بررسی و پیش بینی تغییرات کاربری اراضی با استفاده از روش های پردازش شیءگرا و زنجیره مارکوف (مطالعه موردی: حوضه باراندوزچای، آذربایجان غربی)

سال انتشار: 1402
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 40

فایل این مقاله در 17 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_IJAE-12-2_004

تاریخ نمایه سازی: 30 آذر 1402

چکیده مقاله:

از عوامل مهم برای درک تحولات محیطی  مقیاس های زمانی-مکانی مختلف، پیش بینی تغییرات کاربری و پوشش اراضی می باشد. هدف از پژوهش حاضر بررسی وضعیت فعلی و آتی کاربری های اراضی حوزه آبخیز باراندوزچای در آذربایجان غربی می باشد. تصاویر ماهواره ای سنتینل-۲ برای سال های ۲۰۱۶، ۲۰۲۰ و ۲۰۲۲ دریافت وپس از اعمال پیش پردازش های مورد نیاز، به نرم افزار eCognition ارسال گردید. با استفاده از روش شیءگرا مدل طبقه بندی نزدیک ترین همسایگی اجرا و نقشه های کاربری و پوشش اراضی تولید شد. در نهایت با استفاده از روش CA مارکوف (Cellular Automata Markov) پیش بینی تغییرات کاربری اراضی برای سال ۲۰۲۸ انجام شد. برای بررسی صحت مدل CA مارکوف، نقشه تغییرات پیش بینی شده سال ۲۰۲۲ با نقشه طبقه بندی ۲۰۲۲ صحت سنجی شد. نتایج نشان داد که با استفاده از طبقه بندی نزدیک ترین همسایگی، تولید نقشه های کاربری اراضی با دقت بالا (ضریب کاپا ۹۳%) و با اعمال مدل مارکوف نقشه های تغییرات کاربری اراضی با دقت قابل قبول (۸۱%) امکان پذیر است. تا سال ۲۰۲۸ میلادی کاربری اراضی کشاورزی ۳۰/۰۸% محدوده های مسکونی ۱/۴۸% و عرصه های نمکی حدود ۰/۰۲% افزایش، و کاربری خاک ۱۶/۲۴% و مراتع به میزان ۱۵/۲۱% کاهش خواهند داشت. نتایج این پژوهش به ارزیابی اقدامات گذشته، ریشه یابی معضلات و تدوین راهبردها برای مدیریت سرزمین در حوزه آبخیز باراندوزچای کمک می کند.

کلیدواژه ها:

Sentinel۲ images ، Segmentation ، Knowledge-Based ، Validation ، Pridicting future land use ، تصاویر ماهواره ای سنتینل ۲ ، قطعه بندی ، پردازش دانش محور ، صحت سنجی ، آینده نگری وضعیت اراضی

نویسندگان

طیبه ایرانی

Urmia University

هیراد عبقری

Urmia University

علی اکبر رسولی

Sydney, Australia

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :
  • Ahmadi, F., F. Radmanesh and R. Mir abbasi najf abadi. ...
  • Aburas, M. M., S. H. Abdullah, M. F. Ramli, Z. ...
  • Armenteras, D., U. Murcia. T. M. González, O. J. Barón ...
  • Birhanu, A., I. Masih. P. van der Zaag. J. Nyssen. ...
  • Blaschke, T. ۲۰۱۰. Object based image analysis for remote sensing. ...
  • Ebrahimi, H., A. A. Rasouli. and A. Ahmad. ۲۰۱۸. Modeling ...
  • Fatollahi. R. S., M. Khanmohamadi and K. Nasir Ahmadi. ۲۰۱۸. ...
  • Ghafari, S., H. R., Moradi and R., Modarres. ۲۰۱۸. Comparison ...
  • Hamad, R., H. Balzter. and K. Kolo. ۲۰۱۸. Predicting land ...
  • Joybari Moghadam, Y. M. Akhundzadeh and M. R. Serajian. ۲۰۱۴. ...
  • Karimi Firozjaei, M., M. Kiavarz and M. Kalantari. ۲۰۱۸, Monitoring ...
  • Khaleghi, Sh., M. Mahdavi and B. Thaqfian. ۲۰۰۵. Investigating the ...
  • Kumar, K. S., P. U. Bhaskar and K. Padmakumari. ۲۰۱۵. ...
  • Meysaq, N., N. Nissani Samani and A.Tomanian. ۲۰۱۸. Tabriz urban ...
  • Mirakhorlo, M., S. and M. Rahimzadegan. ۲۰۱۸. Integration of simweight ...
  • Moe, I. R., S. Kure. N. F. Januriyadi. M. Farid. ...
  • Moharrami, M., and A. Derafshi. ۲۰۱۵. Signifying of the urmia ...
  • Mujiono, T. L., D. Harmantyo. I. P. Rukmana and Z. ...
  • Munthali, M., J. Botai. N. Davis and A. M., Abiodun. ...
  • Rasouli, A. A. ۲۰۰۸. Fundamentals of Applied Remote Sensing with ...
  • Rasouli, A.A., S. H. Safarov. M. Asgarova. E. S. Safarov ...
  • Roushangar, K., M. T., Aalami and H. Golmohammadi. ۲۰۲۲. Effect ...
  • Samie, A., X. Deng, S. Jia and D. Chen. ۲۰۱۷. ...
  • Sarabuddin Mondal, M., N. Sharma. M. Kappas and P. Garg. ...
  • Yirsaw, E. Wu. W., X. Shi. H. Temesgeh and B. ...
  • نمایش کامل مراجع