فصلنامه علمی- پژوهشی اطلاعات جغرافیایی « سپهر»

شماره جاری

بر اساس شماره‌های نشریه

بر اساس نویسندگان

بر اساس موضوعات

نمایه نویسندگان

نمایه کلیدواژه ها

درباره نشریه

اهداف و چشم انداز

اعضای هیات تحریریه

اصول اخلاقی انتشار مقاله

بانک ها و نمایه نامه ها

پیوندهای مفید

پرسش‌های متداول

فرایند پذیرش مقالات

اخبار و اعلانات

فرم های ضروری نشریه

شرایط و ضوابط ارسال مقاله

راهنمای تنظیم مقاله

مدل سازی تغییر پوشش جنگل فندقلو با استفاده از مدل زنجیره‌ای CA مارکوف و GEOMOD

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشیار گروه سنجش از دور و GIS دانشکده برنامه ریزی و علوم محیطی، دانشگاه تبریز، تبریز

2 دانش آموخته کارشناسی ارشد سنجش از دور و GIS ، دانشکده برنامه ریزی و علوم محیطی، دانشگاه تبریز، تبریز

3 دانشیار گروه ژئومورفولوژی، دانشکده برنامه ریزی و علوم محیطی، دانشگاه تبریز، تبریز

چکیده

 پایش و بررسی تغییرات کاربری اراضی در عرصه­ های جنگلی، اطلاعات قابل قبولی را به‌منظور مدیریت کارآمد این منابع فراهم می­ کند. همچنین حفاظت از منابع طبیعی نیازمند آگاهی از شرایط و نحوه تغییر کاربری‌های مختلف اراضی است؛ بنابراین هدف از این پژوهش ارزیابی روند تغییر کاربری جنگل در محدوده جنگلی فندقلو از سال 2010 تا سال 2019 با استفاده از تصاویر لندست 5، 8 و ادغام آن­ها باتصاویر سنتینل2 و استر است. پس از تهیه تصاویر برای سال‌های 2010، 2015 و 2019، تصحیح هندسی، رادیومتریک و اتمسفری تصاویر انجام گرفت و نقشه‌ کاربری‌ها با دقت کاپا به ترتیب 93، 83، 91 درصد تهیه شدند. مدل­ سازی تغییر کاربری برای سال 2025 با مدل GEOMOD، نیازمند تهیه نقشه تناسب منطقه است که با استفاده از روش Fuzzy ANP و ضریب ناسازگاری کمتر از 0.06 تهیه شده و برای تهیه نقشه تناسب اراضی از چهار معیار: انسانی، زیست‌شناختی، توپوگرافی و اقلیمی و 11 زیر معیار با توابع بولین بدست آمد و نقشه‌های کاربری اراضی بولین (جنگل و غیر جنگل) 2010 و 2015 مدل‌سازی برای سال 2019 انجام گرفت. مدل‌سازی کاربری برای سال ۲۰۲۵ از نقشه پایه ۲۰۱۹ و ماتریس انتقال زنجیره مارکوف کاربری اراضی ۲۰۲۵ با مدل CA- Markov صورت پذیرفت و نتیجه تغییرات مکانی برای سال ۲۰۲۵ به دست آمد. برای ارزیابی دقت مدل از میزان توافق و عدم توافق مکانی پیکسل‌ها با Klocation و Standard به ترتیب با دقت 98 و 95 استفاده شد. نتایج مدل‌سازی برای سال 2025 تغییرات به‌صورت کاهش پوشش جنگل بوده که از 3204.18 هکتار در سال 2010 به 3070.55 هکتار در 2019 هزار هکتار کاهش یافته است. با توجه به نتایج وزن‌دهی، معیار انسانی و زیرمعیارهای کاربری اراضی و فاصله از جاده وزن بالایی را به‌دست آوردند. علت آن می‌‌تواند پتانسیل گردشگری این منطقه در جذب گردشگران و همچنین دخالت‌های ساکنان محلی باشد که تأثیر مستقیمی بر روند کاهشی جنگل دارد. 

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

Modeling the cover change forest of Fandoqlu using CA Markov chain GEOMOD model

نویسندگان [English]

  • Khalil Valizadeh Kamran 1
  • Maryam Sadeghi 2
  • Asadollah Hejazi 3

1 Associate Professor, Department of Remote Sensing and GIS, Faculty of Planning and Environmental Sciences of Tabriz University, I.R.Iran

2 MSc. student of remote sensing and GIS, Faculty of Planning and Environmental Sciences of Tabriz University, I.R.

3 Associate Professor, Department of Geomorphology, Faculty of Planning and Environmental Sciences of Tabriz University, I.R.Iran

چکیده [English]

