تعداد نشریات | 161 |
تعداد شمارهها | 6,532 |
تعداد مقالات | 70,501 |
تعداد مشاهده مقاله | 124,110,306 |
تعداد دریافت فایل اصل مقاله | 97,213,987 |
مدلسازی تغییرات کاربری اراضی در حوزۀ آبخیز هراز با استفاده از رگرسیون لجستیک و زنجیرۀ مارکوف | ||
نشریه محیط زیست طبیعی | ||
مقاله 13، دوره 70، شماره 2، مرداد 1396، صفحه 397-411 اصل مقاله (1.77 M) | ||
نوع مقاله: مقاله پژوهشی | ||
شناسه دیجیتال (DOI): 10.22059/jne.2017.116904.850 | ||
نویسندگان | ||
عطااله کاویان* 1؛ ظریفه زرگوش2؛ زینب جعفریان جلودار3؛ حمید دارابی4 | ||
1دانشیار گروه آبخیزداری، دانشکدۀ منابعطبیعی، دانشگاه علوم کشاورزی و منابعطبیعی ساری | ||
2دانشآموختۀ کارشناسی ارشد آبخیزداری، دانشکدۀ منابعطبیعی، دانشگاه علوم کشاورزی و منابعطبیعی ساری | ||
3دانشیار گروه مرتعداری، دانشکدۀ منابعطبیعی، دانشگاه علوم کشاورزی و منابعطبیعی ساری | ||
4دانشجوی دکتری علوم و مهندسی آبخیزداری، دانشکدۀ منابعطبیعی، دانشگاه علوم کشاورزی و منابعطبیعی ساری | ||
چکیده | ||
بررسی تغییرات مکانی و زمانی کاربری اراضی اطلاعات خوبی را به طراحان، برنامهریزان و مدیران جهت برنامهریزی دقیق ارائه میدهد. یکی از روشهای مورد استفاده برنامهریزان و مدیران جهت مدیریت تغییرات کاربری اراضی، مدلسازی آن میباشد. تحقیق حاضر با هدف پیشبینی تغییرات کاربری اراضی حوزۀ آبخیز هراز با استفاده از رگرسیون لجستیک و زنجیرۀ مارکوف انجام شد. جهت تهیۀ نقشۀ کاربری اراضی منطقۀ مورد مطالعه از تصاویر سری ماهوارههای لندست (1367-L5-TM، 1379 L7-ETM+-و 1392-L8-OLI) استفاده شد. برای این منظور الگوریتم حداکثر احتمال و نرم افزار ENVI 4.8 برای هر سه مقطع زمانی استفاده شد. سپس مدلسازی پتانسیل انتقال با استفاده از مدلساز تغییر سرزمین (LCM) و روش رگرسیون لجستیک (LR) انجام گرفت. جهت پیشبینی کاربری اراضی 1404 از دورههای واسنجی 1379-1367، 1392-1379 و 1392-1367 با استفاده از زنجیرۀ مارکوف و مدل پیشبینی سخت استفاده شد. نتایج ارزیابی دورههای واسنجی با استفاده از روش GEOMOD و پارامترهای (N(n)،N(m) ، H(m)، M(m)، K(m)، P(m) و P(p)) و آمارههای کاپا نشان داد که دورۀ واسنجی 1392-1367 بالاترین صحت را جهت پیشبینی تغییرات کاربری اراضی سال 1404 داشت. نتایج تغییرات کاربری اراضی حاکی از آن بود که طی دورۀ 1392-1367، میزان کاهش جنگل، مرتع و زراعت آبی بهترتیب 20/4، 09/5 و 63/0 درصد بوده است. همچنین طی دورۀ مذکور مناطق مسکونی، باغ و اراضی فاقد پوشش گیاهی به ترتیب 28/1، 20/2 و 62/6 درصد افزایش یافتند. بیشترین تغییرات در این دوره تبدیل اراضی جنگلی و مرتعی به باغات (4/8836 هکتار)، مسکونی (1/5165 هکتار) و اراضی فاقد پوشش گیاهی (4/26598 هکتار) است. همچنین نتایج مدلسازی کاربری اراضی برای سال 1404 نشان داد که مساحت اراضی جنگلی و مرتعی نسبت به سال 1392 بهترتیب 18/2978 و 41/6367 هکتار کاهش و زراعت آبی، اراضی مسکونی، باغی و اراضی فاقد پوشش گیاهی بهترتیب 86/391، 38/29، 42/1453و 94/7214 هکتار افزایش خواهند یافت. | ||
کلیدواژهها | ||
ماهواره لندست؛ مدلسازی کاربری اراضی؛ رگرسیون لجستیک؛ زنجیرۀ مارکوف؛ ارزیابی صحت | ||
مراجع | ||
Alansi, A.W., M.S.M., Amin, G., Abdul Halim, H.Z.M., Shafri, A.M., Thamer, A.R.M., Waleed, W., Aimrun, and M.H., Ezrin, 2009. The Effect of Development and Land Use Change on Rainfall-Runoff and Runoff-Sediment Relationships under Humid Tropical Condition: Case Study of Bernam Watershed Malaysia. European Journal of Scientific Research, 31 (1): 88-105. Babaei Aghdam, F., and H., Ebrahimzadeh, 2012. Land use modeling change and of agricultural land and Bareland to urban area in the Ardabil city using CLUE_S model. Journal of geghraphy and Development, 26: 21-34. (In Persian) Darabi, H., K., Shahedi, K., Solaimani, and M., Miryaghoubzadeh, 2014. Prioritization of subwatersheds based on flooding conditions using hydrological model, multivariate analysis and remote sensing technique. Water and Environment Journal, 28 (3): 382-392. Donner, A., and N., Klar, 1996. The statistical analysis of kappa statistics in multiple samples. Journal of Clinical Epidemiology, 49: 1053-1058. Dunne, T., and L.B., Leopold, 1978. Water in environmental planning. W. H. Freeman and Co New York Pub, 818 pp. FAO. 1981. State of the world’s forest. Food and Agriculture Organization of the United Nations. Rome, 144 pp. Fatemi, S.B., and Y., Rezaei, 2010. Principles of remote sensing. Tehran. T: Azadeh, Tehran. 