Persian
دوره 33، شماره 3 - ( 1397 )                   جلد 33 شماره 3 صفحات 87-73 | برگشت به فهرست نسخه ها
نوع مقاله:
پژوهشی اصیل |
موضوع مقاله:

Print XML English Abstract PDF HTML


History

How to cite this article
Alikhah Asl M, Rezvani F. Prediction of Land Cover Changes in Horizon of 2028 through a Hybrid Model of Markov Chain and Cellular Automata;Catchment Area around Bazangan Lake Case Study. GeoRes 2018; 33 (3) :73-87
URL: http://georesearch.ir/article-1-307-fa.html
علی خواه اصل مرضیه، رضوانی فرزانه. پیش‌بینی تغییرات پوشش زمین در افق 1407 با استفاده از مدل تلفیقی زنجیره‌ای مارکوف و سلول خودکار؛ مطالعه موردی: حوزه آبخیز مشرف‌به دریاچه بزنگان . فصل‌نامه تحقیقات جغرافیایی. 1397; 33 (3) :73-87

URL: http://georesearch.ir/article-1-307-fa.html


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Rights and permissions
1- گروه منابع طبیعی و محیط‌ زیست، دانشگاه پیام نور، تهران، ایران ، Alikhahasl@pnu.ac.ir
2- گروه منابع طبیعی و محیط‌ زیست، دانشگاه پیام نور، تهران، ایران
چکیده   (3589 مشاهده)
مقدمه: آشکارسازی و پیش‌بینی تغییرات، لازمه مراقبت از یک اکوسیستم به‌ویژه در مناطقی با تغییرات سریع و اغلب بدون برنامه‌ریزی در کشور‌های درحال‌توسعه است.
اهداف: هدف این پژوهش، پیش‌بینی تغییرات کاربری اراضی حوضه آبخیز مشرف‌به دریاچه بزنگان برای سال 1407 باهدف بررسی تحولات اکوسیستم دریاچه بزنگان و برمبنای تغییرات مشاهده‌شده بین سال‌های 1381 تا 1394 می‌باشد.
مواد و روش‌ها: برای این منظور کلاس‌بندی محدوده موردمطالعه بر اساس پنج رده زراعت آبی، زراعت دیم، مراتع، پهنه آب و اراضی مسکونی برای سال‌های 1368، 1381 و 1394 با استفاده از تصاویر سنجندهای TM، ETM وOLI و بهره‌گیری از متد ICA با صحت کلی23/92 درصد و ضریب کاپای 89/0 درصد انجام‌شده است. سپس با استفاده از مدل تلفیقی زنجیره مارکوف و سلول‌های خودکار، تغییرات کاربری اراضی پیش‌بینی گردیده است. جهت اعتبارسنجی مدل، صحت کلی و ضریب کاپا در نرم‌افزار ایدریسی و به کمک ماژولERRMAT  تعیین‌شده است.
نتیجه‌گیری: ماتریس خطا صحت کلی عملکرد را معادل 71 درصد و ضریب کاپا را 87/0 درصد نشان داد که تأییدکننده مدل زنجیره مارکوف و CA مارکوف برای پیش‌بینی کلاس‌های کاربری اراضی در 13 سال آینده می‌باشد. نتایج حاصله نشان می‌دهد ادامه روند کنونی تغییر کاربری در منطقه، مساحت دریاچه بزنگان را در سال 1407 به 81/12 هکتار، مساحت اراضی زراعت آبی را به 91/495 هکتار، اراضی زراعت دیم را به 42/5764 هکتار، مراتع را به 15/4592 هکتار و مساحت اراضی مسکونی را به 74/94 هکتار خواهد رساند.
واژه‌های کلیدی:

