مدل سازی تغییرات کاربری اراضی با استفاده از روش رگرسیون لجستیک در مدل LCM (پژوهش موردی: منطقه کوهمره سرخی استان فارس)
Publish Year: 1393
نوع سند: مقاله ژورنالی
زبان: Persian
View: 118
This Paper With 12 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_IJFPR-22-4_004
تاریخ نمایه سازی: 25 دی 1402
Abstract:
پیش بینی و ارزیابی پتانسیل الگوهای کاربری زمین از طریق مدل سازی می تواند به برنامه ریزان محیط زیست و مدیران منابع طبیعی برای تصمیمات آگاهانه تر کمک کند. هدف از این پژوهش استفاده از روش رگرسیون لجستیک در مدل سازی تغییرات کاربری اراضی منطقه کوهمره سرخی استان فارس است. بدین منظور نقشه های کاربری اراضی با استفاده از تصاویر لندست در سه دوره زمانی مربوط به سال های ۱۳۶۶، ۱۳۷۹ و ۱۳۹۱ تهیه شدند. سپس صحت سنجی نقشه ها و آشکارسازی تغییرات انجام شد. نتایج آشکارسازی تغییرات دوره اول (۱۳۶۶ تا ۱۳۷۹) با ضریب کاپای ۸۳ نشان می دهد که بیشترین افزایش مساحت در ناحیه مرتع (۴۲۲۴/۲۴ هکتار) و بیشترین کاهش مساحت در ناحیه جنگل (۳۹۵۳/۷۵ هکتار) رخ داده است. براساس این تغییرات و انتخاب ۱۰ متغیر مستقل، مدل سازی پتانسیل تبدیل کاربری برای سال ۱۳۹۱، با استفاده از روش رگرسیون لجستیک در مدل LCM انجام شد، سپس با روش زنجیره مارکوف نقشه کاربری اراضی برای سال ۱۳۹۱ پیش بینی شد. نتیجه ماتریس خطا بین نقشه به دست آمده از مدل سازی و نقشه کاربری اراضی استخراج شده از تصویر لندست۱۳۹۱، ضریب کاپای ۷۵ است. در مرحله بعد نتایج آشکارسازی تغییرات دوره دوم (۱۳۷۹ تا ۱۳۹۱) با ضریب کاپای ۸۸ نشان داد بیشترین افزایش مساحت در ناحیه مرتع (۱۸۷۱/۸۲ هکتار) و بیشترین کاهش مساحت در ناحیه جنگل (۳۰۸۲/۰۵ هکتار) رخ داده است. باتوجه به تغییرات دوره دوم، نقشه کاربری اراضی برای سال ۱۴۰۳ پیش بینی شد و مشخص شد که بیشترین تغییر کاربری نسبت به سال ۱۳۹۱ در ناحیه کشاورزی آبی است.
Keywords:
Authors
سارا عزیزی قلاتی
کارشناس ارشد سنجش از دور، دانشگاه شهید چمران اهواز
کاظم رنگزن
هیات علمی دانشگاه شهید چمران اهواز
ایوب تقی زاده
مربی، دانشکده علوم زمین، دانشگاه شهید چمران اهواز، اهواز، ایران.
شهرام احمدی
دانشجوی دکترای جنگلداری، دانشکده منابع طبیعی، دانشگاه تهران، 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 :