کالیبراسیون سه‌بعدی تغییرات کاربری اراضی با استفاده از مدل تلفیقی سلول اتومای زنجیره مارکوف در حوزه آبخیز گرگان‏رود

پیشینه و هدف تغییرات در کاربری/پوشش اراضی به‌عنوان یکی از موضوعات مهم در مدیریت منابع طبیعی، توسعه پایدار و تغییرات زیست‌محیطی در مقیاس محلی، ملی، منطقه‌ای و جهانی مطرح است. تبدیل کاربری‌ها به یکدیگر و تغییر کاربری‌های مجاز به غیرمجاز از قبیل تبدیل اراضی زراعی به مناطق مسکونی و یا اراضی مرتعی به دیم‌زارهای کم بازده و فرسایش یافته به‌عنوان موضوعات مهم در منابع طبیعی همواره مطرح است. شناسایی الگوهای تغییرات کاربری اراضی و پیش‌بینی تغییرات در آینده به‌منظور انجام برنامه‌ریزی مناسب در جهت بهره‌برداری بهینه از کاربری‌ها در مدیریت منابع طبیعی نیاز به مدل‌سازی تغییرات مکانی و زمانی lu/lc را آشکار می‌سازد. هدف  از تحقیق ارزیابی کارایی مدل تلفیقی سلول اتومای زنجیر مارکوف (ca-markov model) در شبیه‌سازی و پیش‌بینی تغییرات زمانی و مکانی lu/lc در حوزه آبخیز گرگان‏رود با کاربرد آنالیز سه‌بعدی پنتیوس ملینوس در کالیبراسیون تغییرات کاربری اراضی با استفاده از سه شاخص ارزیابی اختلاف کمی (qd)، اختلاف مکانی (ad) و درجه شایستگی (fom) به‌عنوان شاخص‌های جدید در ارزیابی صحت مدل زنجیره مارکوف است. مواد و روش ها به‌منظور پیش‌بینی تغییرات کاربری اراضی با استفاده از مدل تلفیقی سلول اتومای زنجیره مارکوف در حوزه آبخیز گرگان‏رود، از تصاویر سنجندِه مشاهده‌گر زمینی oli و tm ماهواره لندست 8 و 5 مربوط به سایت usgs استفاده شد. هفت کلاس کاربری اراضی شامل کلاس اراضی جنگلی با شماره کد کاربری 1، کلاس اراضی زراعی با شماره کد کاربری 2، کلاس اراضی مرتعی (مخلوط درختچه زار/ مرتع/ زراعت) با شماره کد کاربری 3، کلاس منابع آبی با شماره کد کاربری 4، کلاس اراضی بایر (بایر/ مرتع/ زراعت) با شماره کد کاربری 5، کلاس مناطق مسکونی و صنعتی با شماره کد کاربری 6، کلاس بستر رودخانه با شماره کد کاربری 7 برای حوزه آبخیز گرگان‏رود تفکیک گردید. به‌منظور طبقه‌بندی تصاویر ماهواره‌ای لندست 5 و 8 به‌منظور استخراج کلاس‌های کاربری اراضی حوزه آبخیز گرگان‏رود از روش طبقه‌بندی شی‌ءگرا و الگوریتم ماشین بردار پشتیبان استفاده شد. مقیاس سگمنت‌سازی در این الگوریتم با مقیاس 50 واحد (sl50) به‌منظور طبقه‌بندی تصاویر ماهواره سال‌های 1987، 2000، 2009 و 2017 انتخاب شد. ارزیابی صحت الگوریتم ماشین بردار پشتیبان در طبقه‌بندی شی‌ءگرای تصاویر ماهواره‌ای بابیان دقت کلی، ضریب کاپا، صحت کاربر، صحت تولیدشده، خطای commission و خطای omission برای هر چهار دوره مطالعاتی انجام‌شده است. برای درک این‌که در طی دوره 30 ساله موردمطالعه، تغییرات ایجاد‌شده در منطقه چگونه بوده و کدام کلاس‌ها گسترش و کدام کلاس کاهش مساحت داشته‌اند، با استفاده از نقشه‌های طبقه‌بندی‌شده با استفاده از نرم‌افزار idrisi، تغییرات در محدوده کلاس‌ها آشکار و درصد تغییرات هر کلاس به دست آمد. مدل camarkov تغییرات گروه‌های مختلف از واحدهای lu/lc را بر اساس مفهوم همسایگی مکانی و ماتریس احتمال انتقال، پیش‌بینی می‌کند. یکی از الزامات برای پیش‌بینی تغییرات کاربری اراضی با مدل camarkov تهیه نقشه‌های تناسب اراضی است تا تغییرات مکانی به‌وسیله قوانین احتمال از طریق فیلتر نقشه‌های تناسب برای هر کاربری کنترل شود. اعتبارسنجی مدل مارکوف با استفاده از آنالیز سه‌بعدی پنتیوس و ملینوس با سه شاخص درجه شایستگی و اختلاف‌های کمی اختلاف‌های مکانی انجام شد. نتایج و بحث الگوریتم ماشین بردار پشتیبان در طبقه‌بندی کاربری اراضی به روش شی‌ءگرا نشان داد که بیشترین میزان خطای اضافه و خطای حذف به ترتیب با 19.12 و 18.55 درصد در اراضی مرتعی و اراضی زراعی در نقشه کاربری اراضی سال 2009 مشاهده گردید. پایین‌ترین صحت تولیدکننده به میزان 71.49 درصد مربوط به کلاس کاربری اراضی مرتعی در نقشه کاربری اراضی سال 2009 و پایین‌ترین صحت کاربر به میزان 71.45 درصد