فهرست منابع
1. Anderson, J. R., Hady, E., Roach, E. J., & Wetter, T. (1976). A land use and land cover classification system for use with remote sensor data. Washington: US Government Printing Office. [DOI:10.3133/pp964]
2. Brown, D. G., Pijanowski, B. C., & Duh, J. D. (2000). Modeling the relationships between land use and land cover on private lands in the Upper Midwest, USA. Journal of Environmental Management, 59(4), 247-263. [DOI:10.1006/jema.2000.0369]
3. Dejkam, S. (2011). Studying the trend and pattern of urban development changes with the landscape ecology approach (case study: Rasht city). (Master's thesis ), University of Tehran, Tehran. (Persian)
4. Department of Natural Resources of Khorasan Razavi Province. (2008). Detailed executive studies of Shourlagh-e-Sarakhs watershed management. (Persian)
5. Eslah, M., Al-Modarresi, S. A., Mofidifar, M., & Malekzadeh Bafghi, S. (2014). Evaluation of Markov chain model efficiency in evaluating land use and land cover change using Lanssat satellite images. Paper presented at the National Conference on Application of Advanced Space Analysis Models (Remote Sensing and GIS in Land Use Planning). Yazd, Yazd Islamic Azad University, Yazd municipality. (Persian)
6. Falahtakar, S., Safiyanian, A., Khajeddin, J., & Ziaei, H. (2009). Investigating the ability of CA Markov model to predict land cover map (case study: Isfahan city). Paper presented at the Geomatics Conference, Mapping Organization, Tehran. (Persian)
7. Fan, F., Weng, Q., & Wang, Y. (2007). Land use and land cover change in Guangzhou, China, from 1998 to 2003, based on Landsat TM/ETM+ imagery. Sensors, 7(7), 1323-1342. [DOI:10.3390/s7071323]
8. Fatahi, M. M., & Habibi Arbatani, V. (2011). Applied remote sensing. Tehran: Abangah Publication. (Persian)
9. Gobattoni, F., Pelorosso, R., & Leone, A. (2009). Assessing the effects of land use changes on soil erosion: a case study in Central Apennine (Italy). Paper presented at the XXXIII CIOSTA - CIGR V Conference 2009, Reggio Calabria (Italy).
10. Goldsmith, F. B. (1991). Monitoring for conservation and ecology. Berlin: Springer Science & Business Media. [DOI:10.1007/978-94-011-3086-8]
11. Guan, D., Li, H., Inohae, T., Su, W., Nagaie, T., & Hokao, K. (2011). Modeling urban land use change by the integration of cellular automaton and Markov model. Ecological Modelling, 222(20), 3761-3772. [DOI:10.1016/j.ecolmodel.2011.09.009]
12. Hashemi Tangestani, M., Beiranvand, S., & Tayyebi, M. H. (2013). Change detection of Bakhtegan Fars lake during the period from 1956 to 2007. Journal of Environmental Studies, 39(3), 189-199. (Persian)
13. Islam Bonyad, A., & Haji Ghaderi, T. (2007). Preparation of Zanjan forests natural map using ETM + Landsat 7 data. Journal of Agricultural Science and Technology, 11(42), 627-638. (Persian)
14. Jensen, J. R. (2007). Remote sensing of the environment: An earth resource perspective. New Jersey: Pearson Prentice Hall. https://doi.org/10.1016/j.rse.2007.03.022 [DOI:10.1016/j.rse.2007.02.014]
15. Kifer, L. (2000). Fundamentals of remote sensing and interpretation of aerial and satellite images (H. Malmeryan, Trans.). Tehran: Geographic Organization publications, Ministry of Defense and Armed Forces Support. (Persian)
16. Lu, D., & Weng, Q. (2007). A survey of image classification methods and techniques for improving classification performance. International journal of Remote sensing, 28(5), 823-870. [DOI:10.1080/01431160600746456]
17. Majidian, M. (2015). Evaluating and modeling land use changes using remote sensing and Markov chain model (case study: Yasouj city). (Master's thesis), Payame Noor University, Tehran. (Persian)
18. Namdar, M., Adamowski, J., Saadat, H., Sharifi, F., & Khiri, A. (2014). Land-use and land-cover classification in semi-arid regions using independent component analysis (ICA) and expert classification. International journal of Remote sensing, 35(24), 8057-8073. [DOI:10.1080/01431161.2014.978035]
19. Piquer-Rodríguez, M., Kuemmerle, T., Alcaraz-Segura, D., Zurita-Milla, R., & Cabello, J. (2012). Future land use effects on the connectivity of protected area networks in southeastern Spain. Journal for Nature Conservation, 20(6), 326-336. [DOI:10.1016/j.jnc.2012.07.001]
20. Pontius Jr, R. G., & Chen, H. (2006). Geomod modeling. USA: Clark University.
21. Pontius, R. G. (2000). Quantification error versus location error in comparison of categorical maps. Photogrammetric engineering and remote sensing, 66(8), 1011-1016.
22. Ramezani, N., & Jafari, R. (2015). Land use/cover change detection in 2025 with CA-Markov chain model (case study: Esfarayen). Geographical Researches Quarterly Journal, 29(4), 83-96. (Persian)
23. Safyanian, A., & Khodakarmi, L. (2011). Preparation of land use map using Fuzzy classification method. Town and Country Planning Journal, 3(4), 95-114. (Persian)
24. Samii, A., Aghazadeh, V., & Khodadadi, A. (2007). Environmental impact assessment of Soungoun copper mine. Paper presented at the Proceedings of the 26th Earth Science Forum, Geological Survey and Mineral Exploration of Iran, Tehran. (Persian)
25. Schulz, J. J., Cayuela, L., Echeverria, C., Salas, J., & Rey Benayas, J. M. (2010). Monitoring land cover change of the dryland forest landscape of Central Chile (1975–2008). Applied Geography, 30(3), 436-447. [DOI:10.1016/j.apgeog.2009.12.003]
26. Stéphenne, N., & Lambin, E. F. (2001). A dynamic simulation model of land-use changes in Sudano-sahelian countries of Africa (SALU). Agriculture, Ecosystems & Environment, 85(1), 145-161. [DOI:10.1016/S0167-8809(01)00181-5]
27. Wang, S. Q., Zheng, X. Q., & Zang, X. B. (2012). Accuracy assessments of land use change simulation based on Markov-cellular automata model. Procedia Environmental Sciences, 13, 1238-1245. [DOI:10.1016/j.proenv.2012.01.117]
28. Whitford, W. G. (2008). Ecology of desert systems (H. Azarnivand & A. Malekian, Trans.). Tehran: University of Tehran. (Persian)
29. Wu, Q., Li, H.-q., Wang, R.-s., Paulussen, J., He, Y., Wang, M., . . . Wang, Z. (2006). Monitoring and predicting land use change in Beijing using remote sensing and GIS. Landscape and Urban Planning, 78(4), 322-333. [DOI:10.1016/j.landurbplan.2005.10.002]
30. Zare Garizi, A., Bardi Sheikh, V., Saedoddin, A., & Mahini, A. (2012). Simulating the spatiotemporal changes of forest extent for the Chehelchay watershed (Golestan province), using integrated CA-Markov model. Forest and Poplar Research, 20(2), 273-285. (Persian)
31. Ziaian Firoozabadi, P., Shakiba, A., Matkan, A. A., & Sadeghi, A. (2009). Remote sensing, geographic information system and cellular automata model as a tool for simulation of urban land use change (case Study: Shahre kord). Environmental Sciences Journal, 7(1), 133-148. (Persian)