مدل سازی تغییرات کاربری جنگل با استفاده از LCM در منطقه جنگلی فندقلو (اردبیل)
- سال انتشار: 1401
- محل انتشار: فصلنامه مهندسی عمران و محیط زیست دانشگاه تبریز، دوره: 52، شماره: 109
- کد COI اختصاصی: JR_CEEJ-52-109_011
- زبان مقاله: فارسی
- تعداد مشاهده: 199
نویسندگان
گروه سنجش از دور و GIS دانشکده برنامه ریزی و علوم محیطی، دانشگاه تبریز
گروه سنجش از دور و GIS دانشکده برنامه ریزی و علوم محیطی، دانشگاه تبریز
گروه ژئومورفولوژی، دانشکده برنامه ریزی و علوم محیطی، دانشگاه تبریز
چکیده
مدل های تغییر زمین به طور فزاینده ای برای پیش بینی مناظر آینده و تاثیرگذاری بر سیاست استفاده می شوند. هدف از این پژوهش مدل سازی تغییرات کاربری جنگل با استفاده از مدل ساز تغییر زمین، بر پایه شبکه عصبی میباشد. برای تهیه نقشه کاربری اراضی سال ۲۰۱۰، ۲۰۱۵ و ۲۰۱۹ از تصاویر لندست (Landsat) ۵ و ۸ و برای ادغام تصاویر از باند پانکروماتیک لندست ۸ و تصاویر استر (ASTER) و سنتینل (Sentinel) ۲A استفاده شد. نقشه کاربری اراضی در پنج طبقه، جنگل، مرتع، اراضی کشاورزی، سطوح آبی و اراضی ساخته شده، با استفاده از طبقه بندی شیءگرا و روش اساین (Assign Class) کلاس طبقه بندی گردید. ضریب کاپا (Kappa)، برای سال ۲۰۱۰، ۲۰۱۵ و ۲۰۱۹ از راست به چپ %۸۷، %۹۰ و %۹۱ بهدست آمد. با توجه به نتایج در طول دوره ۲۰۱۰ تا ۲۰۱۹ مساحت جنگل از ۳۲۰۴ هکتار به ۳۰۷۰ هکتار و اراضی کشاورزی از ۸۵۱۵ به ۹۰۳۰ هکتار در ۲۰۱۹ کاهش یافته است. اراضی مرتعی و سطوح آبی نیز در طول دوره روند کاهشی داشته اند. همچنین اراضی ساخته شده از ۱/۳% از کل مساحت به %۴ افزایش یافته است. برای مدل سازی از متغیرهای مکانی، شیب، جهت، مدل رقومی ارتفاع فاصله از جنگل، راه، روستا و آبراهه استفاده شد. پیش بینی تغییرات کاربری برای سال ۲۰۱۹ و ۲۰۲۵ با مدل تحلیل زنجیره مارکوف (Markov Chain) مدل سازی گردید. ارزیابی نقشه پیش بینی شده ۲۰۱۹ با صحت کاپا ۸۷/۰، کارایی مدل LCM را در منطقه موردمطالعه نشان میدهد؛ بنابراین، در صورت ادامه روند فعلی تغییرات، پیش بینی برای سال ۲۰۲۵، به صورت افزایش مساحت اراضی ساخته شده و کاهش اراضی کشاورزی کاهش خواهد بود و همچنین از تراکم جنگل ها کاسته خواهد شد.کلیدواژه ها
زنجیره مارکوف, شیءگرا, فندقلو, مدل سازی, LCMاطلاعات 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.