پیش بینی روند تغییرات مکانی کاربری اراضی در حوزه آبخیز کسیلیان با استفاده از مدل سلول خودکار- مارکوف

نوع مقاله: مقاله پژوهشی

نویسندگان

1 دانش‏آموخته دکتری آبخیزداری، دانشکدۀ منابع طبیعی، دانشگاه تهران، ایران.

2 دانشیار دانشکدۀ منابع طبیعی، دانشگاه تهران، ایران.

3 دانشیار پردیس کشاورزی و منابع طبیعی، دانشگاه تهران، ایران.

4 استادیار، گروه مرتع داری دانشگاه آزاد اسلامی واحد نور، ایران.

چکیده

تهیۀ نقشۀ کاربری اراضی و شبیه­سازی تغییرات آن یکی از ضروری‌ترین اطلاعات مورد نیاز برای مدیریت منابع­طبیعی می‌باشد
به­طوری که پایش زمانی و دقیق تغییرات آیندۀ عوارض سطح زمین برای درک روابط و کنش متقابل بین انسان و پدیده های طبیعی به منظور تصمیم­گیری بهینه، از اهمیت به­سزایی برخوردار است. پژوهش حاضر نیز در راستای شبیه­سازی تغییرات آیندۀ کاربری اراضی حوزۀ آبخیز کسیلیان پرداخته است. بدین منظر در ابتدا نقشه های کاربری/ پوشش سرزمین حوزۀ آبخیز کسیلیان با پردازش چند زمانۀ ماهواره لندست در سال های 1986، 2000 و 2011 تهیه گردید. سپس با استفاده از مدل سلول­های خودکار – مارکوف، وضعیت کاربری / پوشش سال 2011 با منحنی ROC  برابر 9/0 پیش­بینی شد. سپس این مدل برای شبیه­سازی تغییرات کاربری / پوشش سال 2030 اجرا گردید. بر اساس نتایج حاصل از آشکارسازی و شبیه سازی تغییرات روند کاهشی سطح اراضی جنگلی ادامه داشته و بر مساحت مراتع و مناطق مسکونی افزوده خواهد شد. اراضی کشاورزی نیز به دلیل خصوصیات ویژۀ حوزه مانند پرشیب بودن غالب منطقه و بازدهی کم اراضی زراعی بعد از چند سال کشت تغییر چندانی در وسعت و یا تغییر آن‌ها ایجاد نخواهد شد. به طور کلی بیشترین تغییرات کاربری در حاشیه جنگل و حاشیه مرتع رخ داده است و هرچه از این حواشی فاصله گرفته شود از میزان تغییرات کاسته می‌شود. نتایج این پژوهش می تواند در برنامه­ریزی های آتی منطقه که با تغییرات کاربری­/ پوشش مرتبط است مد نظر قرار گیرد.

کلیدواژه‌ها


[1] Alimohammadi, A., Mosivand, A. and Shayan, S. (2009). Prediction of Land use and Land cover change by using remot sensing and markov chain. International Journal of Human-planning and preparation space, 14(2), 1-14 (In Persian).
[2] Anderson, J. R., E. Hardey, E., Roach, J. and Witmer, R.E. (1976). A land use and land cover classification system for use with remote sensor data. US geological survey professional paper, Washington, DC, 964, 28 p.
[3] Bonyad, A. and Taha, H. (2008). Natural forest map Zanjan by using landsat data 7, Journal of Sciences and Technology of Agriculture and Natural Resources, 11, 627-638 (In Persian).
[4] Brown, D. G., Pijanowski, B. C. and Duh, D. J. (2000). Modeling the relationships between land use and land cover on private lands in the Upper Midwest,  Journal of Environmental Management 59, 247-263.
[5] Chilar J. (2000). Land cover mapping of large areas from satellites: status and research priorities. International Journal of Remote Sensing, 21(67), 1093 – 1114.
[6] Fan, F., Wang, Q. and Wang, Y. (2007). Land use and land cover change in Guangzhou, Chaina, from 1998 to 2003, based on landsat TM/ETM+ imagery, 7, 1323-1342.
[7] Guan, D., Li, H., Inohae, T., Su, W., Nagaie, T. and Hokao, K.(2011). Modeling urban land use change by the integration of cellular automaton and Markov model, Ecological Modelling, 222, 3761-3772.
[8] 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.
[9] Khoshgofta, M. and Talei, M. (2010). Simulating Urban Growth in Tehran, CA-Markov Model, Iranian Journal of Remote Sencing & GIS, 2(6), 17-34 (In Persian).
[10] Kityuttachai, K., Tripathi, N., Tipdecho, T. and Shreshta, R. (2013). CA-Markov Analysis of Constrained Coastal Urban Growth Modeling: Hua Hin Seaside City, Thailand, Sustainability, 5, 1480-1500; doi:10.3390/su5041480
[11] Mendoza, M., Granados, E., Geneletti, D., Perez-Salicrup, D. and Salinas, V. (2011). Analysing land cover and land use change processes at watershed level: a multitemporal study in the Lake Cuitzeo Watershed, Mexico (1975–2003). Appl. Geogr, 31, 237–250.
[12] Miao, C.Y., Yang, L. and Chen, X.H. (2012). The vegetation cover dynamics (1982–2006) in different erosion regions of the Yellow River basin, China. Land Degradation & Development, 23 (1), 62–71.
[13] Mohseni, B., Ahmadi, J. and Tahmasbi, R. (2011). Evaluation EPM, MPSIAC and Geomorphology model in estimate sediment and erosin(Case study: Kasilian catchment), Geography and Development Iranian Journal, 22, 107-127 (In Persian).
[14] Nefeslioglu, H.A., Duman T.Y. and Durmaz, S. (2008). Landslide susceptibility mapping for a part of tectonic Kelkit Valley (Easten Black Sea Region of Turkey). Geomorphology, 94, 401-418.
[15] Niazi, Y., Ekhtesasi, M., Maleki nejad, H. and Hosseiny, S. (2011). Comparison of maximum likelihood classification method and artificial neural network mining land use map, Journal of Geography and development, 20, 119-132 (In Persian).
[16] Pirbavaghar, M. (2004). Investigating forest extent changes and related topographic and human factors (case study: eastern forests of Gilan). M.Sc. Thesis, University of Tehran, 136 p (In Persian).
[17] Wang, D., Gong, J., Chen, L., Zhang, L., Song, Y. and Yue, Y. (2013). Comparative analysis of land use/cover change trajectories and their driving forces in two small watersheds in the western Loess Plateau of China, International journal of applied earth observation and geoinformation, 21, 241-252.
[18] White, R. and Engelen, G. (2000). High-resolution integrated modelling of the spatial dynamics of urban and regional systems, Computers, Environment and Urban Systems 24, 383-400.
[19] Zare, A. G., Sheikh, V., Sadoddin, A., Mahiny, S. (2012). Simulating the spatiotemporal changes of forest extent for the Chehelchay watershed (Golestan province), using integrated CA-Markov model, Iranian Journal of Forest and Poplar Research, 20(2), 273-285 (In Persian).