مدل سازی تغییرات پوشش اراضی با استفاده از شبکه عصبی مصنوعی و زنجیرة مارکف (مطالعة موردی: سواحل میانی استان بوشهر)

سال انتشار: 1393
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 254

فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_GIRS-5-1_005

تاریخ نمایه سازی: 21 اسفند 1399

چکیده مقاله:

اراضی ساحلی استان بوشهر به علت موقعیت ویژه در صادرات و واردات دریایی، وجود ذخایر نفت و گاز، کشاورزی، وجود نیروگاه هسته‌ای، شرایط مناسب صید و صیادی و جاذبه­های گردشگری از اهمیت راهبردی و اقتصادی بالایی برخوردار است. از این رو می­بایست از روش­های نوین جهت پایش و مدل­سازی تغییرات در این مناطق استفاده نمود. هدف از این مطالعه، پایش و مدل­سازی تغییرات کاربری اراضی در یک دوره 23 ساله (1367-1390) با استفاده از شبکه عصبی مصنوعی و زنجیره مارکف در محیط اکستنشن مدل­ساز تغییرات اراضی (LCM) می­باشد. بدین منظور از هفت متغیر، سه زیرمدل و دوره واسنجی 1379-1384 جهت مدل­سازی تغییرات کاربری اراضی سال 1390 استفاده گردید. پس از ارزیابی صحت مدل با استفاده از آماره کاپا، نقشه پوشش اراضی سال 1395 با استفاده از دوره واسنجی 1390-1384 پیش­بینی شد. نتایج نشان داد که در طول دوره مطالعه، تغییرات شدید از اراضی باز به اراضی کشاورزی و رهاسازی زمین­­های کشاورزی در منطقه مشاهده گردید. از سال 1367 تا 1384 به میزان 76/19715 هکتار به وسعت اراضی کشاورزی افزوده شده و بین سال­های 1384 تا 1390 تنها 48/14% از کاربری کشاورزی بدون تغییر مانده است و وسعت زیادی از کشاورزی رهاسازی شده است. از دیگر نتایج این تحقیقی توسعه زیاد کاربری شهری (33/17760 هکتار) است. در این مطالعه LCM توانست 76/0 از تغییرات را بدرستی پیش­بینی نماید. به طوری که در سال 1395 به میزان 12000 هکتار افزایش وسعت در توسعه شهری منطقه پیش­بینی شده است.

کلیدواژه ها:

نویسندگان

مهدی غلامعلی فرد

استادیار دانشکده منابع طبیعی، دانشگاه تربیت مدرس

محسن میرزایی

دانش آموخته کارشناسی ارشد محیط زیست، دانشکده منابع طبیعی، دانشگاه تربیت مدرس

شریف جورابیان شوشتری

دانش آموخته کارشناسی ارشد محیط زیست، دانشکده منابع طبیعی، دانشگاه تربیت مدرس

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 :
  • 1. شریفی­پور، ر.، ا. دانه­کار و ج. نوری. 1387. ارزیابی ...
  • 2. غلامی­نیا، ع. 1387. تحلیل فضایی کاربری اراضی شهر بوشهر. ...
  • 3. نعیمی­نظام­آباد، ع.، م. قهرودی تالی و م. ثروتی. 1389. ...
  • 4. Abd El-Kawy O, Rød J, Ismail H, Suliman A. ...
  • 5. Bakr N, Weindorf D, Bahnassy M, Marei S, El-Badawi ...
  • 6. Beatley T, Brower D, Schwab AK. 2002. An introduction ...
  • 7. Dushku A, Brown S. 2003. Spatial modeling of baselines ...
  • 8. Eastman JR. 2006. IDRISI Andes guide to GIS and ...
  • 9. Huang J, Pontius Jr RG, Li Q, Zhang Y. ...
  • 10. Khoi DD, Murayama Y. 2010. Forecasting areas vulnerable to ...
  • 11. Linkie M, Smith RJ, Leader-Williams N. 2004. Mapping and ...
  • 12. Mendoza ME, Granados EL, Geneletti D, Pérez-Salicrup DR, Salinas ...
  • 13. Mertens B, Lambin EF. 1997. Spatial modelling of deforestation ...
  • 14. Olaniyi A, Abdullah A, Ramli M, Alias M. 2012. ...
  • 15. Pérez-Vega A, Mas JF, Ligmann-Zielinska A. 2012. Comparing two ...
  • 16. Pontius RG. 2000. Quantification error versus location error in ...
  • 17. Rafiee R, Mahiny AS, Khorasani N, Darvishsefat AA, Danekar ...
  • 18. Sangermano F, Toledano J, Eastman JR. 2012. Land cover ...
  • 19. Schulz JJ, Cayuela L, Echeverria C, Salas J, Rey ...
  • 20. Schulz JJ, Cayuela L, Rey‐Benayas JM, Schröder B. 2011. ...
  • 21. Thapa RB, Murayama Y. 2011. Urban growth modeling of ...
  • 22. Václavík T, Rogan J. 2009. Identifying trends in land ...
  • نمایش کامل مراجع