حانیه رضایی؛ شراره پورابراهیم؛ محمد کریم الدینی
چکیده
آشکار سازی و پیش بینی تغییرات پوشش/کاربری سرزمین علاوه بر درک عملکرد و سلامت اکوسیستم ها، امکان مدیریت و برنامه ریزی سرزمین را خصوصا در مناطق با تغییرات سریع و اغلب ناهمسو با طرحهای آمایش سرزمین فراهم می سازد. مطالعه حاضر سعی دارد علاوه بر معرفی قابلیتهای گوگل ارث انجین با استفاده از مدل ترکیبی سلول خودکار و زنجیره مارکوف به پایش ...
بیشتر
آشکار سازی و پیش بینی تغییرات پوشش/کاربری سرزمین علاوه بر درک عملکرد و سلامت اکوسیستم ها، امکان مدیریت و برنامه ریزی سرزمین را خصوصا در مناطق با تغییرات سریع و اغلب ناهمسو با طرحهای آمایش سرزمین فراهم می سازد. مطالعه حاضر سعی دارد علاوه بر معرفی قابلیتهای گوگل ارث انجین با استفاده از مدل ترکیبی سلول خودکار و زنجیره مارکوف به پایش الگوی تغییرات سرزمین و پیش بینی الگوی تغییرات آتی بپردازد. جهت انجام تحقیق ابتدا سه تصویر لندست (2006، 2014 و 2021) با استفاده از روش طبقهبندیکننده ماشین بردار پشتیبان طبقهبندی شدند و با استفاده از نقشه های طبقه بندی شده (2014-2006) و (2021-2014)، و مدل ترکیبی سلول حودکار و زنجیره مارکوف برای سال های 2021 و 2035 شبیه سازی انجام شد. جهت ارزیابی دقت نقشه پیش بینی شده 2021 از نقشه طبقه بندی شده همان سال استفاده شد. دقت توافق بین نقشههای طبقه بندی شده و مدلسازی شده به ترتیب812/0 Kno=، 816/0Klocation=، 786/0 Kstandard= بود. ارزیابی روند تغییرات نشان میدهد که بین سالهای 2006 تا 2035، مساحت طبقه انسان ساخت از 01/4839 هکتار به 76/7199 هکتار خواهد رسید و 75/2360 هکتار افزایش را شاهد خواهیم بود. این نتایج بیانگر لزوم توجه به برنامه های آمایشی در فرایند برنامه ریزی سرزمین است. استفاده از مدل های شبیه سازی می تواند خطرهای تصمیم گیری بلندمدت را در مدیریت سرزمین کاهش دهد. همچنین استفاده از گوگل ارث انجین موجب کاهش هزینه و زمان طبقه بندی و پردازش تصاویر ماهواره ای خواهد شد.