نوع مقاله : مقاله پژوهشی

نویسندگان

• محمدرضا عظیمی سردری ¹
• ام البنین بذرافشان ¹
• توماس پاناگوپولوس ²
• الهام رفیعی ساردویی ³

¹ دانشگاه هرمزگان

² دانشگاه الگراو- پرتغال

³ دانشگاه جیرفت

چکیده

یکی از روش‌های مورد استفاده برنامه‌ریزان و مدیران جهت مدیریت تغییرات کاربری اراضی، مدل‌سازی آن است. تحقیق حاضر با هدف پیش-بینی تغییرات کاربری اراضی حوزه‌ی آبخیز سد استقلال میناب با استفاده از شبکه عصبی پروپسترون چند لایه و زنجیره- مارکوف در افق 1409 است. جهت تهیه نقشه‌ی کاربری اراضی منطقه‌ی مورد مطالعه از تصاویر سری ماهواره‌های لندست 5 سنجنده TM (سال 1374) ، لندست 7 سنجنده ETM+ (سال 1382) ، لندست 8 سنجنده OLI (سال 1395) استفاده گردید. برای این منظور از الگوریتم حداکثر احتمال در سه مقطع زمانی مذکور استفاده گردید. مدل‌سازی پتانسیل انتقال، به کمک الگوریتم شبکه‌ی عصبی پرسپترون و تعدادی متغیرهای دینامیک و استاتیک و جهت پیش‌بینی تغییرات کاربری اراضی در دوره آتی، از زنجیره‌ی مارکوف استفاده گردید. جهت محاسبه صحت پیش-بینی مدل از پارامترهای روش GEOMOD و آماره‌های کاپا استفاده شد. نتایج ارزیابی دوره‌های واسنجی با استفاده از روش GEOMOD و پارامترهای N(n)، N(m)، H(m)، M(m)، K(m)، P(m) و P(p) و آماره‌های کاپا نشان داد که دوره‌ی واسنجی 1374 تا 1395 بالاترین صحت را جهت پیش‌بینی تغییرات کابری اراضی سال 1409 داشت. نتایج تغییرات کاربری اراضی حاکی از آن بود که طی دوره‌ی واسنجی، از میان شش طبقه‌ی کاربری جنگل، مرتع، اراضی کشاورزی، اراضی مسکونی، اراضی بایر و مخازن آبی، بیش‌ترین افزایش مساحت مربوط به اراضی کشاورزی با 05/627 کیلومتر مربع و بیش‌ترین کاهش مساحت، مربوط به اراضی مرتعی (35/580 کیلومترمربع) بوده است. تخریب اراضی مرتعی بیش‌تر در راستای تبدیل این اراضی به اراضی کشاورزی و اراضی مسکونی بوده است. هم‌چنین نتایج مدل‌سازی کاربری اراضی برای سال 1409 نشان داد که در دوره‌ی زمانی مورد مطالعه (1374- 1409) مساحت اراضی کشاورزی 101128 کیلومتر مربع افزایش داشته و از 36/7% به 9/16 % رسیده است. اما مساحت اراضی مرتعی 1000 کیلومتر مربع کاهش و از 8/56 % به 4/47 % رسیده است. در صورت ادامه روند کنونی تا سال 1409 کاهش سطح اراضی مرتعی و تبدیل آن ها به اراضی کشاورزی جهت افزایش بهره‌وری از اراضی، اتفاق خواهد افتاد.

کلیدواژه‌ها

• مدل‌سازی کاربری اراضی
• شبکه‌ی عصبی مصنوعی
• زنجیره‌ی مارکوف
• حوزه آبخیز سد استقلال

عنوان مقاله [English]

Land use Change Modeling Using Artificial Neural Network and Markov Chain (Case Study: Minab Esteqlal Dam Watershed)

نویسندگان [English]

• Mohammad reza Azimi Sardari ¹
• Ommolbanin Bazrafshan ¹
• Thomas Panaopolus ²
• Elha, Rafiee Sardoee ³

¹ university of Hormozgan

² University of Algarve

³ Jiroft University

چکیده [English]

One of the methods used by planners and managers to manage the land use change is its modeling. The aim of this research is to forecast the land use changes in Minab Esteqlal Dam Watershed using Multilayer Perceptron Network and Markov chain in 1409 horizon. The images of Landsat 5 TM (1995), Landsat 7 ETM+ (2003), and Landsat 8 OLI (2016) were used to prepare the land use maps. For this purpose, Maximum Likelihood Algorithm was used in three mentioned time periods. Transition potential modeling was done using Perceptron Neural Network and some of the static and dynamic variables and Markov chain was used to forecast the changes of land use in future. The parameters of GEOMOD method and Kappa statistics were used to evaluate the accuracy of the forecasting. Results of evaluating the calibration periods using GEOMOD methods and parameters of N (n), N (m), H (m), M (m), K (m), P (m), and P (p) and Kappa statistics indicated that the calibration period of 1995 to 2016 had the highest accuracy to forecast the land use in 2030. Results of the land use change in calibration period indicated that among six land use categories of forest, rangeland, agriculture, residential areas, bare lands, and water resources, the highest increase was related to the agriculture land use with an area of 627.05 Km2 and the highest decrease was related to the rangeland land use with an area of 580.35 Km2. Rangeland degradation has been done for developing the agricultural lands and residential areas. Also, results of land use change modeling for 2030 indicated that, agricultural areas has increased by 101128 Km2 and it has increased from 7.36% to 16.9% in the study time period. The area of rangelands decreased by 1000Km2 and reached from 56.8% to 47.4%. If the current trend continues until 1409, decreasing the area of rangelands and their conversion to agricultural lands will occur to increase land use productivity.

کلیدواژه‌ها [English]

• Land use modeling
• Artificial neural network
• Marko chani
• Esteghlal dam watershed