پیش بینی تغییرات کاربری اراضی و تعیین الگوی رشد شهری با استفاده از مدل زنجیره‌ای مارکوف و تصاویر ماهواره‌ای چندزمانه (مورد پژوهی: شهر اراک)

تغییرات سریع پوشش زمین در حومه شهرهای بزرگ ایران، از جمله شهر اراک به عنوان یک شهر صنعتی و کلانشهر، در دهه‌های اخیر مشکلات فراوانی از جمله تخریب منابع طبیعی، آلودگی‌های زیست‌محیطی و رشد نامناسب شهرها را در برداشته است. که در اغلب موارد، این عوارض ناشی از تغییر غیر اصولی کاربری اراضی بوده است. مطالعه میزان تغییرات و تخریب منابع در سال‌های گذشته و امکان‌سنجی و پیش بینی این تغییرات و الگوی رشد شهردر سال‌های آینده میتواند گام مهمی در راستای برنامه‌ریزی و استفاده بهینه از منابع در آینده باشد. در این تحقیق، با استفاده از تصاویر ماهواره‌ای چندزمانه لندست مربوط به سال‌های 2000، 2010 و 2018 اطلاعات جانبی و مدل زنجیرهای مارکوف و شبکه‌های عصبی مصنوعی، تغییرات کاربری اراضی و پوشش زمین به وقوع پیوسته، طی 18 سال، در شهر اراک مدل شده تا با آشکارسازی تغییرات، میزان تبدیل برای هر دوره و پیش‌بیتی کاربری‌ها در چهار کلاس مورد نظر بدست آید. جهت انجام تحقیق ابتدا تصاویر مورد استفاده از نظر بهترین باندها جهت ترکیب باندی بررسی و انتخاب گردید. در ادامه با روش شبکه عصبی طبقه بندی انجام وارزیابی صحت و دقت طبقه‌بندی با ضریب کاپا و دقت کلی صورت گرفت. در پایان با بکارگیری مدل پیش بینی مارکوف و رویکرد مدلساز lcm تغییرات کاربری اراضی برای سال 2028 پیش بینی‌شد. نتایج بدست آمده حاکی از گسترش بی رویه مناطق ساخته‌شده و تخریب شدید اراضی کشاورزی طی دوره2000 تا 2010 و کاهش شدید اراضی بایر و تبدیل آنها به اراضی ساخته‌شده در درون محدوده و حاشیه شهر و کاهش اراضی کلاس کوهستان در دوره 2010 تا 2018 می‌باشد. مدل سازی تغییرات همچنین نشان می‌دهد در دوره 2018 تا 2028 جهت رشد شهر از شمال و شمال‌شرق به جنوب و جنوب‌غرب (به سمت اراضی کوهستانی و باغی دو روستای الحاق شده به شهر) تغییر خواهد یافت.

Prediction of Land Use Change and Determination of Urban Growth Patterns Using Markov Chain Model and MultiChip Satellite Images: A Case Study of Arak City

The rapid changes in land use and land cover in the suburbs of large cities of Iran, including the city of Arak, as an industrial metropolitan city, have caused many problems in recent decades, including degradation of natural resources, environmental pollution and poor urban development. In most cases, this has been caused by an unjustified land use change. The study of changes and destruction of resources in past years, the feasibility and prediction of these changes and the pattern of urban growth in the coming years can be an important step in planning and optimal using of resources in the future. In this study, by using Landsat multispectral satellite imagery of 2000, 2018, and 2028, lateral information, Markov chain model, and artificial neural networks, the changes that have occurred in land use and land cover in Arak over the course of 28 years were investigated. To reveal the changes, the conversion rate for each course was obtained in four classes. To investigate the images, they were corrected, and then the best bands were selected for combining the bands. In the following, the classification of rates of maximum probability and evaluation of the accuracy of the classification as well as the overall accuracy were performed with kappa coefficient. Finally, by using the Markov forecasting model and the LCM modeling approach, land use change was predicted for the year 2028. The results indicated the excessive expansion of the built areas, severe degradation of agricultural lands during the period of 20002010, sharp decline of barren lands, their conversion to the lands built within the boundaries of the city, and the reduction of mountainous lands in the period of 20102018. Modeling the changes also showed that in the period of 20182028, the city will grow from the north and northeast to the south and southwest (i.e. toward the mountainous and garden lands of the two villages annexed to the city).