پیش‌بینی تغییرات کاربری اراضی با استفاده از روش‌های پردازش شیءگرا و زنجیره مارکوف

نوع مقاله : مقاله پژوهشی

نویسندگان

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

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

3 استاد گروه علوم محیطی، دانشکده جغرافیا، دانشگاه تبریز، ایران

چکیده

کاهش سطح تراز آبی دریاچه ارومیه و اثرات آن بر محیط پیرامون دریاچه از موضوعات و چالش‌های مهم ملی و بین‌المللی در دو دهه اخیر بوده است. بر اساس مطالعات صورت گرفته یکی از مهم‌ترین عامل اثرگذار بر این روند تغییرات اراضی، به‌ویژه کشاورزی بوده است. بر همین اساس هدف تحقیق حاضر بررسی وضع فعلی و پیش‌بینی وضعیت آتی کاربری اراضی حوزه آبخیز گدارچای واقع در استان آذربایجان غربی یکی از زیر حوضه‌های مهم حوضه آبریز دریاچه ارومیه است. به همین منظور ابتدا تصاویر ماهواره‌ای سنتینل-۲ برای سال‌های میلادی ۲۰۱۶،2020 و ۲۰۲۲ از سایت کپورنیک اتحادیه اروپا دریافت گردید. سپس روش‌های پیش‌پردازش در محیط نرم‌افزارهای مختلف اعمال و تصاویر مربوطه به محیط نرم‌افزار eCognition ارسال شد. در این محیط با استفاده از روش‌های مختلف دانش پایه و شی‌گرا (به‌ویژه سگمنت سازی و تولید لایه‌های ضرایب مختلف) روش طبقه‌بندی نزدیک‌ترین همسایگی اجرا و نقشه‌های کاربری اراضی تولید شد. درنهایت از مدل زنجیره مارکوف به‌منظور پیش‌بینی تغییرات کاربری اراضی در سال‌های آتی استفاده گردید. برای بررسی صحت مدل CA مارکوف، ابتدا نقشه تغییرات پیش‌بینی شده سال 2022 با نقشه طبقه‌بندی 2022 صحت‌سنجی شد. نتایج تحقیق نشان داد که با کاربرد روش‌های دانش پایه به‌ویژه طبقـه‌بنـدی نزدیک‌ترین همسـایگی امکان تولید نقشه‌های کاربری اراضی با دقت بالا (ضریب کاپا ۹۰ درصد) امکان‌پذیر است. ضمناً با اعمال مدل مارکوف نقشه‌های تغییرات کاربری اراضی با دقت قابل‌قبول (در حد ۸۰ درصد) امکان‌پذیر است. نتایج نهایی مبین این واقعیت است که تا سال ۲۰۲۸ میلادی کاربری اراضی کشاورزی (۱۳.۸۹) کشت دیم (14/1) محدوده‌های مسکونی (33/0) و عرصه‌های نمکی دریاچه ارومیه حدود (26) درصد افزایش خواهد داشت. یادآور می‌گردد کلاس کاربری خاک در حد (26/10) و مراتع به میزان (35/5) درصد کاهش خواهند داشت. درمجموع مدل‌های نهایی مبین دقت بالایی روش‌های دانش‌پایه و شیء‌گرا و کارایی مناسب مدل مارکوف در روند مطالعه تغییرات کاربری اراضی هستند.

کلیدواژه‌ها

موضوعات

مراجع

  • میثاق، نورالدین؛ نیسانی سامانی، نجمه؛ تومانیان، آرا. (1397). شبیه‌سازی رشد شهری تبریز با استفاده از مدل CA-Markov و تصمیم‌گیری چندمعیاره. پژوهش‌های جغرافیای انسانی، 50 (1)،217-231.

    doi: 10.22059/JHGR.2017.224800.1007382

    جویباری مقدم، یاسر؛ اخوندزاده، مهدی؛ سراجیان، محمدرضا. (1393). تخمین سطح پوشش برف با استفاده از تصاویر ماهواره‌ای Landset8. اولین کنفرانس بین‌المللی مهندسی محیط زیست، تهران، مرکز راهکارهای دستیابی به توسعه پایدار. 7 صفحه.

    رسولی، علی اکبر. (1378). مبانی سنجش‌ازدور کاربردی با تاکید بر پردازش تصاویر ماهواره‌ای، چاپ اول. انتشارات دانشگاه تبریز.

