پیش بینی تغییرات کاربری زمین برای سال ۲۰۳۰ با استفاده از سنجش از دور و تصاویر چندزمانه لندست (مطالعه موردی: شهر مشهد)
Publish place: Town and Contry Plannig، Vol: 10، Issue: 2
Publish Year: 1397
نوع سند: مقاله ژورنالی
زبان: Persian
View: 59
This Paper With 21 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JTCP-10-2_003
تاریخ نمایه سازی: 10 آبان 1402
Abstract:
با پیش بینی تغییرات کاربری می توان میزان گسترش و تخریب منابع را مشخص کرد و خط مشی های آینده را به مسیر مناسبی سوق داد. هدف این مطالعه، مدل سازی روند تغییرات کاربری زمین شهر مشهد با استفاده از تصاویر ماهواره لندست مربوط به سال های ۱۹۸۹، ۲۰۰۸ و ۲۰۱۴ می باشد. در ابتدا براساس روش هیبرید (ترکیب طبقه بندی نظارت نشده و نظارت شده)، کاربری های سرزمین در ۶ کلاس طبقه بندی شد. سپس با استفاده از زنجیره مارکوف، ماتریس انتقال میان سال های ۱۹۸۹ و ۲۰۰۸ محاسبه و با به کارگیری آن در مدل مارکوف- شبکه خودکار، نقشه کاربری سال ۲۰۱۴ پیش بینی شد. در ادامه، نقشه پیش بینی شده سال ۲۰۱۴ با نقشه کاربری واقعی ۲۰۱۴ به کمک جدول متعامد مقایسه و ضریب کاپای کل برای آن ۹۱/۰ بدست آمد.بر همین اساس صحت پیش بینی مدل مارکوف-شبکه خودکار تایید گردید. در نهایت، برای پیش بینی کاربری زمین در سال ۲۰۳۰ این مدل بکار گرفته شد. بنابراین با واردکردن نقشه مرجع ۲۰۱۴ به عنوان نقشه پایه، نقشه پیش بینی کاربری سال ۲۰۳۰ استخراج شد. نتایج نشان داد طی سال های ۱۹۹۸ تا ۲۰۳۰، شاهد روندی افزایشی در کاربری شهری و زمین های بایر و روندی کاهشی در کاربری کشاورزی و باغ ها خواهیم بود. نتایج نشان می دهد مدل مارکوف- شبکه خودکار به طراحی سیستم شهری پایدار کمک می کند.
Keywords:
Authors
بهزاد رایگانی
استادیار گروه محیط زیست طبیعی و تنوع زیستی، دانشکده محیط زیست، سازمان حفاظت محیط زیست، کرج، ایران
علی جهانی
استادیار گروه محیط زیست طبیعی و تنوع زیستی، دانشکده محیط زیست، سازمان حفاظت محیط زیست، کرج، ایران
امیر ستاری راد
دانشجوی کارشناسی ارشد، دانشکده محیط زیست، سازمان حفاظت محیط زیست، کرج، ایران
نرگس شوقی
کارشناسی ارشد، دانشکده محیط زیست، سازمان حفاظت محیط زیست، کرج، ایران
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 :