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

عنوان مقاله [English]

Anticipating of spatial changes trend of land uses based on the cellular automaton-Markov model in Kessillian watershed

نویسندگان [English]

  • M Zare 1
  • Aliakbar Nazari Samani 2
  • shahram khalighi 2
  • javad bazrafshan 3
  • mohsen hasan joury 4

1 Karaj

چکیده [English]

Land use Changes have recently been increasing due to anthropogenic and climatic factors. Natural resources management critically needs land use maps and simulation of its changes for understanding the interaction and relationship between humans and natural phenomena, as well as for making premium decisions. Accordingly, present study has dealth with simulation of future changes land use of Kessillian watershed. Hence, land-use and land cover maps of the catchment was prepared by using multi-period Landsat images captured in 1986, 2000, and 2011. Then, applying cellular automaton and Markov model, the land-use/land cover condition in 2011 was predicted 0.9 using ROC. Thereafter, this model was run for simulating land-use/land cover changes in 2030. According to the results of detection and simulation of changes, forest land reduction trend will continue but the area of rangelands and inhabited areas will expand. Agricultural lands will not seriously change due to steep slope and low fertility after several consequent plantings. In most cases, maximum changes occurred around the forest and rangeland areas and changes will decrease far from these margins. Markov model can precisely show the land changes in the area via time period and can anticipate the future of them. Therefore, this model can be applied in order to manage the land.

کلیدواژه‌ها [English]

  • "land-use change"
  • "cellular automaton"
  • "Markov model"
  • "RS"
  • "Kessillian"
  • "watershed"
[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).