دوره 11، شماره 21 - ( بهار و تابستان 1399 )
جلد 11 شماره 21 صفحات 142-129 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
yousefi M, pajouhesh M, honarbakhsh A. (2020). Modeling Trends Land Use Changes Local by Using LCM Model Based on Artificial Neural Networks and Markov Chain Analysis
(Case Study: BeheshtAbad Watershed). J Watershed Manage Res. 11(21), 129-142. doi:10.52547/jwmr.11.21.129
URL: http://jwmr.sanru.ac.ir/article-1-977-fa.html
URL: http://jwmr.sanru.ac.ir/article-1-977-fa.html
محمدیوسفی مجید، پژوهش مهدی، هنربخش افشین. مدل‌سازی روند تغییرات مکانی کاربری اراضی با استفاده از مدل LCM بر پایه شبکه‌های عصبی مصنوعی و تحلیل زنجیره مارکوف (مطالعه موردی: حوزه آبخیز بهشت‌آباد) پژوهشنامه مديريت حوزه آبخيز 1399; 11 (21) :142-129 10.52547/jwmr.11.21.129
1- مهندسی منابع طبیعی گرایش آبخیزداری. دانشکده منابع طبیعی و علوم زمین دانشگاه شهرکرد
2- دانشکده منابع طبیعی و علوم زمین دانشگاه شهرکرد
2- دانشکده منابع طبیعی و علوم زمین دانشگاه شهرکرد
چکیده: (3296 مشاهده)
پیش‌بینی و مدل‌سازی تغییرات کاربری اراضی برای آگاهی از کمیت و کیفیت تغییرات احتمالی در آینده اهمیت دارد. هدف از این تحقیق، پایش تغییرات کاربری اراضی در گذشته و بررسی امکان پیش‌بینی آن در آینده با استفاده از مدل LCM در حوزه آبخیز بهشت آباد استان چهارمحال و بختیاری است. در این تحقیق تصاویر لندست 5 سنجنده TM سال‌های 1370 و 1387 و لندست 8 سنجنده OLI سال 1395 تجزیه و تحلیل و مورد استفاده قرار گرفت. تصاویر هر سه مقطع زمانی به پنج طبقه مرتع، مناطق ساختمانی- شهری، اراضی کشاورزی، اراضی باغی و اراضی بایر طبقه‌بندی شد. پیش‌بینی وضعیت کاربری اراضی برای سال 1395، با استفاده از نقشه‌های کاربری سال‌های 1370 و 1387 و به کمک مدل LCM و بر پایه شبکه‌های عصبی مصنوعی و تحلیل زنجیره مارکوف انجام گردید. به این منظور، از متغیرهای مکانی فاصله از مراتع، فاصله از مناطق ساختمانی- شهری، فاصله از اراضی کشاورزی، فاصله از اراضی باغی، فاصله از اراضی بایر، فاصله از رودخانه، فاصله از جاده، ارتفاع یا مدل رقومی ارتفاع، شیب و جهت شیب به عنوان عوامل مؤثر بر تغییرات در شبکه عصبی مصنوعی استفاده شد. نتایج مدل‌سازی نیروی انتقال با استفاده از شبکه عصبی مصنوعی در بیش‌تر زیر مدل‌ها صحت بالایی را (62 تا 94 درصد) نشان داد. خطای کل در مدل‌سازی برای سال 1395، حدود 23/4 درصد به دست آمد که نشان دهنده انطباق زیاد تصویر پیش‌بینی شده مدل با تصویر واقعیت زمینی و قابل قبول بودن مدل می‌باشد. هم چنین نتایج پیش‌بینی تغییرات برای سال‌های 1420 و 1429 نشان داد که مساحت اراضی مرتعی و اراضی بایر کاهش و مساحت مناطق ساختمانی- شهری، اراضی باغی و اراضی کشاورزی افزایش خواهند یافت.
