پیش‌بینی تغییرات کاربری اراضی با استفاده از روش‌های پردازش شیءگرا و زنجیره مارکوف

کاهش سطح تراز آبی دریاچه ارومیه و اثرات آن بر محیط پیرامون دریاچه از موضوعات و چالش‌های مهم ملی و بین‌المللی در دو دهه اخیر بوده است. بر اساس مطالعات صورت گرفته یکی از مهم‌ترین عامل اثرگذار بر این روند تغییرات اراضی، به‌ویژه کشاورزی بوده است. بر همین اساس هدف تحقیق حاضر بررسی وضع فعلی و پیش‌بینی وضعیت آتی کاربری اراضی حوزه آبخیز گدارچای واقع در استان آذربایجان غربی یکی از زیر حوضه‌های مهم حوضه آبریز دریاچه ارومیه است. به همین منظور ابتدا تصاویر ماهواره‌ای سنتینل-2 برای سال‌های میلادی 2016،2020 و 2022 از سایت کپورنیک اتحادیه اروپا دریافت گردید. سپس روش‌های پیش‌پردازش در محیط نرم‌افزارهای مختلف اعمال و تصاویر مربوطه به محیط نرم‌افزار ecognition ارسال شد. در این محیط با استفاده از روش‌های مختلف دانش پایه و شی‌گرا (به‌ویژه سگمنت سازی و تولید لایه‌های ضرایب مختلف) روش طبقه‌بندی نزدیک‌ترین همسایگی اجرا و نقشه‌های کاربری اراضی تولید شد. درنهایت از مدل زنجیره مارکوف به‌منظور پیش‌بینی تغییرات کاربری اراضی در سال‌های آتی استفاده گردید. برای بررسی صحت مدل ca مارکوف، ابتدا نقشه تغییرات پیش‌بینی شده سال 2022 با نقشه طبقه‌بندی 2022 صحت‌سنجی شد. نتایج تحقیق نشان داد که با کاربرد روش‌های دانش پایه به‌ویژه طبقه‌بندی نزدیک‌ترین همسایگی امکان تولید نقشه‌های کاربری اراضی با دقت بالا (ضریب کاپا 90 درصد) امکان‌پذیر است. ضمناً با اعمال مدل مارکوف نقشه‌های تغییرات کاربری اراضی با دقت قابل‌قبول (در حد 80 درصد) امکان‌پذیر است. نتایج نهایی مبین این واقعیت است که تا سال 2028 میلادی کاربری اراضی کشاورزی (13.89) کشت دیم (1.14) محدوده‌های مسکونی (0.33) و عرصه‌های نمکی دریاچه ارومیه حدود (26) درصد افزایش خواهد داشت. یادآور می‌گردد کلاس کاربری خاک در حد (10.26) و مراتع به میزان (5.35) درصد کاهش خواهند داشت. درمجموع مدل‌های نهایی مبین دقت بالایی روش‌های دانش‌پایه و شیء‌گرا و کارایی مناسب مدل مارکوف در روند مطالعه تغییرات کاربری اراضی هستند.

prediction of landuse changes applying knowledge-based and markov chain methods

the water level reduction in lake urmia and its effects on the surrounding environment has been among the important national and international challenges in the past two decades. therefore, this study aimed to investigate the current status and predict the future state of land use in the gadarchai watershed, located in west azerbaijan province, which is one of the important sub-watersheds of the lake urmia basin. for this purpose, sentinel-2 satellite images for 2016, 2020, and 2022 were obtained from the european union’s copernicus website. then, preprocessing methods were applied in various software environments, and the relevant images were sent to the ecognition software environment. in this environment, using various basic and object-oriented methods (especially segmentation and production of different coefficient layers), the nearest neighbor classification method was implemented, and land use maps were produced. finally, the markov chain model was used to predict changes in land use in future years. to verify the accuracy of the markov chain model, the predicted land use change map for 2022 was compared with the 2022 classification map. the research results showed that with the application of basic methods, especially nearest neighbor classification, it is possible to produce land use maps with high accuracy (90% kappa coefficient). also, by applying the markov model, land use change maps with an acceptable accuracy level (around 80%) are possible. the final results indicate that by the year 2028, agricultural land use (13.89%), dry farming (14.1%), residential areas (0.33%), and salt pans of lake urmia (26%) will increase. it should be noted that the soil use class will decrease by 10.26%, and pastures will decrease by 5.35%. overall, the final models demonstrate the high accuracy of basic and object-oriented methods and the suitable performance of the markov model in the process of studying land use changes.