تحلیل روند تغییرات گذشته وآینده کاربری اراضی حوزه آبخیز زولاچای

نوع مقاله : مقاله پژوهشی

نویسندگان

• طیبه ایرانی ¹
• هیراد عبقری ²
• علی اکبر رسولی ³

¹ دکتری آبخیزداری، دانشکده منابع طبیعی، دانشگاه ارومیه، ارومیه، ایران

² دانشیار گروه مرتع و آبخیزداری، دانشکده منابع طبیعی، دانشگاه ارومیه، ارومیه، ایران

³ استاد گروه علوم محیطی، دانشگاه مک کواری، سیدنی، استرالیا

10.22067/geoeh.2024.88446.1494

چکیده

بررسی پیش‌بینی تغییرات کاربری و پوشش اراضی از جمله عوامل مهم برای درک تحولات محیطی در تمام مقیاس‌های زمانی و مکانی می‌باشد. هدف پژوهش حاضر بررسی روند تغییرات گذشته و پیش‌بینی وضعیت آتی کاربری اراضی حوضه آبخیز زولاچای واقع در استان آذربایجان غربی یکی از زیرحوضه‌های حوضه آبریز دریاچه ارومیه در 33 اخیر است. به‌همین منظور ابتدا تصاویر Sentinel2 و Lansat 5, 7، برای سال‌های 1990، 2020،2016،2010،2005،2000، 1995 و2023 دریافت گردید. سپس روش‌های پیش‌پردازش در محیط نرم‌افزارهای مختلف اعمال و تصاویر مربوطه به محیط نرم‌افزار eCognition ارسال گردید. در این محیط با استفاده از روش شیءگرا مدل طبقه‌بندی نزدیک‌ترین همسایگی اجرا و نقشه‌های کاربری و پوشش اراضی تولید شد. در نهایت با استفاده از روش CA مارکوف شبیه‌سازی تغییرات کاربری اراضی برای سال 2030 انجام شد. برای بررسی صحت مدل CA مارکوف، نقشه تغییرات پیش‌بینی شده سال 2023 با نقشه طبقه‌بندی 2023 صحت‌سنجی شد. نتایج پژوهش نشان داد که با کاربرد روش‌های دانش ­پایه به ویژه طبقـه‌بنـدی نزدیـک‌تـرین همسـایگی امکان تولید نقشه‌های کاربری اراضی با دقت بالا ضریب کاپا91% امکان‌پذیر است. ضمنا با اعمال مدل مارکوف نقشه‌های تغییرات کاربری اراضی با دقت قابل قبول 87% امکان پذیر است. نتایج نهایی نشان می‌دهد تا سال 2030 میلادی کاربری اراضی کشاورزی 03/15% محدوده‌های مسکونی 9/0% و دیم حدود 14% افزایش خواهد داشت. کلاس کاربری خاک در حد 68/23% و مراتع به میزان 5/6% کاهش خواهند داشت. در مجموع، مدل‌های نهایی نشان دهنده دقت بالای روش‌های دانش پایه و شیءگرا، و همچنین کارایی مناسب مدل مارکوف در مطالعه تغییرات کاربری اراضی هستند. یافته‌های حاصل از پژوهش حاضر می‌توانند در روند برنامه‌ریزی‌های محیطی آتی، به ویژه با هدف توصیه پایدار و بهره‌برداری اصولی از اراضی، به عنوان مرجع مورد استفاده قرار گیرند.

