جعفری گرزین, بهنوش, کاویان, عطااله, سلیمانی, کریم. (1399). مدل سازی تغییرات کاربری اراضی با استفاده از مدلساز تغییر اراضی و پیش بینی وضعیت سال 1409 در آبخیز رودخانه سیاهرود. سامانه مدیریت نشریات علمی, (), -. doi: 10.22092/wmej.2021.128644.1288
بهنوش جعفری گرزین; عطااله کاویان; کریم سلیمانی. "مدل سازی تغییرات کاربری اراضی با استفاده از مدلساز تغییر اراضی و پیش بینی وضعیت سال 1409 در آبخیز رودخانه سیاهرود". سامانه مدیریت نشریات علمی, , , 1399, -. doi: 10.22092/wmej.2021.128644.1288
جعفری گرزین, بهنوش, کاویان, عطااله, سلیمانی, کریم. (1399). 'مدل سازی تغییرات کاربری اراضی با استفاده از مدلساز تغییر اراضی و پیش بینی وضعیت سال 1409 در آبخیز رودخانه سیاهرود', سامانه مدیریت نشریات علمی, (), pp. -. doi: 10.22092/wmej.2021.128644.1288
جعفری گرزین, بهنوش, کاویان, عطااله, سلیمانی, کریم. مدل سازی تغییرات کاربری اراضی با استفاده از مدلساز تغییر اراضی و پیش بینی وضعیت سال 1409 در آبخیز رودخانه سیاهرود. سامانه مدیریت نشریات علمی, 1399; (): -. doi: 10.22092/wmej.2021.128644.1288
مدل سازی تغییرات کاربری اراضی با استفاده از مدلساز تغییر اراضی و پیش بینی وضعیت سال 1409 در آبخیز رودخانه سیاهرود
1دانشجوی دوره دکتری علوم و مهندسی آبخیزداری دانشگاه علوم کشاورزی و منابع طبیعی ساری/ واحد پردیس و مربیپژوهشیمرکز تحقیقات و آموزش
2گروه مهندسی آبخیزداری-دانشکده منابع طبیعی-دانشگاه علوم کشاورزی و منابع طبیعی ساری
3گروه آبخیزداری دانشگاه علوم کشاورزی و منابع طبیعی ساری، ایران
چکیده
برنامهریزی و مدیریت بهینه اراضی، مستلزم بهروزرسانی اطلاعات مربوط به تغییرات کاربری در طول زمان است. استفاده از قابلیتهای سنجشازدور و مدلساز تغییر اراضی(LCM) میتواند بستر مناسبی برای شبیه سازی تغییرات کاربریاراضی ایجاد نماید. در این تحقیق، با استفاده از LCM، تغییرات کاربری اراضی منطقه بالادست آبخیزرودخانه سیاهرود در بازه زمانی1394-1356 ارزیابی شده و سپس کاربری اراضی، برای سال 1409 شبیهسازی گردید. برای این منظور نقشههای کاربریاراضی سالهای 1356،1367، 1377، 1388 و 1394، با استفاده از روشهای طبقهبندی نظارتنشده و نظارتشده تصاویر ماهواره لندست تهیه شده و LCM، برای سه دوره زمانی 1367-1356 و 1377-1367 و 1388-1377 در قالب سه مدل اجرا گردید. پس از ارزیابی عملکرد این مدلها، مناسبترین مدل پیشبینی تغییرات کاربریاراضی انتخاب شده و با استفاده از دادههای دوره 1394-1388 پیشبینی برای سال 1409 انجام گرفت. نتایج این تحقیق بیانگر آن است که استفاده از ورودیهای مناسب برای LCM ، بهکارگیری روش های ترکیبی در طبقهبندی و بهرهگیری از دانش کارشناسی، میتواند در بهبود نتایج طبقهبندی تصاویر ماهواره ای و افزایش کارائی LCM موثر واقع شود( ضریب کاپای 82/0 تا 91/0). پیشبینی تغییرات کاربریاراضی در منطقه بالادست آبخیزرودخانه سیاهرود طی بازه زمانی 1356 تا 1409 بیانگر کاهش 67 درصدی سطح اراضی شالیزاری، کاهش 12 درصدی سطح جنگل و 34برابر شدن وسعت اراضی مخلوط زراعت و باغ و3برابر شدن وسعت مناطق مسکونی است.
1Ph.D. Student، Watershed Management Science and Engineering, Sari Agriculture Sciences and Natural Resources, University, Instructor of Mazandaran Agricultural and Natural Resources Research and Education Center, Sari, Iran.
2Sari Agricultural Sciences and Natural Resources University
3Professor in watershed management engineering, Sari Agriculture Science and Natural Resources University, Iran,
چکیده [English]
Optimized land management and Planning requires updating information on land-use changes over time. The use of remote sensing capabilities and a land-use change modeler (LCM) can provide a suitable platform for simulating land-use changes. In this study, using LCM, land-use changes in the upstream area of the Siahrud River basin were evaluated in the period 1977-2015 and then simulated for 2030. For this purpose, land use maps of 1977, 1988, 1998, 2009, and 2015 were prepared, using unsupervised and supervised classification methods of Landsat satellite images, and LCM, for three periods of 1977-1988, 1988-1998 and 11998-2009 was implemented in the form of three models. After evaluating the performance of these models, the most appropriate model for predicting land-use change was selected and using the data of the period 2009-2015, a prediction was made for the year 2030. The results of this study indicate that the use of appropriate inputs for LCM, the applying of combined methods in classification, and utilizing expert knowledge, can be effective in improving the classification results and increasing the efficiency of LCM. (Kappa coefficient of 0.82 to 0.91). Predicting land-use changes in the Siahroud River basin during the period 1977 to 2030 indicates a 67% decrease in paddy fields and 12% decrease in forest area and a 34-fold increase in the extent of mixed agricultural and garden lands and threefold increase in the extent of residential areas.
کلیدواژهها [English]
Change Detection, Satellite Images, Multi-temporal Analysis, Siahroud River