پیش‌بینی تغییر کاربری اراضی و پوشش زمین با بهره گیری از داده‌های ماهواره‌ای و مدل زنجیره‌ای مارکوف (بررسی موردی: حوضه دویرج، استان ایلام)

پوشش سطح زمین و کاربری آن به دلیلی فعالیت‌های انسانی دست‌خوش تغییر و تحول زیادی می‌شود. شناسایی و کشف این تغییرات می‌تواند به مدیران و برنامه‌ریزان کمک‌کند تا نیروهای موثر در ایجاد این تغییرات را شناسایی‌کرده و از آن در سطوح مختلف برنامه‌ریزی استفاده کنند. بررسی مقدار تغیر و تخریب منابع در سال‌های گذشته و امکان‌سنجی و پیش‌بینی این تغییرات در سال‌های آینده می‌تواند در برنامه‌ریزی و استفاده بهینه از منابع و کنترل و مهار تغییرات غیراصولی در آینده، نقش قابل توجهی داشته باشد. روش‌های متنوعی برای پیش‌بینی تغییرات پوشش و کاربری اراضی وجود دارد که از جمله آنها می‌توان به مدل زنجیره‌ای مارکوف اشاره کرد. در این پژوهش با بهره گیری از داده‌های ماهواره لندست، سنجده (1364) tm و (1379 و 1386)  etm+ و اطلاعات جانبی و مدل زنجیره‌ای مارکوف، تغییرکاربری اراضی و پوشش زمین طی 22 سال در منطقه دویرج استان ایلام بررسی شده ‌است. پس از انجام تصحیحات لازم بر روی تصاویر ماهواره‌ای و انجام بازدیدهای میدانی، طبقات مختلف کاربری اراضی تعریف و نمونه‌های آموزشی انتخاب و نتایج حاصل از ارزیابی دقت طبقه‌بندی‌ها با بهره گیری از ضریب کاپا به دست آمده است. نتایج حاکی از کاهش وسعت پوشش جنگلی و مراتع متوسط حوضه (به ‌ترتیب 9/2 و 07/17 درصد) و روند افزایشی کاربری مرتع فقیر، کشاورزی، اراضی مسکونی و اراضی بایر (به ترتیب 17/9، 96/2، 40/0 و 44/7 درصد) که بیانگر تخریب کلی در منطقه و جایگزینی کاربری‌های ضعیف‌تر در منطقه است. در پایان با بهره گیری از مدل مارکوف وضعیت طبقه‌‌های کاربری اراضی 14 سال آینده (سال1400) مورد پیش‌بینی قرار گرفت. نتایج حاصل از ماتریس پیش‌بینی تغییرات بر مبنای نقشه‌های سال‌های 1379 و1386 نشان داد که در فاصله زمانی 14001386، احتمال می‌رود 62% جنگل، 38% مرتع متوسط، 64% مرتع فقیر، 72% کشاورزی، 69% اراضی مسکونی و 76% اراضی بایر بدون تغییر باقی بمانند، که مرتع متوسط دارای بالاترین پایداری و از طرف دیگر مرتع فقیر کمترین پایداری را خواهند داشت. نقشه‏های کاربری شبیه‌سازی شده توسط مدل مارکوف می‌توانند به عنوان سیستم هشداریبرای پیامدها و تاثیرات آینده تغییرات کاربری به خدمت گرفته شود.

Prediction of Land Use and Land Cover Changes in Arid and SemiArid Regions Using Satellite Images and Markov Chain Models (Case study: Doviraj Basin, Ilam Province)

Land cover and land use change occurs during the time due to human activities. Identification and detection of these changes can help planners and managers to recognize the effective factors which cause the changes, and use them at different levels of planning. Studying the rate of resources changes and destruction, and prediction and feasibility study of these changes in future years may play a key role in planning and optimal use of resources and controlling undesirable changes in the future. There are various methods for predicting land use and land cover changes, among them the Markov Chain model can be pointed out. In this study, by using the Landsat satellite data of TM (1995) and ETM+ (2000 and 2007) sensors, complementary data of the study area and Markov Chain model the changes occurred in land use and land cover over the past 22 years in Doviraj region of Ilam province are investigated. After performing required corrections on the satellite images and field visits, different land use classes were defined, the training samples were selected and the accuracy of obtained results was evaluated using Kappa coefficient. The results indicate the decreasing trend of forest cover and average rangeland areas of the region (i.e. 2.9 and 17.07 percent , respectively) and increasing trend of poor rangelands, agricultural lands, residential areas and barren land uses (9.17, 2.96, 0.4 and 7.44 percent, correspondingly) which represent total destruction in the region and replacement of weaker land uses. Finally, using Markov Chain model, the status of land use classes in the next 14 years (2021) has been predicted. The results from changes prediction matrix based on the maps of 2000 and 2007 showed that in the time period of 20072021 it is probable that 62% of forest lands, 38% of average rangelands, 64% of poor rangelands, 72% of agricultural lands, 69% of residential areas and 76% of barren lands remain unchanged. The average rangelands are of the highest stability and on the other hand poor rangelands have the lowest stability. The calibrated land use maps by Markov Chain model can be employed as an alarming system about the effects and consequences of future land use changes.