پیش بینی تغییرات احتمالی کاربری اراضی دشت جوپار با استفاده از تصاویر ماهواره ای و مدل CA-Markov

سال انتشار: 1396
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 314

فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JWSC-24-4_015

تاریخ نمایه سازی: 11 آبان 1398

چکیده مقاله:

سابقه و هدف: خاک یکی از منابع طبیعی اصلی تجدید ناپذیر می باشد که امروزه تخریب آن به عنوان مشکلات زیست محیطی در سراسر جهان مطرح می باشد. در دهه‎های اخیر تغییرات سریع و ناپایدار کاربری اراضی به دلیل فعالیت های توسعه ای و عمرانی و افزایش جمعیت باعث تغییرات سریع در استفاده از اراضی و پوشش زمین و در نهایت تخریب خاک بوده است. از این رو بازبینی این تغییرات از طریق تصاویر ماهواره ای و پیش بینی و ارزیابی پتانسیل آن ها از طریق مدل سازی می تواند به مدیران و برنامه ریزان برای تصمیمات آگاهانه تر کمک کند. هدف از این مطالعه، بررسی روند تغییرات کاربری اراضی در مقطع زمانی 1992 تا 2015 با استفاده از تصاویر ماهواره ای، محاسبه میزان تغییر کاربری ها با یکدیگر و پیش بینی تغییرات احتمالی کاربری اراضی در سال های 2020، 2025، 2030 و 2035 با استفاده از مدل سلول خودکار-مارکوف در دشت جوپار واقع در استان کرمان می باشد. مواد و روش ها: در این تحقیق، جهت تهیه نقشه های کاربری اراضی از سه دوره تصاویر ماهواره ای لندست شامل لندست 5 سنجنده (1992)TM ، لندست 7 سنجنده ETM+ (2000) و لندست 8 سنجنده(2015) OLI استفاده گردید. به منظور تهیه نقشه های کاربری اراضی از طریق تصاویر ماهواره ای، ابتدا بر روی تصاویر مذکور پیش پردازش های اولیه نظیر تصحیح هندسی و اتمسفری اعمال گردید. در ادامه با تهیه نمونه های آموزشی، تصاویر ماهواره ای در نرم افزار ایدریسی و با استفاده از الگوریتم حداکثر احتمال طبقه بندی و دقت آن ها ارزیابی گردید. نقشه های کاربری اراضی تهیه شده دوره های مختلف به منظور تولید ماتریس احتمال انتقال به مدل مارکوف داده شد و در نهایت ماتریس احتمال انتقال که احتمال انتقال کاربری ها به کاربری دیگر را نشان می دهد تولید شد. سپس آنالیز زنجیره سلول خودکار-مارکوف، براساس نقشههای کاربری اراضی دوره پایه و ماتریس احتمال انتقال در مدل مارکوف با تاکید بر پیشبینی تغییرات کاربری اراضی در سال های 2020، 2025، 2030 و 2035 با تعداد تکرار و گام متفاوت در روش سلول خودکار-مارکوف انجام شد. بر اساس نتایج این تحقیق، تغییرات کاربریها و سطح کاربری های منطقه محاسبه گردید. پس از مقایسه و بررسی مشاهدات، تغییرات کاربری احتمالی برای سناریوهای تعیین شده پیش بینی گردید. یافته ها و نتیجه گیری: بر اساس نتایج این تحقیق، تغییرات کاربریها و سطح کاربری های منطقه محاسبه و مقایسه و بررسی شدند. نتایج آشکارسازی تغییرات دوره اول (2000-1992) بیشترین افزایش مساحت در کاربری های مرتع و چراگاه و باغ و زراعت آبی و بیشترین کاهش مساحت در کاربری بستر رودخانه و دوره دوم (2015-2000) بیشترین افزایش مساحت در کاربری های باغ و زراعت آبی و بستر رودخانه و بیشترین کاهش مساحت در کاربری مرتع و چراگاه را نشان داد. نتایج بدست آمده از پیش بینی تغییرات کاربری آینده منطقه مورد مطالعه به روش سلول خودکار-مارکوف حاکی از کاهش کاربری باغ و زراعت آبی و افزایش کاربری های مرتع و چراگاه و بستر رودخانه نسبت به سال 2015 بود. همچنین نتایج مقایسه پیش بینی سال های 2020، 2025، 2030 و 2035 با یکدیگر کاهش کاربری های بستر رودخانه و مرتع و چراگاه را نشان داد که کمبود بارندگی و افزایش دما که از شواهد تغییر اقلیم می باشند، دلیلی بر این موضوع و در نهایت تخریب پوشش گیاهی و تخریب بیشتر خاک باشد. همچنین با توجه به کمبود بارندگی و خشکسالی های اخیر و پژوهش های صورت گرفته می توان نتیجه گرفت که روش سلول خودکار-مارکوف مطابقت بیشتری با منطقه دارا می باشد.

