مدلسازی تغییرات کاربری اراضی و پیش‌بینی‌های آینده با استفاده از شبیه-سازی CA-ANN در حوضه آبخیز 25 شنرود سیاهکل

جغرافیا و مطالعات محیطی

دوره 12، شماره 46، تیر 1402، صفحه 164-179   

نوع مقاله: مقاله پژوهشی

نویسنده

رقیه جهدی^*

استادیار علوم و مهندسی جنگل، دانشکده کشاورزی و منابع طبیعی، دانشگاه محقق اردبیلی، اردبیل، ایران

چکیده

در این مطالعه، روندهای مکانی–زمانی پویایی کاربری اراضی برای دوره 1401-1380 با استفاده از داده سنجش از دور مورد تجزیه و تحلیل قرار گرفت. طبقه‌بندی تصویر بر اساس سه طبقه عمده کاربری اراضی یعنی جنگل، مناطق انسان‌ساز (کشاورزی و ساخته شده) و سایر مناطق طبیعی (اراضی لخت، علفزار، جنگلکاری، درختچه‌زار، نواحی آبی و اراضی جنگلی) انجام شد. نقشه‌های تغییرات کاربری اراضی منطقه در دوره 1401-1380 نشان می‌دهند که مناطق انسان‌ساز 3/9 درصد افزایش یافته‌اند. در مقابل، جنگل و سایر مناطق طبیعی به ترتیب 1/7  درصد و 2/2 درصد کاهش یافتند. علاوه بر این، تکنیک شبکه عصبی مصنوعی-اتوماتای سلولی (CA-ANN) برای پیش‌بینی تغییرات کاربری اراضی در دوره 1422-1401 استفاده شد. درصد صحت برای شبیه‌سازی 91 درصد و مقدار کاپا کلی 86/0 بود. به‌طور مشابه با نقشه‌های طبقه‌بندی شده در دوره 1401-1380، نقشه‌های پیش‌بینی شده در دوره 1422-1401 روند افزایشی را در مناطق انسان‌ساز به میزان 7/4 درصد و روند کاهشی در جنگل و سایر مناطق طبیعی به‌ترتیب به میزان 3/4 درصد و 4/0 درصد نشان می‌دهد. در این کار، مدل‌های رگرسیونی حداقل مربعات معمولی (OLS) برای پیش‌بینی تغییرات کاربری اراضی در منطقه مورد مطالعه به عنوان تابعی از متغیرهای توصیفی [ارتفاع، شیب و متغیرهای مجاورت مانند فاصله تا مرکز شهر، جاده‌ها، روستاها و آبراهه‌ها] اجرا شد. نتایج مدل های OLS عملکرد نسبتاً خوبی را برای پیش‌ینی تغییرات کاربری اراضی با مقدار R² بیشتر از 5/0 نشان داد. این نتایج دانش مهمی را ارائه می‌کند که می‌تواند به توسعه برنامه‌ریزی و مدیریت پایدار آینده کمک کند و هم‌چنین به مدیران در تصمیم‌گیری آگاهانه برای بهبود شرایط محیط‌زیستی و اکولوژیکی کمک کند.

کلیدواژه‌ها

اتوماتای سلولی؛ طبقه‌بندی؛ سنجش از دور؛ شبیه‌سازی؛ مدیریت پایدار

مراجع

اداره کل منابع طبیعی و آبخیزداری استان گیلان، نقشه­های پوشش گیاهی،­ 1400.

اصغری سراسکانرود، صیاد، سعیدی، علیرضا. 1402. بررسی اثر تغییرات کاربری اراضی بر روی رواناب حوضه‌ی رودخانه‌ی قره چای با استفاده از مدل‌های HEC-HMS. جغرافیا و مطالعات محیطی، 12 (45)، 148-134.

جهدی، رقیه، عربی، مهدی. 1401. موادسوختنی سطحی و تاجی و رفتار آتش در بوم‌سازگان‌ جنگل‌های طبیعی و دست-کاشت حوضه آبخیز 25 شنرود سیاهکل. مطالعات علوم محیط زیست. 8 (2)، 6387-6373.

جورابیان شوشتری، شریف. 1396. شبیه­سازی اثرات آینده تغییرات اقلیم، کاربری اراضی، سنجه های سیمای سرزمین و فرآیندهای تغییر بر کیفیت آب سطحی. پایان نامه دکتری تخصصی، دانشگاه ملایر، دانشکده کشاورزی و منابع طبیعی.

