پیش بینی روند تغییرات مکانی کاربری اراضی با استفاده از مدل LCM در محیط GIS (مطالعه موردی: منطقه سرابله)
Publish Year: 1393
نوع سند: مقاله ژورنالی
زبان: Persian
View: 54
This Paper With 19 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_IJFRPR-12-1_001
تاریخ نمایه سازی: 29 شهریور 1403
Abstract:
هدف این تحقیق، پایش تغییرات کاربری اراضی در گذشته و بررسی امکان پیش بینی آن در آینده با استفاده از مدلساز تغییر زمین (LCM) در شهرستان سرابله استان ایلام است. در این تحقیق، تصاویر ماهواره لندست ۴ سنجنده TM سال ۱۳۶۷، ETM+ لندست ۷ سال ۱۳۸۰ و TM لندست ۷ سال ۱۳۹۰ تجزیهوتحلیل شد. تصاویر هر سه مقطع زمانی به پنج طبقه جنگل، مرتع، اراضی بایر، اراضی کشاورزی و مناطق مسکونی طبقه بندی شد. پیش بینی وضعیت کاربری اراضی برای سال ۱۳۹۰، با استفاده از نقشه های کاربری سال های ۱۳۶۷ و ۱۳۸۰ و به کمک مدل LCM و بر پایه شبکه های عصبی مصنوعی و تحلیل زنجیره مارکوف انجام گردید. به این منظور، از متغیر های مکانی فاصله از جاده ، فاصله از مناطق مسکونی، فاصله از حاشیه جنگل، شاخص گسستگی جنگل، ارتفاع، شیب و جهت به عنوان عوامل موثر بر تغییرات در شبکه عصبی مصنوعی استفاده شد. بنا بر نتایج، در طول دوره ۱۳۶۷-۱۳۹۰، ۱۴۶۹۱ هکتار جنگل تخریب شده است. همچنین اراضی بایر به مقدار ۹۸۷۴ هکتار نسبت به سطح اولیه خود توسعه یافته است. نتایج مدل سازی نیروی انتقال با استفاده از شبکه عصبی مصنوعی در بیشتر زیر مدلها صحت بالایی را (۶۰ تا ۸۶ درصد) نشان داد. خطای کل در مدلسازی برای سال۱۳۹۰، ۸۴/۱۲% بهدست آمد که نشان دهنده انطباق زیاد تصویر پیش بینی شده مدل با تصویر واقعیت زمینی و قابل قبول بودن مدل است. همچنین، نتایج پیشبینی نشان داد که مساحت اراضی جنگلی در سال ۱۴۰۰ در مقایسه با ۱۳۹۰ کاهش و اراضی بایر افزایش خواهند یافت.
Keywords:
Authors
saleh arekhi
استادیار گروه جغرافیا، دانشگاه گلستان، گرگان، 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 :