پیش بینی تغییرات کاربری اراضی با استفاده از روش های پردازش شیءگرا و زنجیره مارکوف (مقاله علمی وزارت علوم)
درجه علمی: نشریه علمی (وزارت علوم)
آرشیو
چکیده
کاهش سطح تراز آبی دریاچه ارومیه و اثرات آن بر محیط پیرامون دریاچه از موضوعات و چالش های مهم ملی و بین المللی در دو دهه اخیر بوده است. بر اساس مطالعات صورت گرفته یکی از مهم ترین عامل اثرگذار بر این روند تغییرات اراضی، به ویژه کشاورزی بوده است. بر همین اساس هدف تحقیق حاضر بررسی وضع فعلی و پیش بینی وضعیت آتی کاربری اراضی حوزه آبخیز گدارچای واقع در استان آذربایجان غربی یکی از زیر حوضه های مهم حوضه آبریز دریاچه ارومیه است. به همین منظور ابتدا تصاویر ماهواره ای سنتینل-۲ برای سال های میلادی ۲۰۱۶،2020 و ۲۰۲۲ از سایت کپورنیک اتحادیه اروپا دریافت گردید. سپس روش های پیش پردازش در محیط نرم افزارهای مختلف اعمال و تصاویر مربوطه به محیط نرم افزار eCognition ارسال شد. در این محیط با استفاده از روش های مختلف دانش پایه و شی گرا (به ویژه سگمنت سازی و تولید لایه های ضرایب مختلف) روش طبقه بندی نزدیک ترین همسایگی اجرا و نقشه های کاربری اراضی تولید شد. درنهایت از مدل زنجیره مارکوف به منظور پیش بینی تغییرات کاربری اراضی در سال های آتی استفاده گردید. برای بررسی صحت مدل CA مارکوف، ابتدا نقشه تغییرات پیش بینی شده سال 2022 با نقشه طبقه بندی 2022 صحت سنجی شد. نتایج تحقیق نشان داد که با کاربرد روش های دانش پایه به ویژه طبق ه بن دی نزدیک ترین همس ایگی امکان تولید نقشه های کاربری اراضی با دقت بالا (ضریب کاپا ۹۰ درصد) امکان پذیر است. ضمناً با اعمال مدل مارکوف نقشه های تغییرات کاربری اراضی با دقت قابل قبول (در حد ۸۰ درصد) امکان پذیر است. نتایج نهایی مبین این واقعیت است که تا سال ۲۰۲۸ میلادی کاربری اراضی کشاورزی (۱۳.۸۹) کشت دیم (14/1) محدوده های مسکونی (33/0) و عرصه های نمکی دریاچه ارومیه حدود (26) درصد افزایش خواهد داشت. یادآور می گردد کلاس کاربری خاک در حد (26/10) و مراتع به میزان (35/5) درصد کاهش خواهند داشت. درمجموع مدل های نهایی مبین دقت بالایی روش های دانش پایه و شیء گرا و کارایی مناسب مدل مارکوف در روند مطالعه تغییرات کاربری اراضی هستند.Prediction of Landuse Changes Applying Knowledge-Based and Markov Chain Methods
The water level reduction in Lake Urmia and its effects on the surrounding environment has been among the important national and international challenges in the past two decades. Therefore, this study aimed to investigate the current status and predict the future state of land use in the Gadarchai watershed, located in West Azerbaijan Province, which is one of the important sub-watersheds of the Lake Urmia basin. For this purpose, Sentinel-2 satellite images for 2016, 2020, and 2022 were obtained from the European Union's Copernicus website. Then, preprocessing methods were applied in various software environments, and the relevant images were sent to the eCognition software environment. In this environment, using various basic and object-oriented methods (especially segmentation and production of different coefficient layers), the nearest neighbor classification method was implemented, and land use maps were produced. Finally, the Markov chain model was used to predict changes in land use in future years. To verify the accuracy of the Markov chain model, the predicted land use change map for 2022 was compared with the 2022 classification map. The research results showed that with the application of basic methods, especially nearest neighbor classification, it is possible to produce land use maps with high accuracy (90% kappa coefficient). Also, by applying the Markov model, land use change maps with an acceptable accuracy level (around 80%) are possible. The final results indicate that by the year 2028, agricultural land use (13.89%), dry farming (14.1%), residential areas (0.33%), and salt pans of Lake Urmia (26%) will increase. It should be noted that the soil use class will decrease by 10.26%, and pastures will decrease by 5.35%. Overall, the final models demonstrate the high accuracy of basic and object-oriented methods and the suitable performance of the Markov model in the process of studying land use changes.
تبلیغات