خاوریان، حسن، آقائی، مریم، مصطفی­زاده، رئوف. 1399. پیش­بینی تاثیر تغییرات کاربری اراضی بر جریان ماهانه با استفاده از مدل هیدرولوژیکی و داده های سنجش از دور در حوضه ی آبریز کوزه تپراقی اردبیل. هیدروژئومورفولوژی، 6 (24)، 39-19.

خدابنده­لو، بهروز، خاوریان نهزک، حسن، قربانی، اردوان. 1398. آشکارسازی تغییرات کاربری/پوشش اراضی با استفاده از طبقه بندی شئ گرای تصاویر ماهواره ای (مطالعه موردی: حوزه آبریز قره سو، استان اردبیل). سنجش از دور و سامانه اطلاعات جغرافیایی در منابع طبیعی، 10 (3)، 92-76. 

داداش پور، هاشم، جهانزاد، نریمان. 1395. پیش­بینی تغییرات کاربری اراضی در مجموعه شهری مشهد با استفاده از سلول­های خودکار و الگوریتم شبکه عصبی مصنوعی. 1395. برنامه­ریزی فضایی. 20 (1)، 38-21.

درویشی، شادمان، سلیمانی، کریم. 1399. پایش و مدل سازی تغییرهای زمانی - مکانی پوشش گیاهی با استفاده از NDVI و مدل Markov-CA ( مطالعه موردی: شهرستان کرمانشاه). علوم محیطی. 18 (4)، 182-161.

صالحی آسفیچی، هاتف الرحمن، کرمی، جلال، علوی، سیدعلی. 1397. ارزیابی کارایی الگوی تلفیقی CA-ANN در مدل سازی رشد شهری (مطالعه موردی: کلان شهر تهران). جغرافیا و توسعه ناحیه­ای. 16 (1)، 278-257. 

عابدینی، موسی، صادقی، ابوذر، آقازاده، نازفر، پاسبان، امیرحسام. 1401. پایش دمای سطح زمین در رابطه با تغییرات کاربری اراضی (مطالعه موردی: حوضه صوفی­چای مراغه). جغرافیا و مطالعات محیطی، انتشار آنلاین از 19 آذر 1401. https://ges.iaun.iau.ir/article_697635.html

کریم­زاده مطلق، زینب، لطفی، علی، پورمنافی، سعید، احمدی­زاده، سید سعیدرضا. 1401. ارزیابی و پیش­بینی تغییرات کاربری اراضی با استفاده از مدل CA-Markov. جغرافیا و برنامه­ریزی محیطی. 33 (2)، 80-63.

مولائی هشجین، نصرالله، علینقی پور، مریم. 1399. بررسی روند تغییرات کاربری اراضی با تاکید بر افزایش جمعیت طی سالهای 95-1380 ه.ش (مطالعه موردی:شهرستان رشت ، استان گیلان). مهندسی جغرافیایی سرزمین، 4 (2)، 241-225.

وفایی، ساسان، درویش صفت، علی اصغر، پیرباوقار، مهتاب. 1392. پایش و پیش بینی روند تغییرات مکانی کاربری اراضی با استفاده از مدل  LCM. جنگل ایران، 5 (3)، 336-323.

هاشمی، سیدآرمین، فاطمی طلب، سیدرضا، کاوسی کلاشمی، حمیده، معدنی پور کرمانشاهی. 1395. پایش تغییرات سطح پوشش جنگل‌های حوزه سیاه مزگی استان گیلان با استفاده از تصاویر لندست. سنجش از دور و سیستم اطلاعات جغرافیایی در منابع طبیعی، 7 (3)، 88-78.

Abebe, G., Getachew, D., Ewunetu, A. 2022. Analyzing land use/land cover changes and its dynamics using remote sensing and GIS in Gubalafito district, Northeastern Ethiopia. SN Applied Sciences, 4. https://link.springer.com/article/10.1007/s42452-021-04915-8

Ahmadi-Sani, N., Razaghnia, L., Pukkala, T. 2022. Effect of Land-Use Change on Runoff in Hyrcania. Land 2022, 11, 220.

Amoah, M.K.M. 2022. Mapping Wetlands Using GIS and Remote Sensing Techniques, A Case Study of Wetlands in Greater Accra, Ghana [Master's thesis, Bowling Green State University]. OhioLINK Electronic Theses and Dissertations Center. http://rave.ohiolink.edu/etdc/view?acc_num=bgsu1660601620356502

Aghsaei, H., Dinan, N.M., Moridi, A., Asadolahi, Z., Delavar, M., Fohrer, N., Wagner, P.D. 2020. Effects of dynamic land use/land cover change on water resources and sediment yield in the Anzali wetland catchment, Gilan, Iran. Science of the Total Environment, 712:136449

Baig, M.F., Mustafa, M.R.U., Baig, I., Takaijudin, H.B., Zeshan, M.T. 2022. Assessment of land use land cover changes and future predictions using CA-ANN simulation for Selangor, Malaysia. Water, 14, 402. https://doi.org/ 10.3390/w14030402

Bansod, R.D., Dandekar, U. 2018. Evaluation of Morna river catchment with RS and GIS techniques. Journal of Pharmacognosy and Phytochemistry, 7(1), 1945–1948.

