شبیه سازی زمانی- مکانی تغییرات سیمای سرزمین با استفاده از مدل تلفیقی زنجیره مارکوف و سلول‌های خودکار (مطالعه موردی: منطقه خشک و نیمه خشک میمه دهلران)

نوع مقاله: مقاله پژوهشی

نویسندگان

1 دانشجوی دکتری بیابان زدایی، دانشکده منابع طبیعی و کویر شناسی، دانشگاه یزد

2 استادیار گروه مدیریت مناطق خشک و بیابانی، دانشکده منابع طبیعی و کویر شناسی، دانشگاه یزد

3 دانشیار گروه مرتع و آبخیزداری، دانشکده کشاورزی، دانشگاه ایلام

10.29252/aridbiom.8.1.11

چکیده

آشکارسازی و پیش­بینی تغییرات کاربری ارضی، لازمه مراقبت از اکوسیستم به ویژه در کشورهای در حال توسعه با تغییرات سریع و اغلب بدون برنامه­ ریزی است. هدف از این تحقیق، پایش تغییرات کاربری ارضی در گذشته و بررسی امکان شبیه­سازی آن در آینده با استفاده مدل تلفیقی زنجیره مارکوف و سلول­های خودکار در منطقه خشک و نیمه­ خشک میمه دهلران واقع در استان ایلام است. در این تحقیق از تصاویر ماهواره­ای لندست (TM) سال 1988 و لندست (TM) سال 2001 و لندست (ETM+) سال2016 استفاده شد. با استفاده از طبقه­ بندی نظارت شده شبکه عصبی آرتمپ فازی، نقشه آشکارسازی تغییرات در هفت کلاس کشاورزی، جنگل، مرتع متوسط، مرتع فقیر، بیرون­زدگی سنگی، اراضی مسکونی و اراضی شور و نمکزار تهیه گردید. دقت کل طبقه­ بندی نقشه­ های کاربری اراضی سال­های 1988، 2001 و 2016 به ترتیب 93، 95 و 93 درصد بدست آمد. با به کارگیری مدل تلفیقی زنجیره مارکوف و سلول­های خودکار، تغییرات کاربری اراضی برای سال 2030 پیش­ ینی شد. نتایج ماتریس پیش­ بینی تغییرات بر مبنای نقشه ­های سال های 2001 و 2016 نشان داد که در فاصله ­ی زمانی 2030-2016 احتمال می­ رود که 13% از اراضی کشاورزی، 54% از جنگل، 48% از مراتع متوسط، 82% از مراتع فقیر، 55% از بیرون­ زدگی سنگی، 52% از اراضی مسکونی، 93% از اراضی شوره ­زار و نمک زار به کاربری­ های دیگر تبدیل شوند. برای اعتبارسنجی مدل، نقشه کاربری اراضی شبیه­ سازی شده سال 2016 با نقشه واقعی حاصل از طبقه ­بندی تصویر ماهواره­ ای همان سال مقایسه شد. ضریب کاپا محاسبه شده حدود 87% که بیانگر قابلیت بالای مدل سلول­های خودکار برای شبیه­ سازی تغییرات سیمای سرزمین در منطقه خشک و نیمه ­خشک میمه دهلران است.

کلیدواژه‌ها


[1].   Baker, W. L. (1989). A review of models of landscape change. Landscape Ecology, 2: 111-133.

[2].   Balzter, H. (2000). Markov chain models for vegetation dynamics. Ecological Modelling, 126: 139-154.

[3].   Bell, E. J. (1974). Markov analysis of land use change: Application of stochastic processes to remotely sensed data. Socioeconomic PlanningSciences, 8: 311–316

[4].   Brown, D. G, B. C. Pijanowski., &. Duh, J. D. (2000). Modelling the relationships between land use and land cover on private lands in the Upper Midwest, USA. Journal of Environmental Management, 59: 247-263.

[6].   Dong Jie, G., HaiFeng, L., Takuro, I., Weici, S., Tadashi, N., & Kazunori, H. (2001). Modeling urban land use change by the integration of cellular automaton and Markov model. Ecological Modelling, 3761-3772.

