پایش و پیش‌بینی تغییرات کاربری اراضی حوضۀ آبخیز شهرستان فارسان با استفاده از مدل lcm

پوشش اراضی حوضه های آبخیز از مباحث توسعه ای متاثر و به شدت در حال تغییر هستند که این تغییرات بر متغیرهای دیگری همچون هیدرولوژی حوضۀ آبخیز تاثیر گذارند. هدف این تحقیق، پایش تغییرات کاربری اراضی در گذشته و بررسی امکان پیش بینی آن در آینده با استفاده از مدل سازی تغییر زمین (lcm) در حوضۀ آبخیز شهرستان فارسان استان چهارمحال وبختیاری است. بدین منظور، تصاویر سنجنده های لندست5 tm برای سال های 1365 و 1388 و تصاویر سنجندۀ لندست8 oli برای سال 1396 مورد تجزیه و تحلیل قرار گرفت. طبقات کاربری اراضی شامل مناطق مسکونی، اراضی کشاورزی، کشت دیم، مراتع، سنگلاخ ها، پهنه های آبی، خاک لخت و برف در تصاویر هر سه دورۀ زمانی طبقه بندی شد. پیش بینی وضعیت کاربری اراضی برای سال 1396 به کمک مدل lcm بر پایۀ شبکۀ عصبی مصنوعی و تحلیل زنجیرۀ مارکوف نیز انجام گرفت. پس از ارزیابی صحت مدل با استفاده از آمارۀ کاپا، نقشۀ پوشش اراضی سال 1406 با استفاده از دورۀ واسنجی 1365- پیش بینی شد. نتایج نشان داد که اراضی مرتعی طی سال های 1365 تا 1396 به میزان 4379 هکتار کاهش پیدا کرده اند ولی اراضی کشاورزی به میزان 1922 هکتار افزوده شده اند. در این مطالعه، lcm توانست 85% از تغییرات را به درستی پیش بینی نماید. در سال 1406 به میزان 149هکتار افزایش وسعت اراضی شهری و 100 هکتار کاهش  اراضی مرتعی منطقه پیش بینی شد. لذا ضمن تاکید بر حفظ اراضی مرتعی، لازم است از این تکنیک برای پیش بینی تغییرات، علل آن و همچنین تبعات تغییرات کاربری اراضی در سطوح وسیع تری بررسی و برنامه ریزی کرد.

monitoring and predicting of land use changes in farsan watershed using lcm

the land use of the watersheds is one of the most affected and highly vulnerable due to developmental process which effect on the other variables such as the hydrological function. the purpose of this research is to monitor land use changes in the past and to investigate predictability of its future using land change modeler (lcm) in the watershed of farsan county of chaharmahalvabakhtiari province. for this purpose, the landsat5 tm images of 1986 and 2009 as well as the landsat8 oli images of 2017 were analyzed. land covers including residential areas, agricultural land, dryland farming, rangelands, rocks, water bodies, bareland and snow were classified for the three periods. the prediction of land cover of 2017 was done using the lcm model based on artificial neural network and markov chain analysis after assessing model’s accuracy based on kappa index. the land cover of 2027 was also predicted using a change probability table extracted from occurred changes from 19862017. the results show that the rangeland decreased by 4379ha in the years 1986 to 2017, but the agricultural land increased by 1922ha. this study proved that the lcm could accurately forecast future changes (85% overall accuracy). an increase of 149ha of residential area and 100ha decrease of rangelands in the study area was predicted for 2027. therefore, while emphasizing the conservation of rangelands, it is necessary to study and use this technique to predict changes, its causes, as well as the consequences of land use changes at the broader scales.