مدل‌سازی و پیش‌بینی تغییرات کاربری اراضی با استفاده از مدل زنجیره مارکوف و سلول خودکار (مطالعه موردی: منطقه قلعه جوق، شهرستان تربت حیدریه)

سابقه و هدف: پیش‌بینی تغییرات کاربری اراضی در تشریح روابط متقابل اکوسیستم‌ها و فعالیت‌های انسانی، برای کمک به تصمیم‌گیری مدیران اهمیت زیادی دارد. نقشه کاربری اراضی از منابع اطلاعاتی در مدیریت منابع طبیعی محسوب می‌شود. مدیریت بهینه منابع، نیازمند بررسی، شناخت تغییرات و تخریب‌های منابع در گذشته و برنامه‌ریزی صحیح و اصولی به‌منظور کنترل و مهار تخریب‌های احتمالی در آینده می‌باشد. هدف از این مطالعه ارزیابی کارایی مدل سلول‌های خودکار- مارکوف (ca مارکوف) در تعیین تغییرات کاربری اراضی و پیش‌بینی آن در سال‌های آتی در منطقه قلعه جوق واقع در شهرستان تربت‌حیدریه می‌باشد. مواد و روش‌ها: برای مدل سازی و آشکار سازی تغییرات کاربری اراضی، از تصاویر ماهواره‌ای، سنجش از دور و مدل زنجیره ای مارکوف استفاده شد. منطقه‌ی مطالعاتی حوزه آبخیز روستای قلعه جوق از توابع شهرستان تربت حیدریه می‌باشد. از نقشه توپوگرافی با مقیاس 1:25000 و تصاویر ماهواره oli, etm+, mss لندست به ترتیب مربوط به سال‌های 1987، 2002، 2015 برای تهیه ی نقشه های کاربری اراضی و روند تغییرات کاربری برای دوره های 1987-2002، 2002-2015 و 1987 تا 2015 استفاده شد. تصاویر ماهواره ای با معادله چند جمله ای درجه یک، به روش نزدیکترین همسایه تصحیح هندسی گردید و با استفاده از تبیین خطی و هیستوگرام اصلاح شدند. جهت طبقه بندی تصاویر از روش طبقه بندی نظارت شده و الگوریتم حداکثر احتمال که دقت فابل قبولی دارند استفاده گردید. نقشه کاربری اراضی در 4 طبقه ی مرتع، اراضی بایر، اراضی زراعی، باغات تهیه شد. در این تحقیق با استفاده از مدل ca مارکوف نقشه پیش بینی سال 2015 با نقشه نظارت شده مقایسه شد. درصد مساحت کلاس های کاربری اراضی، باغ، مرتع، بایر و زراعی در سال 1987 از 5، 54، 24 و 17 درصد به 7، 4، 7، 36، 51 و 6/7 درصد در سال 2015 تغییر داشته است و نقشه کاربری اراضی برای سال‌های 2025 و 2040 پیش بینی گردید. جهت کالیبراسیون مدل از نقشه پیش بینی سال 2015 استفاده شد.یافته‌ها و نتیجه‌گیری: نتایج نشان داد با توجه به ضریب کاپا بدست آمده، نقشه تهیه شده از دقت بالایی برخوردار بوده است. براساس نتایج حاصل از آشکار سازی و شبیه سازی روند اراضی مرتعی و زراعی جزو ناپایدارترین طبقات محسوب می‌شوند. اراضی باغی بدلیل توجه بیشتر و اهمیت اقتصادی آن، تغییر چندانی در وسعت آن ایجاد نشده است، بطورکلی بیشترین تغییرات در مراتع و اراضی زراعی رخ داده است. که با توجه به کارهای اصلاحی که در منطقه انجام شده است از مساحت اراضی زراعی کم بازده کاسته و به مراتع اضافه شده است.

modeling and predicting land use changes using markov chain model (case study: ghaleh jogh, torbat-e-heydarieh city)

background and objectives: prediction of land use changes in explaining the interactions between ecosystems and human activities is important for helping decision makers. a land use map is considered an information resource in natural resource management. optimal resource management needs to be investigated, as recognition of changes and resource degradation in the past, and proper and principled planning in order to control and control possible future degradation. the purpose of this study was to evaluate the performance of the markov chain model (ca markov) in determining and predicting land use changes for the future in the ghaleh jogh area located in the city of torbat-e-heydarieh.materials and methods: satellite imagery, remote sensing, and the markov chain model were used for modeling and detecting land use change. the study area of the ghaleh jogh watershed is from torbat-e-heydarieh province. a topographic map with a scale of 1: 25,000 and oli, etm+, and landsat mss images of 1987, 2002, and 2015 were used to prepare land use maps and the changes process. satellite imagery with first order polynomial equation was corrected by the method of closest neighboring geometric correction and corrected using linear and histogram explanations. for the categorization of images, the controlled classification method and the maximum probability algorithm with acceptable accuracy are used. a land use map was prepared in 4 ranges of pasture land, bayer lands, crops, and gardens. in this research, using the ca markov model, the 2015 forecast map was compared with the monitored map. the percentage of land use, garden, rangeland, lawn, and arable land use varies from 5, 54, 24, and 17 percent in 1987 to 7, 4, 7, 36, 51, and 7.6 percent in 2015, and the user's map lands for 2025 and 2040 are foreseen. model calibration was used for predicting the 2015 model. results and conclusion: the results showed that according to the kappa coefficient, the prepared map has high accuracy. based on the results of the detection and simulation of the pasture and cultivating lands, they are among the most unstable classes. garden lands due to more attention and economic significance, there have not been any significant changes in their extent. in general, the largest changes occurred in pasture and agricultural land. the corrective work done in the region has reduced the area of arable land and added to the rangelands.