مدل‌سازی تغییرات کاربری اراضی بر پایۀ زنجیره مارکوف در روش lcm (نمونه موردی: شهر رامهرمز)

سنجش از دور فناوری کلیدی برای ارزیابی وسعت و مقدار تغییرات پوشش اراضی است که اطلاع از این تغییرات به عنوان اطلاعات پایه برای برنامه‌ریزی‎های مختلف اهمیت ویژه‌ای دارد. در این پژوهش تغییرات کاربردی اراضی طی 20 سال گذشته با استفاده از نرم افزار terrsat و امکان پیش‌بینی آن در آینده با استفاده از مدل زنجیره مارکوف منطقه رامهرمز مورد ارزیابی قرار گرفت. بدین منظور، تصاویر سنجنده‎های tm لندست 5، oli لندست 8 به ترتیب برای سال‎های 1996 و 2016 به همراه نقشه‎های توپوگرافی و پوشش منطقه استفاده شد. تصاویر هر دو مقطع زمانی به چهار طبقه کاربری اراضی: اراضی ساخته شده دست بشر، اراضی مزروعی، اراضی کشاورزی و بایر طبقه‌بندی شدند. بنا بر نتایج به دست آمده، اراضی ساخته شده توسط با میزان 39.1 درصد بیشترین تغییرات مثبت و اراضی دارای پوشش گیاهی با میزان 29.1 درصد بیشترین تغییرات منفی را در منطقه داشته‌اند و روند مناطق جنگلی روندی نزولی بوده است. سپس به وسیلۀ مدل پیش‌بینی سخت و تصاویر طبقه‌بندی شدۀ (1996-2016)، نقشۀ پوشش سال 2016 با به کارگیری مدل تغییر زمین پیش‌بینی شد. پس از ارزیابی مدل، میزان صحت کلی برابر با 83.09 و ضریب کاپای برابر با 0.79 به دست آمد که بیان کنندۀ انطباق زیاد بین نقشۀ پیش‌بینی شده و نقشۀ طبقه‌بندی شده است. با وارد کرده نقشه پوشش زمین سال 2016 به مدل‌ساز تغییر زمین، نقشۀ پیش‌بینی پوشش سرزمین سال 2025 تهیه شد نتایج نشان داد 102 هکتار از اراضی کشاورزی، 178 هکتار از مناطق پوشش گیاهی کاهش می‎یابند.

Modeling Land Use Changes Based on Markov Chain in LCM (A Case Study of Ramhormoz)

Measuring is a key technology for assessing the extent and amount of land cover variations the knowledge of which is of fundamental importance for different planning. In this study, land use changes in the past 20 years using the TerrSat software and its potential for prediction in the future were evaluated using the Markov chain of Ramhormoz. For this purpose, TM Landsat 5, OLI Landsat 8 was used for 1996 and 2016, along with topographic maps and area coverage. Images of both time periods were classified into four categories of land use: lands made by human hands, arable land, agricultural and uncultivated lands. According to the results, the lands made with 39.1% of the most positive changes and lands with vegetation cover with the rate of 29.1% have the most negative changes in the region and the trend of forest areas has been a downward one. Then, using the prediction model and classified images (19962016), the 2016 coverage map was predicted using the Earthchange model. After evaluating the model, the overall accuracy was 83.09 and the Kappa coefficient was shown to be 0.79, which indicates the high adaptation between the predicted map and the classified map. With the introduction of the land cover plan for 2016, the model for landchangeover, a 2025 land cover map was prepared. The results showed that 102 hectares of agricultural land and 178 hectares of vegetation cover had been reduced.