آشکارسازی و پیش بینی تغییرات کاربری اراضی با استفاده از مدل CA-Markov مطالعه موردی: محور کلان شهر تهران - دماوند
- سال انتشار: 1398
- محل انتشار: فصلنامه اطلاعات جغرافیایی ( سپهر)، دوره: 28، شماره: 111
- کد COI اختصاصی: JR_SEPEHR-28-111_012
- زبان مقاله: فارسی
- تعداد مشاهده: 516
نویسندگان
استادیار دانشکده علوم زمین، دانشگاه شهید بهشتی
دانشیار مرکز مطالعات سنجش از دور، دانشگاه شهید بهشتی
دانشجوی دکتری دانشگاه شهید بهشتی
چکیده
مدل سازی تغییرات کاربری اراضی، ابزاری ضروری برای تجزیه و تحلیل های محیط زیستی، برنامه ریزی و مدیریت محسوب می گردد. در حال حاضر آشکار سازی و مدلسازی تغییرات کاربری اراضی با استفاده از تصویر ماهواره ای ابزاری سودمند برای درک تغییرات زیست محیطی در رابطه با فعالیت های انسانی به حساب می آیند. ناحیه مورد مطالعه یکی ازمناطق ایران است که هدف تجاوزساخت و ساز های بی رویه و بدون برنامه قرار گرفته است. توسعه شهری و رشد جمعیت منجر به تغییرات الگوی فضایی شده و کاربری بخش زیادی از منابع طبیعی را تحت تاثیر قرار داده است. در این تحقیق از تصاویر ماهواره لندست در سال های 1986، 2002، 2018 برای طبقه بندی و آشکارسازی تغییرات کاربری اراضی استفاده شده است.پس از رفع خطاهای تصاویر ماهواره ای چهار کلاس عارضه، ساخت و ساز مسکونی و غیر مسکونی، پوشش گیاهی، کوه و مرتع و راه، جهت بررسی تغییرات در نظر گرفته شد. عملیات میدانی و برداشت عوارض نمونه، با گیرنده های GPS دو فرکانسه در محدوده مورد مطالعه انجام شد. سپس این عوارض به نرم افزار معرفی و با روش ماشین های بردار پشتیبان[1] طبقه بندی روی تصاویر سه دوره انجام و میانگین دقت کلی و میانگین ضریب کاپا [2] در این روش به ترتیب 62 /96% ، 33/85% محاسبه گردید. بیشترین تغییرات مربوط به کلاس کاربری های مسکونی و غیر مسکونی و راه می باشد. بیش ترین تغییرات مربوط به ساخت و ساز مسکونی 06/9 درصد و راه 1 درصد می باشد، که این روند رو به افزایش سبب کاهش دو کلاس عارضه کوه و مرتع و پوشش گیاهی به ترتیب به میزان 07/9 و1/0 درصد شده است. در ناحیه مورد مطالعه اکثر پوشش های گیاهی و زمین های کشاورزی تبدیل به شهرک های صنعتی و ویلاهای تفریحی شده است. در راستای چنین تغییراتی زنجیره مارکوف توانایی خوبی برای پیش بینی احتمال تغییرات را دارد و بر پیش بینی های تغییرات کاربری اراضی متمرکز است در حالی که اتوماتای سلولی به عنوان یک روش قدرتمند در تشخیص تغییرات مولفه مکانی فضایی است. به این منظور جهت پیش بینی تغییرات در کمیت و فضا از مدل ترکیبی زنجیره مارکوف و سلول های خودکار استفاده گردید و نقشه کاربری اراضی برای سال 2050 شبیه سازی شد. نتایج نشان داد که مدل های مارکوف اطلاعات مفیدی در اختیار ما قرار می دهد که می تواند برای برنامه ریزی کاربری اراضی در آینده مفید واقع شود. [1]- SVM [2]- Overall Accuracyکلیدواژه ها
آشکار سازی, مدل زنجیره مارکوف, مدل سلول های خودکار, تغییرات کاربری اراضیاطلاعات 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.