مدل سازی روند تغییرات مکانی کاربری اراضی با استفاده از مدل LCM بر پایه شبکه های عصبی مصنوعی و تحلیل زنجیره مارکوف (مطالعه موردی: حوزه آبخیز بهشت آباد)
- سال انتشار: 1399
- محل انتشار: پژوهشنامه مدیریت حوزه آبخیز، دوره: 11، شماره: 21
- کد COI اختصاصی: JR_JWMR-11-21_012
- زبان مقاله: فارسی
- تعداد مشاهده: 396
نویسندگان
shahrekord university
shahrekord university
shahrekord university
چکیده
پیش بینی و مدل سازی تغییرات کاربری اراضی برای آگاهی از کمیت و کیفیت تغییرات احتمالی در آینده اهمیت دارد. هدف از این تحقیق، پایش تغییرات کاربری اراضی در گذشته و بررسی امکان پیش بینی آن در آینده با استفاده از مدل LCM در حوزه آبخیز بهشت آباد استان چهارمحال و بختیاری است. در این تحقیق تصاویر لندست ۵ سنجنده TM سال های ۱۳۷۰ و ۱۳۸۷ و لندست ۸ سنجنده OLI سال ۱۳۹۵ تجزیه و تحلیل و مورد استفاده قرار گرفت. تصاویر هر سه مقطع زمانی به پنج طبقه مرتع، مناطق ساختمانی- شهری، اراضی کشاورزی، اراضی باغی و اراضی بایر طبقه بندی شد. پیش بینی وضعیت کاربری اراضی برای سال ۱۳۹۵، با استفاده از نقشه های کاربری سال های ۱۳۷۰ و ۱۳۸۷ و به کمک مدل LCM و بر پایه شبکه های عصبی مصنوعی و تحلیل زنجیره مارکوف انجام گردید. به این منظور، از متغیرهای مکانی فاصله از مراتع، فاصله از مناطق ساختمانی- شهری، فاصله از اراضی کشاورزی، فاصله از اراضی باغی، فاصله از اراضی بایر، فاصله از رودخانه، فاصله از جاده، ارتفاع یا مدل رقومی ارتفاع، شیب و جهت شیب به عنوان عوامل موثر بر تغییرات در شبکه عصبی مصنوعی استفاده شد. نتایج مدل سازی نیروی انتقال با استفاده از شبکه عصبی مصنوعی در بیش تر زیر مدل ها صحت بالایی را (۶۲ تا ۹۴ درصد) نشان داد. خطای کل در مدل سازی برای سال ۱۳۹۵، حدود ۲۳/۴ درصد به دست آمد که نشان دهنده انطباق زیاد تصویر پیش بینی شده مدل با تصویر واقعیت زمینی و قابل قبول بودن مدل می باشد. هم چنین نتایج پیش بینی تغییرات برای سال های ۱۴۲۰ و ۱۴۲۹ نشان داد که مساحت اراضی مرتعی و اراضی بایر کاهش و مساحت مناطق ساختمانی- شهری، اراضی باغی و اراضی کشاورزی افزایش خواهند یافت.کلیدواژه ها
Beheshabad, Classification of Images, Landsat Satellite Images, Monitor Changes, Prediction Changes, Spatial Variables, Transmission Force, بهشت آباد, پیش بینی تغییرات, پایش تغییرات, تصاویر ماهواره ای لندست, طبقه بندی تصاویر, متغیرهای مکانی, نیروی انتقالاطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.