کاربرد رگرسیون لجستیک و زنجیرۀ مارکف در پیش‌بینی تغییرات کاربری سرزمین شرق استان مازندران

نوع مقاله: مقاله پژوهشی

نویسندگان

1 کارشناس ارشد محیط‌زیست، دانشکدۀ منابع طبیعی، دانشگاه تربیت مدرس

2 استاد گروه محیط‌زیست، دانشکدۀ منابع طبیعی، دانشگاه تربیت مدرس

3 دانشیار گروه جنگلداری، دانشکده منابع طبیعی، دانشگاه تربیت مدرس

4 دانشجوی مقطع دکتری و بورسیه هیئت علمی گروه محیط¬زیست، دانشکده منابع طبیعی، دانشگاه تربیت مدرس.

چکیده

این تحقیق با هدف پیش‌بینی تغییرات کاربری سرزمین (جنگل، کشاورزی، مناطق مسکونی و باغ) شرق استان مازندران با استفاده از رگرسیون لجستیک و زنجیرۀ مارکف در محیط سیستم اطلاعات جغرافیایی انجام شد. با استفاده از تصاویر ماهواره‌ای سال‌های 13۶۶-13۸۰ تغییرات کاربری سرزمین منطقه مشخص شد. پتانسیل انتقال با استفاده از رگرسیون لجستیک مدل‌سازی شد. بدین صورت که از هفت متغیر (مدل رقومی ارتفاعی، فاصله از مناطق مسکونی، اراضی کشاورزی، جنگل، رودخانه و جاده و متغیر کیفی پوشش اراضی) و هفت زیرمدل (جنگل به کشاورزی، جنگل به مسکونی، جنگل به باغ، کشاورزی به مسکونی، کشاورزی به باغ، باغ به مسکونی، باغ به کشاورزی) استفاده شد.  تغییرات کاربری سرزمین با استفاده از زنجیرۀ مارکف و مدل پیش‌بینی سخت برای سال 1385 پیش‌بینی شد. نقشۀ پیش‌بینی‌شده با مدل با نقشۀ واقعیت زمینی 1385 صحت‌سنجی شد. درنهایت،  تغییرات کاربری سرزمین برای سال 1392 پیش‌بینی شد. نتایج نشان داد، طی سال‌های 1366 تا 1380، سطح چشمگیری از اراضی جنگلی و باغی کاسته شده و در مقابل به اراضی کشاورزی و مناطق مسکونی افزوده شده است. مقادیر موفقیت خنثی، موفقیت، خطا و هشدار خطا به‌ترتیب 8/89، 1/0، 8/9 و 3/0 درصد و کل خطای پیش‌بینی مدل 1/10 درصد به‌دست آمد که نشان‌دهندۀ پذیرفتنی‌بودن مدل است. همچنین، نتایج پیش‌بینی نشان داد مساحت اراضی جنگلی و کشاورزی در سال 1392 در مقایسه با 1385 کاهش و مناطق مسکونی و باغ افزایش خواهند یافت.

کلیدواژه‌ها


عنوان مقاله [English]

Application logistic regression and Markov Chain in land cover change prediction in east of Mazandaran province

نویسندگان [English]

  • sharif joorabian shooshtari 1
  • Abbas Esmaili-Sari 2
  • Seyed Mohsen Hosseini 3
  • mehdi Gholamalifard 4
1 Department of Environment, Faculty of Natural Resources and Marine Sciences, Tarbiat Modares University, Noor, Mazandaran, P.O. Box 46414-356, Noor, Iran.
2 Department of Environment, Faculty of Natural Resources and Marine Sciences, Tarbiat Modares University, Noor, Mazandaran, P.O. Box 46414-356, Noor, Iran
3 3Department of Forestry, Faculty of Natural Resources and Marine Sciences, Tarbiat Modares University, Noor, Mazandaran, P.O. Box 46414-356, Noor, Iran.
4 4Department of Environment, Faculty of Natural Resources and Marine Sciences, Tarbiat Modares University, Noor, Mazandaran, P.O. Box 46414-356, Noor, Iran.
چکیده [English]

This study was performed with objective land cover change prediction (forest, agriculture, residential and orchard) using logistic regression and Markov Chain in the GIS environment in east of Mazandaran province. Land cover change detected using satellite imageries belonging to the years 1987 and 2001. Transition potential modeling was conducted using a logistic regression. Seven variables (DEM, distance from residential, distance from agriculture, distance from forest, distance from river, distance from road, and qualitative variable) and 7 sub-models (forest to agriculture, forest to residential, forest to orchard, agriculture to residential, agriculture to orchard, orchard to residential, orchard to agriculture) were employed. Land cover change prediction conducted using Markov Chain and hard prediction for 2006. The accuracy assessment was determined using predicted map compared with actual map 2006. Finally, landcover change prediction done for 2013. Results showed that during the years 1987 to 2001, the large amount of forest and orchard have been reduced and, in contrast, agriculture and residential have been added. Null successes, hits, misses and false alarms were 89.8%, 0.1%, 9.8% and 0.3% respectively. Total error prediction model was 10.12% which is indicative of acceptable model. Furthermore, the prediction results showed that forest and agriculture will be reduced and residential and orchard will be increased in 2013 compared with 2006.

کلیدواژه‌ها [English]

  • accuracy assessment
  • land cover change prediction
  • Logistic regression
  • Markov Chain
  • remote sensing