257 pages. (In Persian) Foody, G.M., 2000. Mapping Land Cover from Remotely Sensed Data with a Softened Ghats (India), Sensors, 8: 6132-6153. Gholamali fard, M., Sh., Shooshtari, S.H., Hosseini Kanooj, and M., Mirzaei, 2013. Modeling of land use changes using GIS and LCM in the coastal province, Mohit shenasi, 4: 109-124. (In Persian) Joorabian, Sh., E., Esmaeili Sari, M., Hosseini, and M., Gholamali fard, 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). Kamyab, H., A., 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) Kim, O.S., 2010. An Assessment of Deforestation Models for Reducing Emissions from Deforestation and Forest Degradation (REDD), Transactions in GIS, 14: 631-654. Lambin, E.F., 1997. Modelling and monitoring land-cover change processes in tropical regions, Progress in Physical Geography, 21: 375–393. Li, X., and A.,Yeh, 2002. Neural-network-based cellular automata for simulating multiple land use changes using GIS. International Journal of Geographical Information Science, 16 (4): 323-343. Lourdesa, L., Z., Karinac, L., Pedrob, M., Héctora, and M., Néstorc, 2011. A dynamic simulation model of land cover in the Dulce Creek Basin, ArgentinaA dynamic simulation model of land cover in the Dulce Creek Basin, Argentina, Procedia Environmental Sciences, 7: 194–199. Lu, D., P., Mausel, E., Brondizio, and E., Moran, 2004. Change detection techniques, mapping of the Twin Cities (Minnesota) Metropolitan Area with Multi-seasonal Landsat of plausible future states, EARSeL proceedings, 5 (1): 63-76. 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 & Coastal Management, 67: 113-123. Onate-vadiieso, F., and J.B., sendra, 2010. Aplication of GIS and Remote sensing technequs in generation of landuse scenario for hidrological modeling. Journal of Hydrology, 395 (4): 256-264. Park, S.J., N., Giesen, and P., Vlek, 2005. Optimal Spatial Scale for Land Use Change Modelling: A Case Study in a Savanna Landscape in Northern Ghana. Journal of the Korean Geographical Society, 40 (2): 221-241. Parker, D.C., S.M., Manson, 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. Paudel, S., and F., Yuan, 2012. Assessing landscape changes and dynamics using patch analysis and GIS modeling. International Journal of Applied Earth Observation and Geoinformation, 16: 66–76. Perez-Vega, A., J., Mas, and A., Ligmann-Zielinska, 2012. Comparing two approaches to land use/cover change modeling and their implications for the assessment of biodiversity loss in a deciduous tropical forest. Environmental Modelling & Software, 29 (1): 11-23. Shattaei, Sh., and R., Bagheri, 2010. Decreasin of forest area modeling using the logistic regression (Case Study: Chehl-chay Watershed, Golestan province). Journal of forest, 3: 243-252. (In Persian) Wanga, S.Q., X.Q., Zhenga, and X.B., Zangb, 2012. Accuracy assessments of land use change simulation based on Markov-cellular automata model. Procedia Environmental Sciences, 13: 1238-1245. Wu, Q., Li. R.S., Wang, J., Paulussen, Y., He, and L. Wa, 2006. Monitoring and predicting land use change in Beijing using remote sensing and GIS. Landscape and Urban Planning, 78 (4): 322-333. Yuan, F., M.E., Bauer, N.J., Heinert, and G.R., Holden, 2005. Multi-level Land Cover Mapping of the Twin Cities (Minnesota) Metropolitan Area with Multi-seasonal Landsat TM/ETM+ Data. Geocarto International, 20 (2): 5–13. Zare-Garizi, A., Sh., Vahed bordi, A., Sadodin, and S.E., Mahini, 2011. Using logistic regression in the spatial patterns modeling of vegetation change. Fazaye Geghraphiaei, 37: 56-68. (In Persian) | ||
آمار تعداد مشاهده مقاله: 738 تعداد دریافت فایل اصل مقاله: 611 |