کلیدواژه ها:

نویسندگان

فریده سادات ابراهیمی

دانشگاه ولی عصر رفسنجان

اردوان کمالی

دانشگاه ولی عصر رفسنجان

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 :
  • Alavi Panah, K. 2009. Principles of remote sensing. TehranUniv. Press, ...
  • Alimohammadi, A., Matkan, A., and Mirbagheri, B. 2010. The Evaluation ...
  • AUTOMATA model efficiency in simulation of urban areas development (Case ...
  • suburbs of south west of Tehran). J. Spat. Plan. (Modares ...
  • Amiraslani, F., and Dragovich, D. 2011. Combating desertification in Iran ...
  • years: An overview of changing approaches. J. Environ. Manage. 92: ...
  • Bennett, H.H. 1939. Soil conservation. McGraw-Hill Book Company, New York, ...
  • Chang, C.L., and Chang, J.C. 2006. Markov model and cellular ...
  • Geograph. Res. 45: 1. 45-57. ...
  • Du, Y., Teillet, P.M., and Cihlar, J. 2002. Radiometric normalization ...
  • high-resolution satellite images with quality control for land cover change ...
  • Rem. Sens. Environ. J. 82: 123-134. ...
  • Eastman, J.R., McKendry, J., and Fulk, M.A. 2005. Change and ...
  • Informations Systems Technology. United Nations Institute for Training and Research. ...
  • Eastman, J.R., McKendry, J., and Fulk, M.A. 2006. Change and ...
  • In:Explorations in Geographic Informations Systems Technology. United Nations Institute ...
  • for Training and Research. Geneva, 325p. ...
  • Falahatkar, S., Sefyanian, A., Khajehaldin, S.J., and Ziaei, H. 2009. ...
  • CA- Markov model to predict land cover map (Case study: ...
  • Tehran, Pp: 31-37. (In Persian) ...
  • Feizizadeh, B., and Haji Mirrahimi, M. 2007. Land use changes ...
  • Guan, D., Li, H., Inohae, T., Suweici, N., and Hokao, ...
  • use change by the integration of cellular automaton and Markov ...
  • Hashemin Nasab, F., Mousavi Baygi, M., Bakhtiari, B., and Davari, ...
  • Rainfall Changes with Downscaling LARS-WG and HadCM3 models in Kerman ...
  • next 20 years (2030-2011). J. Irrig. Water Engin. Iran. 3: ...
  • Hathout, S. 2002. The use of GIS for monitoring and ...
  • West St Paul, Winnipeg, Maintoba, Canada. J. Environ. Manage. 66: ...
  • Kerman meteorological organization. 2015. www.weather.kr.ir. (In Persian) ...
  • Li, H., and Reynolds, J.F. 1997. Modeling effects of spatial ...
  • rates of rangeland degradation: a combined Markov and cellular automaton ...
  • in Remote Sensing and GIS. Lewis Publishers, Boca Raton, Florida, ...
  • Mas, J., Melanie, K., Martin, P., Maria, T., Camacho, O., ...
  • pattern-based land use/cover change models: A comparison of four software ...
  • J. Environ. Model. Software. 51: 1. 94-111. ...
  • Mozafarian Laeen, N., and Nikandish, N. 2013. Zoning drought in ...
  • based on SPI. The National Meteorological Conference, Pp: 1-17. (In ...
  • Rafiee, R., Salman Mahiny, A., and Khorasani, N. 2009. Assessment ...
  • urban green spaces of Mashhad city using satellite data. Inter. ...
  • : 431-438. (In Persian) ...
  • Rashmi, M., and Lele, N. 2010. Spatial modeling and validation ...
  • Kanakapura region using GEOMOD. J. Ind. Soc. Rem. Sens. 38: ...
  • Rayegani, B., Zehtabian, G.H., Azarnivand, H., Alavipanah, S.K., and Khajeddin, ...
  • LADA method Performance evaluation on soil degradation assessment in the ...
  • Esfahan. J. Range Water. Manage. 68: 1. 109-129. (In Persian) ...
  • Rezaei Banafsheh, M., Rostamzadeh, H., and Fayezizadeh, B. 2008. The ...
  • evaluation of the trend of forest surface changes using the ...
  • study of Arasbaran forests. J. Geograph. Res. 62: 143-159. (In ...
  • Rezaei, M., Nohtani, M., Abkar, A., Rezaei, M., and Mirkazehi ...
  • evaluation of Statistical Downscaling Model (SDSM) in Forecasting Temperature Indexes ...
  • Two Arid and Hyper Arid Regions (Case study: Kerman and ...
  • : 10. 117-131. (In Persian) ...
  • Sohl, T.L., and Claggett, P.R. 2013. Clarity versus complexity: Land-use ...
  • practical tool for decision-makers. J. Environ. Manage. 129: 235-243. ...
  • Soil survey staff. 2014. Keys to Soil Taxonomy, 13th edition. ...
  • Soleymani Sardoo, F., Soltani Kupani, S., and Sarhadi, A. 2008. ...
  • drought using Standardized Precipitation Index (SPI) in Kerman province. Iran ...
  • Resources Management Conference, Tabriz University, 23-25 October, Pp: 1-6. (In ...
  • Sullivan, D. 2001. Exploring spatial process dynamics using irregular cellular ...
  • models. J. Geograph. Anal. 33: 1-18. ...
  • Sullivan, D., and Torrens, P. 2000. Cellular models of urban ...
  • spatial analaysis. Pp: 1-17. ...
  • Wang, S., Zheng, X., and Zang, X. 2012. Accuracy assessments ...
  • based on Markov-cellular automata model. J. Proc. Environ. Sci. 13: ...
  • White, R., and Engelen, G. 2000. High resolution integrated modeling ...
  • dynamics of urban and regional systems, Computers. J. Environ. Urban ...
  • Yang, X., Zheng, X.Q., and Lv, L.N. 2012. A spatiotemporal ...
  • based on ant colony optimization, Markov chain and cellular automata. ...
  • Zayandehroudi, F., Yazdanpanah, N., and Sayari, N. 2013. 30-year-old three-time ...
  • precipitation predicted future fine-scale model of the LARS-WG5 and general ...
  • models Hadcm3 (Case study: Kerman). The first national conference on ...
  • agricultural challenges, Islamic Azad University, Khorasgan, Pp: 1-8. (In Persian) ...
  • نمایش کامل مراجع