مدل ‌سازی روند ‌تغییرات‌ کاربری ‌اراضی‌ منطقه گهواره، استان کرمانشاه

تغییرات کاربری اراضی یک روند فراگیر مهم بوم‌ شناختی جهانی و محلی دارد و به‌عنوان یکی از چالش‌های عمده در قرن بیست و یکم است. این مطالعه با هدف مدل‌سازی تغییرات کاربری اراضی منطقه گهواره، استان کرمانشاه با استفاده از مدل lcm انجام گرفت. این مدل قابلیت شبیه سازی هم‌زمان چندین کاربری را داشته و تغییرات کاربری اراضی را با بهره گیری و تلفیق مدل های زنجیره مارکوف، شبکه عصبی چند لایه پرسپترون، رگرسیون لجستیک و mlop شبیه سازی می کند. در این تحقیق جهت تهیه نقشه‌های پوشش اراضی از تصاویر ماهواره‌های landsat 4، landsat 5 و landsat 8 استفاده شد. پس از انجام تصحیحات اولیه، طبقه‌بندی تصاویر با روش بیش‌ترین شباهت انجام و نقشه کاربری در سال های 1365، 1378 و 1397 تهیه شد. پس از پایش تغییرات کاربری های مختلف، طی دو دوره (1378- 1365) و (1397-1378) و انجام صحت سنجی مدل، در نهایت نقشه کاربری اراضی مربوط به سال 1407 با استفاده از مدل، پیش‌بینی شد. نتایج نشان داد طی دوره‌های اول و دوم به‌ترتیب 30 و 42 درصد از سطح اراضی جنگلی کاسته شده و 26 و 37 هکتار به سطح اراضی کشاورزی و 80 و 32 درصد به اراضی مسکونی اضافه شده است. بیش‌ترین تغییرات طی دوره مورد مطالعه تبدیل 80 درصد اراضی جنگلی به مرتع و جنگل تنک بود. پیش‌بینی تغییرات برای 1407 نشان داد که جنگل متراکم نسبت به سال 1397 با کاهش نصف مساحت خود همراه خواهد بود. مقادیر دقت کلی بالای 91 درصد و ضریب کاپای بالاتر از 85 درصد، نشان از دقت بالای مدل در تهیه و پیش بینی نقشه های به ‌دست آمده است.

modeling land use changes in gahvareh region, kermanshah province

land use change is an important global and local ecological trend and is one of the major challenges in the 21st century. the purpose of this study was to model land use changes in the gahvareh region, kermanshah province using the lcm model. this model has the ability to simulate several land use changes by utilizing and integrating markov chain models, multi-layer perceptron neural network, logistic regression, and mlop. in this research, landsat 4, landsat 5, and landsat 8 satellite images were used to prepare land cover maps. after initial corrections, the images were classified using the maximum likelihood method, and land use maps for the years 1986, 2000, and 2018 were prepared. after monitoring the changes of different land uses during two periods (1986-2000) and (2000-2018) and assessing the validation of the model, finally, the land use map of 2028 was predicted using the lcm model. the results showed that during the first and second calibration periods, 30% and 42% of forest land were reduced, 26 and 37 ha were added to agricultural land and 80% and 32% were added to residential land respectively. the most changes during the study period were the conversion of forest lands to pasture and thin forest (80%). forecasts for the year 2028 showed that the dense forest would be destroyed and would be decreased in half in comparison to 2018. evaluation of the accuracy of transmission potential modeling using artificial neural networks showed high accuracy in most of the scenarios.