پیش بینی تغییرات کاربری اراضی و پوشش زمین با رویکرد سلول های خودکار زنجیره مارکوف؛ غرب استان گیلان

پژوهش حاضر به بررسی تغییرات کاربری اراضی و پوشش زمین[۱] (LULCc)در منطقه غرب استان گیلان از سال ۱۹۹۹ تا ۲۰۲۳ و برآورد تغییرات تا سال ۲۰۴۳ می پردازد. داده های پایه دراین مطالعه تصاویر لندست ۵، ۷، و۸ هستند. طبقه بندی تصاویر و آشکار سازی تغییرات با استفاده از الگوریتم جنگل تصادفی[۲](RF) در پلت فرم [۳]Google Earth Engine (GEE) و سیستم اطلاعات جغرافیایی (GIS) انجام شد. به منظور پیش بینی تغییرات کاربری اراضی تا سال ۲۰۴۳ از مدل سلول های خودکار زنجیره مارکوف (CAMarkov)[۴]استفاده شد. با استفاده از شاخص اختلاف کمیت و تخصیص [۵](QADI) دقت نقشه های طبقه بندی شده محاسبه شد. مقادیر QADI برای سال های ۱۹۹۹، ۲۰۱۰ و ۲۰۲۳ به ترتیب ۰.۰۲، ۰.۰۱ و ۰.۰۰۹ بود که نشان دهنده دقت بالای طبقه بندی است. همچنین ضریب کاپا [۶](KC) و دقت کلی [۷](OA) بالای ۹۶ درصد، کارایی بسیار خوب الگوریتم RF را در تصمیم گیری و طبقه بندی تایید می کند. برای افزایش دقت مدل پیش بینی کننده ماژول ارزیابی چند معیاره [۸](MCE) با این مدل ادغام شد. اعتبار سنجی مدل با استفاده از سه معیار اختلاف تخصیص[۹](AD)، تفاوت کمیت[۱۰](QD) و شاخص شکل شایستگی[۱۱] (FOM) انجام شد. مقدار کلی برای این سه فاکتور به ترتیب ۴.۶۵، ۲.۰۲ و ۴۸.۶۰ درصد برآورد شد. یافته ها حاکی از کاهش مساحت اراضی جنگلی، زمین های کشاورزی و پهنه تالاب و همچنین افزایش مساحت مناطق ساخته شده و اراضی مرتعی در دوره پایه مورد مطالعه (۲۰۲۳-۱۹۹۹) و دهه های آتی پیش بینی شده است. این یافته ها به تصمیم گیرندگان کمک می کند تا با شناسایی میزان تخریب اراضی طبیعی و بهبود مدیریت آن ها، شرایط توسعه پایدار منطقه را در آینده فراهم کنند.[۱] Land Use and Land Cover change[۲] Random forest[۳] Google Earth Engine[۴] CA-Markov[۵] Quantity and Allocation Disagreement Index[۶] kappa coefficient[۷]overall accuracy[۸] Multi-Criteria Evaluation[۹] Allocation Disagreement[۱۰]Quantity Disagreement[۱۱]Figure of Merit

کلیدواژه ها:

تغییرات کاربری/ پوشش زمین ، آشکارسازی تغییرات ، پیش بینی ، استان گیلان