[7].   Eastman, J.R. (2006). Idrisi for windows user’s guide ver.32. Clark University, 328 p.

[8].   Gilks, W. R. (1996). Markov Chain Monte Carlo in Practice. Chapman & Hall/CRC.

[9].   Gil-Sáncheza, L., Garriguesa, J., Garcia-Breijoa, E., Graub, R., Marta, A., Baigtsb, D., & Baratb, J. M. (2015). Artificial neural networks (Fuzzy ARTMAP) analysis of the data obtained with an electronic tongue applied to a ham-curing process with different salt formulations. Applied Soft Computing, 30: 421-429.

[10].    Hathout, S. (2002). The use of GIS for monitoring and predicting urban growth in East and West St Paul, Winnipeg, Manitoba, Canada. Journal of Environmental Management, 66: 229-238.

[11].    He, Z., & Lo, C. (2007). Modeling urban growth in Atlanta using logistic regression. Computers. Environment and Urban Systems, 31 (6): 667-688.

[12].    Jenerette Darrel, G., & Wu, J. (2001). Analysis and simulation of land use change in the central Arizona-Phonix region, USA. Landscape ecology, 16: 611-626.

[13].    Jensen, J.R. (2007). Remote Sensing of the Environment: An Earth Resource Perspective. Pearson Prentice Hall, 592 pp.

[14].    Khoshgoftar, M.M., Talei, M., & Malekpour, P. (2010). Spatio-temporal modeling of urban sprawl: an approach based on integrating cellular automata and Markov chains. Proceedings of Geomatics (National Conference & Exhibition), 9 pp. (in Farsi).

[15].    Koomen, E., Stillwell, J., Bakema, A. & Scholten, H.J. (2007). Modelling Land-use Change, Progress and Applications. Netherlands, Springer, 410 p.

[16].    Lambin, E.F. (1997). Modelling and monitoring land-cover change processes in tropical regions. Progress in Physical Geography, 21: 375–393.

[17].    Mubea, K. W., Ngigi T. G., & Mundia C. N. (2010). Assessing application of Markove chain analysis in Predicting land cover change: A case study of NAKURU municipality. Journal of Advanced Computer Science & Technology, 12 (2): 19.

[18].    Norris, J.R. (1997). Markov Chains. Cambridge University Press, 237 p.

[19].    Parker, D.C., Manson, S.M., Janssen, M. A., Hoffmann, M. J., & Deadman, P. (2003). Multi agent systems for the simulation of land use and land cover change: A Review. Annals of the Association of American Geographers, 43: 314–337.

[20].    Peterson, L.K., Bergen, K.M., Brown, D.G., Vashchuk, L., & Blam, Y. (2009). Forested land-cover patterns and trends over changing forest management eras in the Siberian Baikal region. Forest Ecology and Management, 257: 911-922.

[21].    Stéphenne, N., & Lambin, E.F. (2001). A dynamic simulation model of land-use changes in Sudano-sahelian countries of Africa (SALU). Agriculture, Ecosystems and Environment, 85: 154–161.

[22].    Tudun-Wada1, M.I., Tukur, Y.M., Hussaini, Y., Sani1, M.Z., Musa, I., & Lekwot, V.E. (2014). Analysis of forest cover changes in Nimbia Forest Reserve, Kaduna State, Nigeria using Geographic Information System and Remote Sensing techniques. International Journal of Environmental Monitoring and Analysis, 2(2): 91-99.

[23].    Weng, Q. (2002). Land use change analysis in the Zhujiang Delta of China using satellite remote sensing, GIS and stochastic modeling. Journal of Environmental Management, 64: 273-284.

[24].    Wu, Q., Li, H.Q., Wang, R.S., Paulssen, J., He, Y., Wang, Min., Wang, B.H., & Wang, Z. (2006). Monitoring and predicting land use change in Beijing using remote sensing and GIS, Landscape and urban planning, Article in press.