آشکارسازی و مدلسازی تغییرات گستره جنگل‌های ارسباران با استفاده از مدل‌های رگرسیون لجستیک-زنجیره مارکوف و مدل ژئومد

آشکارسازی تغییرات کاربری و پوشش اراضی و شناسایی متغیرهای موثر بر تغییرات به منظور مدیریت و برنامه ریزی صحیح استفاده از سرزمین امری ضروری است. هدف از انجام این مطالعه، آشکارسازی تغییرات سطح جنگل های ارسباران در طول دو دوره زمانی 12 ساله و همچنین مدلسازی و پیش بینی چگونگی تخریب پوشش جنگلی منطقه می باشد. به این منظور تصاویر سنجنده های tm لندست 5 سال 1369، etm+ لندست 7 سال 1381و oli لندست 8 سال 1393 تهیه و با استفاده از روش تفسیر تلفیقی و داده های کار میدانی طبقه بندی شدند. پس از تهیه نقشه های پوشش جنگلی منطقه در دو کلاسه جنگل پر تراکم و جنگل کم تراکم، تغییرات سطح جنگل در دوره های زمانی 1381-1369، 1393-1381و 1393-1369 آشکارسازی و همچنین تغییرات پوشش جنگلی در طبقات مختلف متغیرهای موثر بر تغییرات برآورد شد. مدلسازی تغییرات سطح جنگل ها در طول مدت مطالعه با استفاده از رگرسیون لجستیک و مدل ژئومد انجام شد و به منظور مقایسه عملکرد این دو روش در پیش بینی تغییرات پوشش جنگلی منطقه نقشه های پیش بینی شده سال 1393 تهیه و با نقشه واقعی همان سال مورد اعتبار سنجی قرار گرفت. نتایج آشکارسازی نشان داد که در طول 24 سال، 992 هکتار از جنگل های پرتراکم و 1592 هکتار از جنگل های کم تراکم کاهش یافته است. نتایج مدلسازی کاهش پوشش جنگلی نشان داد که متغیرهای فاصله از جاده، فاصله از مسکونی، ارتفاع و شیب رابطه مستقیمی با کاهش اراضی جنگلی دارند، درحالیکه بین کاهش اراضی جنگلی با متغیرهای فاصله از جنگل و جهت رابطه معکوس وجود دارد. نتایج اعتبار سنجی نقشه پوشش جنگلی پیش بینی شده سال 1393 نشان دهنده صحت کلی و مقدار شاخص کاپا به ترتیب برابر با 96.8 درصد و 0.9342 برای نقشه پیش بینی شده با رگرسیون لجستیک و همچنین 96.4 درصد و 0.9269 برای نقشه پیش بینی شده با مدل ژئومد می باشد.

Monitoring and modeling changes of forest area using logistic regression-markov and geomod

AbstractDetecting land use, land cover changes and recognizing effective factors is necessary to prevent land use changes and better management. The aim of this study was detecting changes of Arasbaran forest cover in two periods of 12 years, modeling and predicting forest cover destruction in this region. At first, the multi temporal Landsat 5 images in 1990, ETM+ Landsat 7 in 2002 and OLI Landsat 8 in 2014 were provided and were classified in two categories including high dense forest, low dense forest. Forest changes were detected in three periods, 19902002, 20022014, and 19902014, also changes in forest cover were estimated in different classes of variables influencing changes. Forest area changes in the study period were modeled by logistic regression models and Geomod. In order to compare the performance of these two models in predicting land uses status by preparing maps in 2014 and validating by real map of that year. Results showed that in the period of 24 years, 992 and 1592 hectares of high and low dense forests were degraded during 19902014, respectively. The results of decreasing forest cover modeling showed that variables such as distances from roads and residential, elevation and slope has a direct relation with forest degradation. However, there is an inverse relation between forest degradation and distance from forest variables. The validation result of forest cover maps which is predicted in 2014 show total accuracy and kappa coefficient is 96.8 and 0.9342, for logistic regression map and 96.4 and 0.9269 for Geomod map respectively. These results indicated that model had a good performance in predicting of land use changes. Finally, using the logistic regression and Geomod, forest cover changes predicted for 2025. The result of predicting showed that the forest cover will degradeted 3.9% in the next 10 years.