کلیدواژه‌ها

• تصاویرماهواره‌ای سنتینل2 و لندست
• زنجیره‌مارکوف
• پردازش شیءگرا
• وضعیت اراضی
• حوزه‌آبخیززولاچای

موضوعات

• مخاطرات تکنولوژیک

---

©2025 The author(s). This is an open access article distributed under Creative Commons Attribution 4.0 International License (CC BY 4.0)

مراجع

References

Abedini, M., Pasban, A., & Nezafat Taklhe, B. (2023). Evaluation and Preparation of Land Use Map of Nirchai Watershed Using object oriented method. Geography and Human Relationships, 5(4), 318-328. [In Persian] https://doi.org/10.22034/gahr.2023.393602.1849

Abiyat, M., Attar Roshan, S., & Abiyat, M. (2020). Evaluating and Predicting Vegetation Changes Pertaining to Land Use Changes using LCM Model and CA-Markov Chain (Case Study: Ahvaz City). Journal of Geography and Environmental Hazards, 9(3), 183-204. [In Persian] https://doi.org/10.22067/geoeh.2020.67236.0

Aburas, M. M., Abdullah, S. H., Ramli, M. F., Ash'aari, Z. H., & Ahamad, M. S. S. (2018). Simulating and monitoring future land-use trends using CA-Markov and LCM models. In IOP Conference Series: Earth and Environmental Science,‏ 169(1), 012050. https://iopscience.iop.org/article/10.1088/1755-1315/169/1/012050

Armenteras, D., Murcia, U., González, T. M., Barón, O. J., & Arias, J. E. (2019). Scenarios of land use and land cover change for NW Amazonia: Impact on forest intactness. Global Ecology and Conservation, 17, 1-13. https://doi.org/10.1016/j.gecco.2019.e00567

Birhanu, A., Masih, I., Van Der Zaag, P., Nyssen, J., & Cai, X. (2019). Impacts of land use and land cover changes on hydrology of the Gumara catchment, Ethiopia. Physics and Chemistry of the Earth, Parts a/b/c, 112, 165-174. https://doi.org/10.1016/j.pce.2019.01.006

Blaschke, T. (2010). Object based image analysis for remote sensing. ISPRS Journal of Photogrammetry and Remote Sensing, 65(1), 2-16. https://doi.org/10.1016/j.isprsjprs.2009.06.004

Fathollahi Roudbary, S. M., Nasir Ahmadi, K., & Khan Mohammadi, M. (2018). land use change modeling using LCM module (Case study: NEKA region). Natural Ecosystems of Iran, 9(1), 53-69. [In Persian] https://sanad.iau.ir/Journal/nei/Article/983200

Hamad, R., Balzter, H., & Kolo, K. (2018). Predicting land use/land cover changes using a CA-Markov model under two different scenarios. Sustainability, 10(10), 3421. https://doi.org/10.3390/su10103421

Hersi, N. A., Mulungu, D. M., & Nobert, J. (2024). Spatio-temporal prediction of land use and land cover change in Bahi (Manyoni) Catchment, Tanzania, using multilayer perceptron neural network and cellular automata-Markov chain model. Environmental Monitoring and Assessment, 196(1), 29. https://doi.org/10.1007/s10661-023-12201-w

‎Igué, A. M., Houndagba, C. J., Gaiser, T., & Stahr, K. (2022). Accuracy of the Land Use/Cover classification in the Oueme Basin of Benin (West Africa). International Journal of AgriScience, 2(2), 174-184. https://www.cabidigitallibrary.org/doi/full/10.5555/20123239823

Irani, T., Abghari, H., & Rasouli, A. A. (2024). Prediction of Landuse Changes Applying Knowledge-Based and Markov Chain Methods. Journal of Geography and Environmental Hazards, 13(2), 316-338. [In Persian] https://doi.org/10.22067/geoeh.2023.82510.1369

Jouybari Moghadam, Y., Akhundzadeh, M., & Sarajian, M. R. (2014). Estimating snow cover using Landsat 8 satellite images. First International Conference on Environmental Engineering, Tehran. [In Persian] https://civilica.com/doc/347610

Kangabam, R. D., Selvaraj, M., & Govindaraju, M. (2019). Assessment ofland use land cover changes in Loktak Lake in Indo-Burma Biodiversity Hotspot using geospatial techniques. The Egyptian Journal of Remote Sensing and Space Science, 22(2), 137-143. http://dx.doi.org/10.1016/j.ejrs.2018.04.005

Kumar, K. S., Bhaskar, P. U., & Padmakumari, K. (2015). Application of land change modeler for prediction of future land use land cover: a case study of Vijayawada City. International Journal of Advanced Technology in Engineering and Science, 3(1), 773-783.

Longley, P. A., Barnsley, M. J., & Donnay, J. P. (2001). Remote sensing and urban analysis: a research agenda. http://dx.doi.org/10.4324/9780203306062

Mirakhorlo, M., & Rahimzadegan, M. )2018(. Integration of SimWeight and Markov Chain to Predict Land Use of Lavasanat Basin. Numerical Methods in Civil Engineering, 2(4), 146-158. https://doi.org/10.29252/nmce.2.4.1

Misagh, N., Neysani Samani, N., & Tomanain, A. (2018). Simulation of Urban Development in Tabriz Using CA-Markov Model and Multi-criteria Decision Making. Human Geography Research, 50(1), 217-231. [In Persian] https://doi.org/10.22059/jhgr.2017.224800.1007382

Moharrami, M., Rasuly, A. A., & Rostamzadeh, H. (2016). Modeling the Impacts of Urmia Lake Retrogression upon the East Coast Villages by Object-Based Image Analysis Procedure. Journal of Spatial Analysis Environmental Hazards, 3(3), 81-98. [In Persian]  http://dx.doi.org/10.18869/acadpub.jsaeh.3.3.81

Mujiono, T. L., Harmantyo, D., Rukmana, I. P., & Nadia, Z. (2017). Simulation of land use change and effect on potential deforestation using Markov Chain-Cellular Automata. In AIP Conference Proceedings, 1862(1), 1-9. https://doi.org/10.1063/1.4991281

Munthali, M. G., Botai, J. O., Davis, N., & Adeola, A. M. (2019). Multi-temporal analysis of land use and land cover change detection for dedza district of Malawi using geospatial techniques. Applied Engineering, 14(5), 1151-1162. http://hdl.handle.net/2263/71103

Nazar Neghad, H., Hosseine, M., & Mostafazadeh, R. (2020). Assessment of Changes in Landuse Connectivity and Pattern using Landscape Metrics in the Zolachai Watershed, Salmas. Geographical Planning of Space, 9(34), 53-66. [In Persian] https://doi.org/10.30488/gps.2020.95381.2570

Rasouli, A. A. (1999). Fundamentals of Applied Remote Sensing with a Focus on Satellite Image Processing. Tabriz: Tabriz University. [In Persian]

Rasouli, A. A., Asgarova, M. M., & Safarov, S. H. )2021(. Mapping of LC/LU changes inside the Aghdam district of the Karabakh economics region applying object-based satellite image analysis. Journal of Life Sciences & Biomedicine, 3(76), 54-69.  http://dx.doi.org/10.29228/jlsb.22

Roushangar, K., Aalami, M. T., & Gol Mohammadi, H. (2022). Effect of Land Use Trends on the Amount of Agricultural Water Consumption in Urmia Lake Watershed in the Next 20 Years Using Markov Chain. Journal of Water and Soil Resources Conservation, 12(2), 115-131. [In Persian] https://doi.org/10.30495/wsrcj.2022.68546.11310

Samie, A., Deng, X., Jia, S., & Chen, D. (2017). Scenario-based simulation on dynamics of land-use-land-cover change in Punjab Province, Pakistan. Sustainability, 9(8), 1285. https://doi.org/10.3390/su9081285

Weslati, O., Bouaziz, S., & Sarbeji, M. M. (2023). Modelling and assessing the spatiotemporal changes to future land use change scenarios using remote sensing and CA-markov model in the mellegue catchment. Journal of the Indian Society of Remote Sensing, 51(1), 9-29. https://doi.org/10.1007/s12524-022-01618-4

Yirsaw, E., Wu, W., Shi, X., Temesgeh, H., & Bekele, B. (2017). Land use and land cover change modeling and the prediction of subsequent changes in ecosystem service values in a coastal area of China, The Su-Xi-Change region. Sustainability, 9 (1204), 2-17. https://doi.org/10.3390 /su9071204