     

    • 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/22034/gahr.2023.393602.1849
    • 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). https://doi.org/1088/1755-1315/169/1/012050
    • 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
    • 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, 4th International Conference on Ecohydrology, Soil and Climate Change, 109, 1-78. 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
    • Donnay, J.P., Longley, P.A., & Barnsley, M.J. (2001). Remote Sensing and Urban Analysis: A Research Agenda. London, CRC Press. https://doi.org/10.1201/9781482268119
    • Ebrahimy, H.,  Rasuly, A., & Ahmadpour, A. (2019). Modeling dynamic changes of Land Use with Object Based Image Analysis and CA-Markov approach (Case study: Shiraz city). Geographical Data, 27(108), 137-149. [In Persian] https://doi.org/10.22131/sepehr.2019.34625
    • Ghafari, S., Moradi, H.R., & Modarres, R. (2018). Comparison of Object-Oriented and Pixel-Based Classification Methods for Land Use Mapping (Case Study: Isfahan-Borkhar, Najafabad and Chadegan Plains). Journal of Remote sensing and Geographical information system for natural Resources, 9(1), 40-57. [In Persian] https://journals.iau.ir/article_540415.html
    • 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). https://doi.org/10.3390/su10103421
    • HUA, A. (2017). Application of CA-Markov Model and Land Use/Land Cover Changes in Malacca River Watershed, Malaysia. Applied Ecology and Environmental Research, 15 (4), 605-922. http://dx.doi.org/10.15666/aeer/1504_605622
    • 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/pdf/10.5555/20123239823
    • Kangabam, R.D., Selvaraj, M., & Govindaraju, M. )2019(. Assessment of Land 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. https://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(01), 773-783. https://cdn.usharama.edu.in/documents/civil-eng-faculty-publications/k-sundara-kumar-research-scholar.pdf
    • 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. [In Persian] https://www.magiran.com/p2062797
    • Moe, I.R., Kure, S., Januriyadi, N.F., Farid, M., Udo, K., Kazama, S., Koshimura, S., 2017. Future Projection of Flood Inundation Considering Land-Use Changes and Land Subsidence in Jakarta, Indonesia. Hydrological Research Letters, 11(2), 99-105. https://doi.org/10.3178/hrl.11.99.
    • 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 1862(1), 1-9. https://doi.org/10.1063/1.4991281
    • Munthali, M., Botai, J., Davis, N., Ade La Abiodun, M. (2019). Muti-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.
    • Rasouli, A.A., Asgarova, M.M., & Safarov, S.H. (2021). Mapping of LC/LU Changes Inside the Aghdam District of the Karabakh Dconomics Region Applying Object-Based Satellite Image Analysis. Journal of Life Sciences & Biomedicine, 3(76), 54-69.  http://dx.doi.org/10.29228/jlsb.22
    • Rasouli, A.A., Safarov S.H., Asgarova M., Safarov E.S., & Milani M. (2021). Detection and Mapping of Green-Cover and Landuse Changes by Advanced Satellite Image Processing Techniques (A Case Study: Azerbaijan Eastern Zangezur Economic Region). ANAS Transactions, Earth Sciences, 2, 27-45. https://doi.org/10.33677/ggianas20220200080
    • Rasuly Pirouzian, A.A., Chnung,K., Moharrami, M., & Derafshi, A. (2015). Signifying of the Urmia Lake Changes Using Objected-Oriented Image Processing Techniques. Journal of Applied Hydrology, 2(2), 13-23. [In Persian] https://www.researchgate.net/publication/335107512_Signifying_of_the_Urmia_Lake_changes_using_Object-Oriented_image_processing_techniques/citations
    • - 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), 1-17.   https://doi.org/10.3390/su9081285
    • Sarabuddin Mondal, M., Sharma, N., Kappas, M., & Garg, P. (2019). CA Markov Modeling of Land Use/Land Cover Dynamics and Sensitivity Analysis, Identify Sensitive Parameters. Remote Sensing and Spatial Information Science, 2 (13), 723-729. https://doi.org/10.5194/isprs-archives-XLII-2-W13-723-2019

    -          Yamani, M., & Abbasi, M. (2020). Evaluation of Flooding below Gadar Catchments Based on Morphometric Parameters and Statistical Correlation. Town and Country Planning, 12(1), 205-224. [In Persian] https://jtcp.ut.ac.ir/article_74823.html

    -          Tzotsos, A., & Argialas, D. (2008). Support vector machine classification for object-based image analysis. Object-based image analysis: Spatial concepts for knowledge-driven remote sensing applications, 663-677. https://link.springer.com/chapter/10.1007/978-3-540-77058-9_36

    • 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.

     

     

     

ارسال نظر در مورد این مقاله
CAPTCHA Image

فایل ها

سابقه مقاله

  • تاریخ دریافت: 30 اردیبهشت 1402
  • تاریخ بازنگری: 02 مرداد 1402
  • تاریخ پذیرش: 18 مرداد 1402

هم رسانی

ارجاع به این مقاله

آمار