مربوط به کلاس کاربری اراضی زراعی در نقشه کاربری اراضی سال 2017 است. در دوره 30 ساله از سال 1987 تا 2017 بر اساس نتایج به‌دست‌آمده، بیش‌ترین تغییر مثبت مربوط به افزایش کاربری اراضیزراعی و در تغییرات منفی مربوط به کاهش کاربری اراضی جنگلی و مرتعی در طول دوره موردنظر است. بیش‌ترین کاهش اراضی جنگلی با 4.8 درصد در دوره 2017-2000، بیش‌ترین افزایش اراضی زراعی با 5.3 درصد در دوره 2017-1987، بیش‌ترین کاهش اراضی مرتعی با 9 درصد در دوره 2017-2009، بیش‌ترین افزایش اراضی بایر با 4.6 درصد در دوره 2017-2009 و بیش‌ترین افزایش اراضی مسکونی و صنعتی با 0.8 درصد در دوره 2017-1987 رخ‌داده است. بعد از اعتبارسنجی تغییرات کاربری اراضی پیش‌بینی‌شده در مدل زنجیره مارکوف، بر اساس تحلیل 5 حالت موجود در آنالیز سه‌بعدی پنتیوس و ملینوس، مدل زنجیره مارکوف با پیش‌بینی صحیح شبیه‌سازی 89.92 درصد، نشان از کارایی بالای مدل زنجیره مارکوف در فرآیند شبیه‌سازی بود. بعد از اجرای تحلیل زنجیره مارکوف بر روی نقشه کاربری اراضی به‌دست‌آمده از طبقه‌بندی تصاویر ماهواره‌ای، یک ماتریس احتمال انتقال و ماتریس مساحت انتقال‌یافته ایجاد شد. در پیش‌بینی‌های انجام‌شده توسط مدل زنجیره مارکوف از سال 2017 تا سال 2035 عمده تغییرات مربوط به کاهش وسعت اراضی جنگلی و بایر به ترتیب به میزان 16966 و 6961 هکتار است و در مقابل این کاهش کاربری، افزایش وسعت اراضی زراعی، مرتعی و مسکونی به میزان 20397، 3913 و 3825 هکتار مشاهده خواهد شد. نتیجه گیری آَشکارسازی تغییرات کاربری اراضی با استفاده از ابزار lcm برای دوره سی‌ساله 2017 – 1987 در حوزه آبخیز گرگان‏رود نشان داد که کاربری جنگل، زارعت و نواحی مسکونی در طی این دوره در این منطقه تغییرات چشمگیری داشته است. نتایج حاصل از پیش‌بینی تغییرات کاربری اراضی در طی هجده سال آینده با استفاده از مدل تلفیقی سلول اتومای زنجیره مارکوف نشان داد که در طی سالیان آتی با پدیده جنگل‌زدایی شدید در این حوزه روبه‌رو خواهیم بود. بررسی نتایج حاصل از اجرای مدل شبکه‌سازی کاربری آینده با استفاده از تخمینگر انتقال مارکوف نشان داد که می‌توان تغییرات کاربری آینده را با توجه به شرایط محیطی موجود پیش‌بینی کرد که نشان‌دهنده این است که در حوزه آبخیز گرگان‏رود در طی هجده سال آینده زراعت به‌شدت در این منطقه افزایش خواهد داشت. لذا باید با مدیریت بلندمدت و جامع، منابع آب‌وخاک حفظ کرد و تا حد امکان مانع از تخریب این منابع ارزشمند شد. سه شاخص qd، ad و fom در آنالیز سه‌بعدی نقش مهمی در بیان میزان صحت و کالیبراسیون طبقه‌بندی کاربری اراضی و پیش‌بینی کاربری اراضی داشت. نتایج تغییرات کاربری اراضی مطالعه شده با استفاده از ابزار lcm و مدل تلفیقی سلول اتومای زنجیره مارکوف در طی دوره 1987 تا 2035 بیانگر تخریب بیش از 24309 هکتار از اراضی جنگلی و 31921 هکتار از اراضی مرتعی و افزایش زراعت در حوزه به مساحت 62421 هکتار است که بیانگر دخالت‌های انسانی و جنگل‌تراشی‌های پیش رو در این حوزه است.

Compilation of a model for hazardous waste disposal site selection using GISbased multipurpose decisionmaking models

Background and ObjectiveLand use/cover changes (LU/LC) are considered as one of the most important issues in natural resource management, sustainable development and the environmental changes on a local, national, regional and global scale. Changing uses into each other and changing permissible uses into impermissible uses such as changing agricultural lands into residential regions or changing rangelands into eroded and lowyielding dry farming lands are always considered as importand issues in natural resources. Detection of the patterns of the land use changes and prediction of the changes in the future to carry out suitable planning for optimal utilization of uses