مدل سازی تغییرات کاربری اراضی با استفاده از مدل زنجیره ای مارکوف و مدل LCM
Publish Year: 1398
نوع سند: مقاله ژورنالی
زبان: Persian
View: 227
This Paper With 18 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JGSKH-20-56_008
تاریخ نمایه سازی: 24 خرداد 1400
Abstract:
نقشه های کاربری پوشش زمین از مهمترین منابع اطلاعاتی در مدیریت منابع طبیعی محسوب میشوند. هدف این تحقیق بازبینی ، مدل سازی و پیش بینی تغییرات کاربری اراضی در دوره ۳۰ ساله توسط مدل LCM در شهر شیراز می باشد. در این تحقیق، تصاویر سنجندههای TM لندست ۴، ۵ و OLI لندست ۸ به ترتیب برای سال های۱۹۸۵ ، ۲۰۰۰ و ۲۰۱۵ و همچنین نقشه های توپوگرافی و پوشش منطقه استفاده گردید.سپس صحت سنجی و آشکار سازی تغییرات انجام شد با بکارگیری مدل پیش بینی تغییرات کاربری LCM مارکوف و رویکرد مدلساز تغییر کاربری انجام شده است .تصاویر هر سه مقطع زمانی به چهار طبقه کاربری بایر، باغ، اراضی شهری، و اراضی زراعی طبقه بندی شدند. بنابر نتایج، کشاورزی آبی پویاترین کاربری موجود در منطقه بوده که وسعت این اراضی طی ۱۹۸۵ تا ۲۰۱۵ روندی صعودی را در پی داشته است، به طوری که مقدار( ۴۳۳۷ هکتار ، ۷/ ۱۲ درصد) به این اراضی افزوده شده است. روند تغییرات کاربری بایر نیز طی ۱۹۸۵ تا ۲۰۱۵ روندی نزولی بوده که موجب کاهش ۹۹ / ۵۹۱۶۰ هکتار از این طبقه شده است.نتایج آشکار سازی تغییرات در دوره ۱۹۸۵ با ضریب کاپا ۸۸/۰، در دوره ۲۰۰۰ باضریب کاپا ۷۷/۰ و در دوره ی ۲۰۱۵ با ضریب کاپا ۹۲/۰ نشان داد. نتایج حاصل از آشکارسازی تغییرات در سال ۲۰۳۰ به گونه ای است که در صورت ادامه روند موجود در منطقه ۳۳ / ۲۰ درصد به طبقه کاربری زراعی افزوده خواهد شد، به طوری که در سال ۲۰۳۰ کاربری کشاورزی آبی ۹۵ / ۶۰ درصد از مساحت منطقه را شامل می شود. در کاربری های بایر و باغ به ترتیب ۱۲ / ۲۱ و ۲۱ / ۰درصد از مساحت تشکیل دهنده هر کاربری کاسته شده است و به مساحت کاربری شهری افزوده شده است. نقشه پیش بینی حاصله از مدل زنجیره مارکوف برای ارائه دیدی کلی به منظور مدیریت بهتر منابع طبیعی بسیار حائز اهمیت است.
Keywords:
Authors
محمد ابراهیم عفیفی
Islamic Azad University of Lourestan
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :