پیش‌بینی تغییرات کاربری اراضی با استفاده از مدل ca-markov (مطالعه موردی: اشتهارد)

کاربری اراضی یکی از مهم ترین جنبه های بررسی مدیریت منابع طبیعی و بازنگری تغییرات محیطی است. در این تحقیق به منظور پیش بینی کاربری اراضی اشتهارد از تصاویر ماهواره لندست سال های 1369 و 1394 مدل مارکوف و ca مارکوف استفاده شد و نقشه کاربری اراضی سال 1419 پیش بینی گردید. همچنین به منظور بررسی دقت طبقه بندی نقشه های کاربری تهیه‌شده دقت کلی و ضریب کاپا برای تصاویر طبقه بندی شده، به‌دست آمد و مشاهده شد که دقت کلی و ضریب کاپای آن بیش از 90 درصد است که نشان‌دهنده دقت بالای طبقه بندی این تصاویر است. نتایج حاصل از پردازش تصاویر ماهواره‌ای نشان‌دهنده افزایش مساحت کاربری مسکونی در سال 1394 بوده که این افزایش از تبدیل کاربری اراضی مرتع به مناطق مسکونی نشات گرفته است. کاهش 1809 هکتاری اراضی مرتع در سال 1394 نسبت به دوره گذشته حاکی از تبدیل این اراضی با اراضی بایر و مسکونی است. نتایج حاصل از ماتریس پیش بینی تغییرات بر مبنای نقشه های سال های 1369 و 1394 نشان داد که در طی 25 سال آینده بیشترین احتمال تغییر مربوط به تغییر اراضی کشاورزی به مرتع است. همچنین احتمال می رود در فاصله زمانی 1394 تا 1419 مناطق مسکونی و اراضی مرتع بدون تغییر مانده یا افزایش یابند.

Land use Change Prediction using CA-Markov model (Case Study: Eshtehard)

Land use is among the most important factors of natural resource management and restoration of damages caused by environmental changes. Predicting of future land uses of Eshtehard rangelands, Landsat satellite images of 1991 and 2016, and the Markov chain and CA Markov models were used. In addition, for assessing the accuracy of land use classification, overall accuracy and Kappa coefficient were used. Overall accuracy and Kappa coefficient were higher than 90% in the test which indicates high accuracy of the land classification. Processing of satellite imagery indicated that residential area in 1394 is increased. That rsquo;s conversion of rangelands into residential areas. The decrease of 1809 hectares of range lands in 2016 compared with the previous period indicates the conversion of these lands to residential and residential lands. The results of predictive matrix of changes based on the maps of 1991 and 2016 showed that during the next 25 years, the most probable change is related to the change of agricultural land to the rangeland. It is also likely that the residential areas and rangeland areas will remain unchanged or increase during the period from 2016 to 2040.