واژه‌های کلیدی: بهشت‌آباد، پیش‌بینی تغییرات، پایش تغییرات، تصاویر ماهواره‌ای لندست، طبقه‌بندی تصاویر، متغیرهای مکانی، نیروی انتقال
فهرست منابع
1. Arekhi, S. 2014. The Prediction Trends land use changes Local by using LCM Model In Gis Environment (A Case Study: region Sarabela. Journal of Research in the protection and conservation of forests and rangelands of Iran, 12(1): 1-19 pp (In Persian).
2. Azizi Ghalati, S., K. Rangzan, A. Taghizadeh and Sh. Ahmadi. 2014. LCM Logistic regression modelling of land use changes (Case Study: Kouhmare Sorkhi, Fars province). Iranian Journal of Forest and Poplar Research, 22(4): 585-596 pp (In Persian).
3. Bakr, N. 2010. Monitoring land cover changes in a newly reclaimed area of Egypt using multitemporal Landsat data. Applied Geography, 30(4): 592-605 pp. [DOI:10.1016/j.apgeog.2009.10.008]
4. Bell, E.J. 1974. Markov analysis of land use change an application of stochastic processes to remotely sensed data. Socio-Economic Planning Sciences, 8(6): 311-316 pp. [DOI:10.1016/0038-0121(74)90034-2]
5. Chenm, H. and J. Pontius. 2010. Diagnostic tools to evaluate a spatial land change projection along a gradient of an explanatory variable. Landscape Ecology, 25(9): 1319-1331. [DOI:10.1007/s10980-010-9519-5]
6. Du, Y., P. Teillet and J. Cihlar. 2002. Radiometric normalization of multitemporal high-resolution satellite images with quality control for land cover change detection. Remote Sensing of Environment, (82): 123-134. [DOI:10.1016/S0034-4257(02)00029-9]
7. Eastman, J.R. 2006. IDRISI Andes. Tutorial.Clark University, Worcester, MA.
8. Eastman J.R. 2009. IDRISI Taiga Guide to GIS and Image Processing. Clark University, Worcester; MA 01610-1477 USA. 327p.
9. Farajollahi, A., H.R. Asgari, M. Ownagh, M.R. Mahboubi and A.R. Salman Mahini. 2015. Monitoring and prediction of spatial and temporal changes of landuse cover (Case study: Marave Tappeh region, Golestan). Journal of RS and GIS in Natural Resources, 6(4): 1-14 pp (In Persian).
10. Falahatkar, S., S.M. Hosseini, A.R. Salman Mahiny and S. Ayoubi. 2016. Prediction of Land Use/ Cover Change by Using LCM Model. Journal of Natural Environment, 13(7): 163-174 pp (In Persian).
11. Gholamalifard, M., S.H. Joorabian Shooshtari, H. Hosseini Kahnuj and M. Mirzaei. 2012. Land Cover Change Modeling of Coastal Areas of Mazandaran Province Using LCM in a GIS Environment. Journal of Environmental Studies, 33(4): 109-124 (In Persian).
12. Ghoddousi, J., S. Feiznia, H. Ahmadi, M. Shabani and Sarreshtehdari. 2006. Relationship between land use change and amount of erosion and sediment production in Taleghan watershed. Journal of Pajouhesh and Sazandegi in Natural Resources, 19(73): 124-127 pp (In Persian).
13. Gross, J.E., S.J. Goetz and J. Cihlar. 2009. Application of remote sensing to parks and protected area monitoring: Introduction to the special issue. Remote Sensing of Environment, 113(7): 1343-1345. [DOI:10.1016/j.rse.2008.12.013]
14. Hayatzadeh, M., M. Ekhtesasi, H. Malekinezhad. A, Fathzadeh and H. Azimzadeh. 2016. Simulation of Future Land Use Map of the Catchment Area, with the Integration of Cellular Automata and Markov Chain Models Based on Selection of the Best Classification Algorithm (A Case Study of Fakhrabad Basin of Mehriz, Yazd). Environmental Erosion Research, 6(4): 1-22 pp (In Persian).