in natural resource management reveal the need for modeling spatial and temporal changes of LU/LC. This study aims to assess the efficiency of the integrated model of Markov chain automatic cell (CAMarkov model) in simulation and prediction of spatial and temporal changes of Land use/Land cover (LU/LC) in Gorganrud river basin by applying threedimensional PentiusMelinus analysis in calibration of land use changes by using three assessment indices of Quantity Disagreement, Allocation Disagreement and Figure of Merit as new indices in the assessment of the accuracy of CAMarkov model. Materials and Methods In this research, the Earth observing sensor images of Landsat5 Thematic Mapper (TM) and Landsat8 Operational Land Imager (OLI) acquired from the U.S. geographical site dependent on the U.S. Geographical Survey (USGS) were used to predict land use changes by using the integrated model of Markov chain automatic cell in Gorganrud river basin. Seven land use classes were separated for Gorganrud river basin including forest land class with the use code 1, agricultural land class with the use code 2, rangeland class (a mixture of shrubbery,langeland,agriculture) with the use code 3, water bodies class with the use code 4, barren land class (barren, rangeland, agriculture) with the use code 5, residential and industrial region class with the use code 6, streambed class with the use code 7. In this study, objectoriented classification method and  Support Vector Machine (SVM) algorithm were used to classify Landsat 5 and 8 satellite images and extract the land use classes of Gorganrud river basin. Segmentation scale  in this algorithm on a 50 unit scale (SL 50) was selected to classify the satellite images of 1987, 2000, 2009 and 2017. The assessment of the accuracy of Support Vector Machine algorithm in the objectbased classification of satellite images was done by representing overall accuracy, Kappa cefficient, user accuracy, producer accuracy, commission error and omission error for four study periods. To understand how the changes in the region were created during the period of the study three decades and which classes had the area expansion and which classes had the area decrease, changes in the limits of the classes were revealed and percent of the changes in each class were obtained by using the classification maps and IDRISI software. CAMarkov model predicts the changes of different groups of LU/LC units based on spatial neighbourhood concept, transition probability matrix. Preparing land suitability maps is necessary to predict land use changes so that spatial changes can be controlled for each use by probability rules via filtering suitability maps. Validation of Markov model was performed by using threedimensional PentiusMelinus analysis with three assessment indices of Figure of Merit, Quantity Disagreement and Allocation Disagreement. Results and Discussion Support Vector Machine algorithm in the classification of the land use based on objectoriented showed that the highest rate of commission error and omission error were observed in rangelands and agricultural lands with 19.12 and 18.55 percent respectively in the land use map of the year 2009. The lowest accuracy of the producer with 71.49 percent belongs to the rangeland use class in the land use map of the year 2009 and the lowest use