صحت‌‌سنجی و ارتقا مدل پیش‌‌بینی تغییرات کاربری اراضی با کنترل رشد توسعه در زنجیره خودکار مارکوف (منطقه مورد مطالعه: حوضه آبخیز قره‌‌سو)

فعالیت‌‌های بشری، یکی از عواملی است که تاثیر به‌سزایی بر روند تغییرات کاربری اراضی سرزمین دارد و این تغییرات در بیشتر مواقع ناسازگار با محیط است. بنابراین مدل‌‌های پیش‌‌بینی کاربری اراضی برای برنامه‌‌ریزی استفاده پایدار از سرزمین یک نیاز ضروری است. در این پژوهش با استفاده از مدل زنجیره خودکار مارکوف، مدل‌‌سازی تغییرات کاربری اراضی برای حوضه آبخیز قره‌‌سو به‌‌منظور پیش‌‌بینی آینده، ارتقا یافته است. ارتقای مدل زنجیره مارکوف با وارد کردن نرخ رشد جمعیت و میزان سرانه مورد نیاز هر کاربری در مدل انجام شده است. اعتبارسنجی مدل ارتقا یافته با مقایسه نقشه‌‌ی حاصل از پیش‌‌بینی تغییرات کاربری اراضی برای سال 2014 و نتایج مدل ارتقا یافته بررسی شده است. نتایج حاصل از مقایسه‌‌ی این دو نقشه نشان داد؛ نتایج مدل ارتقا یافته بسیار شبیه‌‌تر به وضع موجود بوده است، که این موضوع به این دلیل است که نرخ رشد جمعیت و به تبع آن سرانه مورد نیاز در توسعه شهری مهمترین پیشران اثرگذار در بر هم زدن نسبت تغییرات در یک روند زمانی است. بنابراین می‌‌توان با لحاظ کردن این عامل در مدل زنجیره مارکوف انعطاف‌‌پذیری این مدل را بیشتر و تا حد زیادی نتایج را به واقعیت نزدیک کرد، که این موضوع به‌‌طور عملی در حوضه آبخیز قره‌‌سو نشان داده شده است. در نهایت از مدل ارتقا یافته‌‌ی زنجیره خودکار مارکوف برای پیش‌‌بینی افق 2030 استفاده شد.

Verification and Upgrading the Land Use Change Prediction Model by Controlling the Growth of Development in the CA-MC (Case Study Area: Gharesou Basin)

Human activities are one of the factors that have a significant impact on the land use change patterns, and these changes are in most cases inconsistent with the environment. Therefore, landuse prediction models for sustainable landuse planning are a requirement. In this research, using the Cellular Automata Markov Chain model, modeling of land use change for the Gharehsou basin has been improved to predict the future. Promotion of the Markov chain model has been done by entering the population growth rate and per capita requirements of each land use in the model. Validation of the upgraded model by comparing the map of the predicted land use change for 2014 and the results of the upgraded model have been reviewed. The results of the comparison of these two maps showed that the results of the upgraded model were much more similar to the current situation since the population growth rate and, consequently, per capita needed for urban development are the most important driving force to disrupt the ratio of changes in a timely trend. Therefore, considering this factor in the Markov chain model more flexibility and great results closer to reality, which is practical in the Gharehsou basin. Finally, the upgraded CAMarkov chain model was used to predict the 2030 basin.