15. 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. [DOI:10.1006/jema.2002.0596]
16. Imani Harsini, J., M. Kaboli, J. Feghhi and A. Taherzadeh. 2017. Land use/land cover change modelling using Markov chain and Cellular Automata (Case study: Hamedan province). Journal of Environmental Science and Technology, 19(1): 119-129 pp (In Persian).
17. Ildoromi, A., H. Nori., M. Naderi., S. Aghabeigi Amin and H. Zeinivand. 2017. Land use Change Prediction using Markov Chain and CA Markov Model (Case Study: Gareen Watershed). Journal of Watershed Management Research, 16(8): 232-240 pp (In Persian). [DOI:10.29252/jwmr.8.16.232]
18. Joorabian, Sh., M. Esmaeili Sari., M. Hosseini and M. Gholamalifard. 2013. Logistic Regression and Markov Chain to predict the land use change in the East of Mazandaran. Journal of Natural Resources-Environment, 66: 351-361 (In Persian).
19. Karimi, K. and C.B. Komaki. 2015. Monitoring, assessment and prediction of spatial changes of land use /cover using Markov chain model (Case study: Bostagh Plain-South Khorasan). Journal of RS and GIS in Natural Resources, 6(2): 75-87 pp (In Persian).
20. Kamyab, H., M. Salman Mahiny, M. Hosseini and M. Gholamalifard. 2013. Adopt a data-driven approach using logistic regression to model the urban growth in Gorgan. Journal of Environmental Studies, 36: 89-96 (In Persian).
21. Kurothe, R.S., G. Kumar, S. Rajive, H.B. Singh, SP. Tiwari, A.K. Vishwakarma, D.R. Sena and V.C. Pande. 2014. Effect of tillage and cropping systems on runoff, soil loss and crop yields under semiarid rainfed agriculture in India. Soil Tillage Research, 140: 126-134. [DOI:10.1016/j.still.2014.03.005]
22. Kim, O.S. 2010. An Assessment of Deforestation Models for Reducing Emissions from Deforestation and Forest Degradation (REDD). Transactions in GIS, 14: 631-654. [DOI:10.1111/j.1467-9671.2010.01227.x]
23. kavyan, A., Z. Zargosh, Z. Jaffaryan Jolodar and H. Darabi. 2017. Land use Changes Modelling Using Logistic Regression and Markov Chain in the Haraz Watershed. Journal of Natural Environment, 70(2): 397-411 pp (In Persian).
24. Lu, D. and Q. Weng. 2007. A survey of image classification methods and techniques for improving classification performance. International Journal of Remote Sensing, 28(5): 823-870 pp. [DOI:10.1080/01431160600746456]
25. Mir Alizadehfard, S.R. and S.M. Alibakhshi. 2016. Monitoring and forecasting of land use change by applying Markov chain model and land change modeler (Case study: Dehloran Bartash plains, Ilam). Journal of RS and GIS in Natural Resources, 7(2): 33-45 pp (In Persian).
26. Mendoza, M.E. 2011. Analysing land cover and land use change processes at watershed level: A multitemporal study in the Lake Cuitzeo Watershed, Mexico (1975-2003). Applied Geography, 31(1): 237-250. [DOI:10.1016/j.apgeog.2010.05.010]
27. Munroe, D.K. and D. Muller. 2007. Issues in spatially explicit statistical land-use/cover change (LUCC) models: Examples from western Honduras and the central highlands of Vietnam. Land Use Policy, 24(3): 521-530. [DOI:10.1016/j.landusepol.2005.09.007]
28. Mufubi, A., S. Yudi and H. Effendi. 2016. Land use/land cover change detection in an urban watershed: a case study of upper Citarum Watershed, West Java Province, Indonesia. Procedia Environmental Sciences, 33(2016): 654-660. [DOI:10.1016/j.proenv.2016.03.120]
29. Norouzi, M., G.H. Vahabzadeh, K. Solaimani and M. Shabani. 2012. Introduction of the Land Change Modeler for sustainable management of the environment. Third National Conference on Comprehensive Water Resources Management 20 and 21 September 2012, University of Agricultural Sciences and Natural Resources of Sari.
