

9. Huang J, Pontius Jr RG, Li Q, Zhang Y. 2012. Use of intensity analysis to link patterns with processes of land change from 1986 to 2007 in a coastal watershed of southeast China. Applied Geography, 34:371-384.

10. Khoi DD, Murayama Y. 2010. Forecasting areas vulnerable to forest conversion in the Tam Dao National Park Region, Vietnam. Remote Sensing, 2(5):1249-1272.

11. Linkie M, Smith RJ, Leader-Williams N. 2004. Mapping and predicting deforestation patterns in the lowlands of Sumatra. Biodiversity & Conservation, 13(10):1809-1818.

12. Mendoza ME, Granados EL, Geneletti D, Pérez-Salicrup DR, Salinas V. 2011. Analysing land cover and land use change processes at watershed level: a multitemporal study in the Lake Cuitzeo Watershed, Mexico (1975–2003). Applied Geography, 31(1):237-250.

13. Mertens B, Lambin EF. 1997. Spatial modelling of deforestation in southern Cameroon: spatial disaggregation of diverse deforestation processes. Applied Geography, 17(2):143-162.

14. Olaniyi A, Abdullah A, Ramli M, Alias M. 2012. Assessment of drivers of coastal land use change in Malaysia. Ocean & Coastal Management, 67:113-123.

15. Pérez-Vega A, Mas JF, Ligmann-Zielinska A. 2012. Comparing two approaches to land use/cover change modeling and their implications for the assessment of biodiversity loss in a deciduous tropical forest. Environmental Modelling & Software, 29(1):11-23.

16. Pontius RG. 2000. Quantification error versus location error in comparison of categorical maps. Photogrammetric Engineering and Remote Sensing, 66(8):1011-1016.

17. Rafiee R, Mahiny AS, Khorasani N, Darvishsefat AA, Danekar A. 2009. Simulating urban growth in Mashad City, Iran through the SLEUTH model (UGM). Cities, 26(1):19-26.

18. Sangermano F, Toledano J, Eastman JR. 2012. Land cover change in the Bolivian Amazon and its implications for REDD⁺ and endemic biodiversity. Landscape ecology, 27(4):571-584.

19. Schulz JJ, Cayuela L, Echeverria C, Salas J, Rey Benayas JM. 2010. Monitoring land cover change of the dryland forest landscape of Central Chile (1975–2008). Applied Geography, 30(3):436-447.

20. Schulz JJ, Cayuela L, Rey‐Benayas JM, Schröder B. 2011. Factors influencing vegetation cover change in Mediterranean Central Chile (1975-2008). Applied Vegetation Science, 14(4):571-582.

21. Thapa RB, Murayama Y. 2011. Urban growth modeling of Kathmandu metropolitan region, Nepal. Computers, Environment and Urban Systems, 35(1):25-34.

22. Václavík T, Rogan J. 2009. Identifying trends in land use/land cover changes in the context of post-socialist transformation in central Europe: a case study of the greater Olomouc region, Czech Republic. GIScience & Remote Sensing, 46(1):54-76.