بررسی کارایی مدل زنجیره‌ای مارکوف در برآورد تغییرات کاربری اراضی و پوشش زمین با استفاده از تصاویر ماهواره‌ای landsat

در دهه های اخیر تغییرات سریع کاربری اراضی و پوشش زمین در حومه شهرهای بزرگ ایران به ویژه شهر تهران به عنوان پایتخت، با پیامدهای مهمی مثل تخریب منابع طبیعی، آلودگی های زیست محیطی و رشد نامناسب شهرها همراه بوده است. اطلاع از تغییرات کاربری و بررسی علل و عوامل آن ها در یک دوره زمانی خاص، می تواند بسیار مورد توجه برنامه ریزان و مدیران باشد. هدف از این تحقیق بررسی کارایی مدل زنجیره ای مارکوف درجه اول جهت برآورد تغییرات کاربری اراضی و پوشش زمین برای شهر تهران و حومه آن طی بازه زمانی 30 سال می باشد. در این تحقیق از تصاویر ماهواره ای چندزمانه لندست مربوط به سال های 1975، 1990 و 2005 میلادی استفاده شده است. در ابتدا تصاویر موجود در سال های مذکور در شش کلاس و به روش حداکثر مشابهت طبقه بندی شدند. در مرحله ی بعد با استفاده از نقشه های پوشش زمین به دست آمده برای هر دوره 15 ساله، ماتریس تبدیل وضعیت کلاس های پوشش زمین بین هر دو دوره زمانی محاسبه شد. در نهایت با استفاده از ماتریس تبدیل وضعیت دوره اول، نتایج تغییرات کاربری برای سال 2005 میلادی با کمک مدل زنجیره ای مارکوف پیش بینی شد. دقت پیش بینی با مدل زنجیره ای مارکوف، به کمک نقشه های کاربری موجود برای سال 2005 بررسی شدند. نتایج حاکی از آن است که بیشترین درصد اختلاف مربوط به کلاس اراضی مزروعی (64622/0 درصد) بوده و کمترین درصد اختلاف در کلاس فضای سبز (00551/0 درصد) دیده می شود. شایان ذکر است که در تمامی موارد بزرگی این اختلافات به طورکلی کمتر از 7 درصد بوده که این رقم، مفید و قابل استفاده بودن مدل مارکوف و همچنین صحت آن را در پیش بینی تغییرات کاربری به خوبی توجیه می کند.

Investigation of Markov Chain Model Efficiency for Estimating Land use and Land cover Changes Using Landsat Satellite Images

In recent decades, rapid changes of land use and land cover in the suburbs of major cities in Iran, especially Tehran as the capital, has been growing with important consequences such as the destruction of natural resources, environmental pollution and poor growth of cities. Land use changes and investigation of their causes and factors in a certain time period can be very vital for planners and managers. Purpose of this research is investigation of first grade Markov chain model efficiency for estimating land use changes and land cover for Tehran city and its suburbs during the period of 30 years. In this research multitemporal LANDSAT satellite images of 1975, 1990 and 2005 were used. Initially, these images were classified in six classes and to the maximum likelihood method. Then, using land cover maps obtained for each period of 15 years, the transformation matrix for land cover classes were calculated between each both time periods. Finally, using the transformation matrix of the first period, the results of land use changes for 2005 was predicted by Markov chain model. Accuracy of the predict with Markov chain model were checked with the help of existing land use maps for 2005. The results showed that the highest percentage of difference is related to arable lands class (0/64622 percent) and the lowest percentage of difference is seen in green space class (0/00551 percent). It is worth noting that in all cases the magnitude of these differences was generally less than 7%, that this number is justified the useful and usable Markov model and its accuracy to predict changes well.