30. Navidifar, Y. 2011. Investigation Effect of Land Use Change on the River Discharge Using HEC-HMS Model (Case study: Ajerloo Catchment, West Azarbaijan province). M.Sc. Thesis, Sari Agricultural Sciences and Natural Resources University, Sari, Iran. 70 pp (In Persian).
31. Olaniyi, A.O., A.M. Abdullah, M.F. Ramli and M.S. Alias. 2012. Assessment of drivers of coastal land use change in Malaysia. Journal of Ocean and Coastal Management, 67: 113-123. [DOI:10.1016/j.ocecoaman.2012.05.029]
32. Parker, D.C., S.M. Manson Hoffmann and M.J. Deadman. 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. [DOI:10.1111/1467-8306.9302004]
33. Ramezani, N. and R. Jafari. 2014. Land use/cover change detection in 2025 with CA-Markov chain model (case study: Esfarayen). Journal of Geographical Research, 25(4): 84-96 pp (In Persian).
34. Rahi, Gh., A. Kavian, K. Soleimani, A. Nazari Samani and H. Pourghasemi. 2017. Land use Changes Modelling using Satellite Data and Markov Chain (case study: Samal Watershed in Bushehr province). Journal of the Ecosystem of Desert Engineering, 6(17): 15-26 pp (In Persian).
35. Rahnama, M., M. Ajza shokouhi and B. Ata. 2017. Detection of land use/land cover changes in Gonbade Kavus City using remote sensing. Scientific-Research Quarterly of Geographical Data (SEPEHR), 26(103): 148-160 (In Persian).
36. Salman Mahini, A., J. Feghhi, A. Nadali and and B. Riazi. 2009. Tree cover change detection through Artificial Neural Network classification using Landsat TM and ETM+ images (case study: Golestan Province, Iran). Iranian Journal of Forest and Poplar Research, 16 (3): 495-505 (In Persian).
37. Sundara Kumar, K., P. Udaya Bhaskar and K. Padmakumari. 2015. Application of land change modeler for prediction of future land use land cover (a case study: of vijayawada city). International Conference on Science, Technology and Management, 2571-2581.
38. Sanjoy. R., F. Kaniz, P. Mossammat and M. Hasan. 2015. Monitoring and Prediction of Land Use/Land Cover Change using the Integration of Markov Chain Model and Cellular Automation in the Southeastern Tertiary Hilly Area of Bangladesh. International Journal of Sciences: Basic and Applied Research (IJSBAR), 24(4):125-148.
39. Singh, A. 1989. Digital change detection techniques using remotely-sensed data. International Journal of Remote Sensing, 10: 989-1003. [DOI:10.1080/01431168908903939]
40. Vafaei, S., A.A. Darvishsefat and M. Pir Bavaghar. 2013. Monitoring and predicting land use changes using LCM module (Case study: Marivan region). Iranian Journal of Forest, 5(3): 323-336 (In Persian).
41. Vaclavik, T. and J. Rogan .2009. Identifying trends in land use/land cover changes in the context of postsocialist transformation in Central Europe: A case study of the greater Olomouc region, Czech Republic. GIScience and Remote Sensing, 46(1): 54-76. [DOI:10.2747/1548-1603.46.1.54]
42. Yuseffi, M. and A. Ashrafi. 2016. Bojnoord urban growth modeling using remote sensing data (based on neural network and Markov modeling changes of the Earth). Journal of Regional Planning, 6(21): 179-192 pp (In Persian).
43. Yasmine, M., C. Pedro, S. Joel and C. Mario. 2015. Land Cover Mapping Analysis and Urban Growth Modelling Using Remote Sensing Techniques in Greater Cairo Region-Egypt. ISPRS International Journal of Geo-Information, 4: 1750-1769. [DOI:10.3390/ijgi4031750]
44. Zargoush, Z., A. Kavian, H. Darabi and Z. Jafarian. 2014. Application of LCM Model in Detection of Land Use Change (Case Study: Haraz Watershed). The Second National Conference on Environmental Research. August 2014.
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
