بررسی قابلیت انتقال کاربری اراضی و پوشش زمین با استفاده از روش‌های رویه یادگیری بر مبنای نمونه وزنی مشابهت، رگرسیون لجستیک و ژئومد (مطالعه موردی: حوزه بسطام شهرستان سلسله)

زمینه و هدف: ارزیابی و برآورد قابلیت انتقال با صحت بالا، یک گام مهم در روند مدل سازی و پیش بینی تغییرات کاربری اراضی و پوشش زمین است. هدف از این پژوهش، بررسی قابلیت تغییرات کاربری اراضی و پوشش زمین با استفاده از روش های رویه یادگیری بر مبنای نمونه وزنی مشابهت، رگرسیون لجستیک و ژئومد است.روش بررسی: نقشه های کاربری اراضی و پوشش زمین مربوط به یک دوره زمانی 30 ساله (1364 تا1394) با استفاده از تصاویر ماهواره های لندست 5 و 8 تهیه شد. مدل سازی قابلیت انتقال کاربری اراضی و پوشش زمین با استفاده از روش های رویه یادگیری بر مبنای نمونه وزنی مشابهت، رگرسیون لجستیک و ژئومد و متغیرهای تاثیرگذار در روند تغییرات صورت گرفت. میزان صحت نتایج به دست آمده از مدل ها با استفاده از نقشه واقعیت زمینی تعیین شد. مراحل اجرایی این پژوهش در بازه زمانی سال های 1395 تا 1396 انجام شد.یافته ها: میزان ضریب کاپا برای روش های رویه یادگیری بر مبنای نمونه وزنی مشابهت، رگرسیون لجستیک و ژئومد به ترتیب 0.84، 0.76 و 0.67 محاسبه شد. بررسی نقشه های پیش بینی شده برای سال 1409 با استفاده از روش رویه یادگیری بر مبنای نمونه وزنی مشابهت و زنجیره مارکوف نشان داد که مساحت مناطق مسکونی، باغات و اراضی کشاورزی روند افزایشی و مساحت اراضی بایر، جنگل ها، مراتع و منابع آبی روند کاهشی خواهند داشت.بحث و نتیجه گیری: در نهایت نتایج حاکی از دقت نسبتاً بالای سه روش در برآورد قابلیت تغییرات کاربری اراضی و پوشش زمین است پاما با توجه به ضرایب کاپای به دست آمده، دقت روش رویه یادگیری بر مبنای نمونه وزنی مشابهت بیشتر از دو روش دیگر بوده است.

Investigating the transmission potential of land use and land cover using Similarity Weighted Instance based Learning, Logistic regression and Geomod methods (Case study: Bastam basin, Selseleh city)

< p >Background and Objective: Assessing and estimating the highaccuracy transmission potential is an important step in the process of land use and land cover changes modeling and predicting. The aim of this study is to investigate the transmission potential of land use and land cover changes using Similarity Weighted Instance based Learning, Logistic regression and Geomod methods.< p >Method: The land use and land cover maps for a 30year period (19852015) were prepared using Landsat 5 and 8 satellite imagery. Land use and land cover transmission potential modeling was done using Similarity Weighted Instance based Learning, Logistic regression and Geomod methods and effective variables in the process of change. The accuracy of the results obtained from the models was determined by comparing with ground reality map for mentioned year.< p >Findings: The Kappa coefficient of Similarity Weighted Instance based Learning, Logistic regression and Geomod were 0.84, 0.76 and 0.67, respectively. The investigating predicted maps for 2030 prepared by Similarity Weighted Instance based Learning and Markov chain showed that the area of residential areas, gardens and agricultural lands is increasing and the area of bare land, forests, pastures and water resources will have a decrease trend.< p >Discussion and Conclusion: Finally, the results indicate a relatively high accuracy of three methods in estimating the transmission potential for land use and land cover changes, but according to the kappa coefficients, the accuracy of Similarity Weighted Instance based Learning method more than the other two methods.< p >