accuracy with 71.45 percent belongs to agricultural land use class in the land use map of the year 2017. In keeping with the obtained results, the highest positive change belongs to the agricultural land use increase and the highest negative changes belong to rangeland and forest land use decrease during the period of three decades from 1987 to 2017. The highest forest land decrease with 4.8 percent, the highest agricultural land increase with 5.3 percent, the highest rangeland decrease with 9 percent, the highest barren land increase with 4.6 percent and the highest residential and industrial land increase with 0.8 happened during the periods of 20002017, 19872017, 20092017, 20092017, and 19872017 respectively. After validating the predicted land use chnges in CAMarkov model, based on the analysis of the 5 existing states in threedimensional PentiusMelinus analysis, the CAMarkov model with the accurate prediction of simulation of 89.92 percent showed the high efficiency of CAMarkov model in simulation process. After the implementation of the CAMarkov model analysis on the obtained land use map from the classification of the satellite images, one transition probability matrix and one transitioned area matrix were created. In predictions made by using CAMarkov model in 2017 to 2033, the most changes relate to barren and forest land expansion decrease to 16966 and 6961 hectare respectively and in contrast to the use decrease, rangeland, residential and agricultural land expansion increase will be observed to 20397, 3913 and 3825 hectare respectively. Conclusion Detecting land use changes by using LCM tool for the period of three decades 19872017 in Gorganrud river basin showed that the forest, agricultural and residential use has had significant changes in this region. The obtained results of the prediction of the land use changes during the coming eighteen years by using the integrated model of Markov chain automatic cell following the detected changes by LCM tool show that we will face extreme deforestation phenomenon in this area. Investigation of the obtained results from the implementation of the future use network model by using Markov transition estimator showed that the future use changes can be predicted based on the existing environmental conditions showing that the agriculture will extremely increase in Gorganrud river basin during the coming eighteen years. Thus we can protect water and soil resources with comprehensive and longterm management and prevent the degradation of these valuable resources. Three indices of Quantity Disagreement, Allocation Disagreement and Figure of Merit in threedimensional PentiusMelinus analysis had an important role in representation of the accuracy rate and calibration of the land use classification and the land use prediction corresponding with the obtained results from the carried out studies concerning the accuracy assessment with indices of Quantity Disagreement, Allocation Disagreement and Figure of Merit. The results of the studied land use changes by using LCM tool and the integrated model of Markov chain automatic cell during the period of 1987 to 2035 show the degradation of more than 24309 hectare of the forest lands and agriculture increase in an area about 62421 hectare indicating human interfernces and deforestation we face in this area.