Butt, A., Shabbir, R., Ahmad, S.S., Aziz, N. 2015. Land use change mapping and analysis using Remote Sensing and GIS: A case study of Simly watershed, Islamabad, Pakistan. The Egyptian Journal of Remote Sensing and Space Science, 18(2):251–259

DeValue, K., Takahashi, N., Woolnough, T., Merle, C., Fortuna, S., Agostini, A. 2022. Halting deforestation from agricultural value chains: the role of governments. Rome, FAO. https://doi.org/10.4060/cc2262en

European Environment Agency (EEA). 2021. Global climate change impacts and the supply of agricultural commodities to Europe, EEA Briefing No 27/2020, European Environment Agency (https://www.eea.europa.eu/publications/global-climate-change-impacts-and) accessed 20 January 2023.

FAO. 2011. Farm systems management: agricultural and farm systems. http://www.fao.org/docrep/w7365e04.htm. FAO, 2011. Save and grow. A policymaker's guide to intensification of smallholder crop production.

Foody, GM. 2003. Geographical weighting as a further refinement to regression modelling: An example focused on the NDVI–rainfall relationship. Remote Sensing of Environment 88, 283–293.

Kamaraj, M., Rangarajan, S. 2022. Predicting the future land use and land cover changes for Bhavani basin, Tamil Nadu, India, using QGIS MOLUSCE plugin. Environmental Science and Pollution Research. https://doi.org/10.1007/s11356-021-17904-6

Keenan, R., Reams, G., Achard, F., De Freitas, J., Grainger, A., Lindquist, E. 2015. Dynamics of global forest area: results from the FAO Global Forest Resources Assessment 2015. Forest Ecology and Management, 352: 9-20. JRC96276

Islami, F.A., Tarigan SD., Wahjunie E.D., Dasanto, B.D. 2022. Accuracy Assessment of Land Use Change Analysis Using Google Earth in Sadar Watershed Mojokerto Regency. IOP Conference Series: Earth and Environmental Science. 950 012091.

Huu, C.N., Van, C.N., My, TNN. 2022. Modeling land-use changes using logistic regression in Western Highlands of Vietnam: A case study of Lam Dong province.  Agriculture and Natural Resources, 56 (2022) 935–944.

Li, K., Feng, M., Biswas, A., Su, H., Niu, Y., Cao, J. 2020. Driving factors and future prediction of land use and cover change based on satellite remote  sensing  data  by  the  LCM  model:  A  case  study  from  Gansu  province, China. Sensors 20: 2757. doi.org/10.3390/s20102757

Malede, D.A., Tena Alamirew, T., Kosgie, J.R., Andualem, T.G. 2023. Analysis of land use/land cover change trends over Birr River Watershed, Abbay Basin, Ethiopia. Environmental and Sustainability Indicators, 17, 100222.

Mohammadi, M., Khaledi Darvishan, A.K., Spalevic, V., Dudic, B., Billi, P. 2021. Analysis of the impact of land use changes on soil erosion intensity and sediment yield using the intErO model in the talar watershed of Iran. Water, 13, 881.

Thapa, R.B., Murayama, Y. 2009. Examining spatiotemporal urbanization patterns in Kathmandu Valley, Nepal: Remote sensing and spatial metrics approaches. Remote Sensing, 1(3): 534-556.

Wang, B., Tian, J., Wang, S. 2022. Process and mechanism of transition in regional land use function guided by policy: A case study from Northeast China. Ecological Indicators, 144, 109527.

Zhang, Q., Li, F. 2022a. Correlation between land use spatial and functional transition: a case study of Shaanxi Province, China. Land Use Policy, 119, 106194.

Zhang, C., Li, X. 2022b. Land use and land cover mapping in the era of big data. Land, 11, 1692. https://doi.org/10.3390/land1110169

Zhu, Z., Zhang, Z., Zhao, X., Zuo, L., Wang, X. 2022. Characteristics of Land Use Change in China before and after 2000. Sustainability, 14, 14623. https://doi.org/10.3390/su142114623