Extended Abstract:
Introduction
 Monitoring and investigation of land use changes in forest areas provides acceptable information for efficient management of these resources. Also, taking care protecting natural resources requires awareness of the conditions and how to change different land uses. Therefore, the purpose of this research is to evaluate the change of forest use in the forest area of ​​ Fandoqlu from 2010 to 2019 by using Landsat 5, 8 images and integrating them with Sentinel 2, Ester images. After preparing images from the years 2010, 2015 and 2019, geometrical, radiometric and atmospheric corrections of the images were done and the classification accuracy using kappa accuracy was% 93, %83, 91% respectively. The land use of Fandoqlu forest area was To model the change of use for 2025 with the Geomod model, it is necessary to prepare a suitability map of the area, which is prepared using the Fuzzy ANP method and the incompatibility coefficient is less than 0.06. In order to prepare a suitability map of four general factors: human, biological, topographic and climatic, and 12 sub-criteria were obtained with Boolean functions, and Boolean land use maps (forest and non-forest) 2010 and 2015 were modeled for 2019 and for modeling Land use for 2025 was done from the base map of 2019 and the transition matrix of Markov chain of land use in 2025 with the CA-Markov model And the result of location changes for 2025 was obtained. To evaluate the accuracy of the model, the agreement and non-agreement of pixels with Klocation and Standard were done with 98 and 95 accuracy, respectively. Modeling results for the year 2025 changes in a decreasing manner; The increase of non-utilized covers and the reduction of forest use, which will decrease from 3204.18 hectares in 2010 to 3070.55 hectares in 2019; According to the results of the human criterion and the sub-criteria of land use and distance from the road, the tourism potential of this area and the attraction of tourists as well as the interference of local residents can have a direct effect on this forest reduction process.
Materials & Methods: organizations, people and local, is the only way to protect the forests of this region. In this study, remote sensing data such as satellite images of Landsat8,5, ASTER and Sentinel 2A were used to prepare the baseline map. Climatic data of all parameters up to 1396 were received from the synoptic station of Ardabil province. The digital model of 12.5 altitude was prepared from NASA website to prepare slope maps, slope direction, border layer of the study area and vegetation layer from Ardabil Natural Resources Organization. The research used Arc GIS, ENVI 5.3, TerrSet, eCognition 9 Google Earth pro and SUPER DECITION software. then based on the value and purpose of Reclassify and layer fuzzy. to predict the future conditions of forest cover changes by GEOMOD method, a time map of the start of the modeling process and a map of change appropriateness are needed. Geomod is used to model spatial patterns, forecast and probability of change. GEOMOD is used to simulate patterns of spatial change of use or change between two categories of use (forest and non-forest).
Results and Discussion: In order to implement the GEOMOD model, a fit map prepared from the study area is required. Fuzzy ANP method was used to prepare the appropriateness map of the study area, which has four criteria: human (distance from the road, distance from the village, population), topography (slope, direction, height) and biological (land use, lithology, soil), criteria. And the following criteria are used in the map. Climatic parameter (average annual rainfall, temperature, altitude, slope, direction of slope, waterway) was used. 2025 user is required, so using 2015 and 2019 user with CA Markov model for 2025 was modeled. Decreased accuracy was associated. The results of predicting forest spatial changes for 2025 were used from the 2019 Boolean user map and the CA Markov modeled user map. Conclusion: To implement the GEOMOD model, we need a fit map for spatial modeling of changes. In this study, four criteria and 12 sub-criteria discussed in Chapters 3 and 4 were used to prepare a fit map of the region. They have acquired Super Decision software.
Conclusion: Using the Boolean forest and non-forest boards and the 2015 and 2019 land use maps with the CA Markov model for 2025, it was modeled. Human, climate and biological have weights of 0.358, 0.258, 0.203 and 0.165, respectively, which the topography achieved the highest weight in Super Decision software. Among the sub-criteria, the type of land use has a high impact on changes in the region. The final output of the fit map was prepared by applying the OR function after applying the weights, which had a better result than the other functions. Finally, using the 2015 and 2025 user maps for 2025, forest spatial changes were made. To evaluate the accuracy of the model, the agreement and non-agreement of spatial pixels were used, which was modeled with Kappa 98% for 2019. The results of spatial change modeling show the high accuracy of the model in predicting spatial changes. GEOMOD results for 2025 will reach 3085 thousand hectares from 3151.9 hectares. Research conducted in different places. the country indicates a decline in forest areas in the coming decades.

کلیدواژه‌ها [English]

  • Land Use Change Modeling
  • GEOMOD
  • Fandoqlu
مراجع
1- ابراهیمی، رسولی؛ حمید، علی‌اکبر (1396). مدل‌سازی تغییرات کاربری اراضی با استفاده از پردازش شی­‌گراء تصاویر ماهواره‌ای و مدل CA-Markov (مطالعه موردی: شهر شیراز). فصلنامه علمی - پژوهشی اطلاعات جغرافیایی، 27(108).108، صفحات 138-149.
2- اندریانی، رضایی مقدم، ولیزاده کامران، الماس‌پور؛ صغرا، محمدحسین، خلیل، فرهاد (1396). شبیه‌­سازی زمانی مکانی تغییرات کاربری با استفاده از تصاویر ماهواره‌‌ای و تلفیق روش‌های تحلیل زنجیره مارکوف و GEOMOD با تأکید بر کاربری باغ (مطالعه موردی: حوضه صوفی چای مراغه)، مجله مرتع و آبخیزداری، مجله منابع طبیعی ایران، دوره 70(4)، صفحات 835- 822.
3- پارسا مهر، غلامعلی فرد؛ کوشا، مهدی (1394)، مقایسه رویه‌های مدل‌سازی پتانسیل انتقال کاربری اراضی و استلزام آن‌ها به‌عنوان خط مبنای پروژه‌های REDD در استان مازندران، اولین اجلاس ملی مهندسی فناوری اطلاعات مکانی، تهران،https://civilica.com/doc/461617
4- جویباریان شوشتری، شایسته، غلامعلی فرد، آذری، لوپز مورنو؛ شریف، کامران، مهدی، محمود، خوان ایگناسیو (1396). قشر سنجه‌های سیمای سرزمین و فرآیندهای مکانی تغییر در ارزیابی کارایی مدل GEOMOD (مطالعه موردی: حوضه آبخیز نکا رود)، جغرافیا و پایداری محیط، 24، صفحات 63- 73.
5- حیدری‌زادی، محمدی؛ زاهده، عبدالرضا(1395). پیش‌بینی تغییرات کاربری اراضی در دشت مهران با استفاده از مدل سلول­‌های خودکار - مارکوف، مجله علمی پژوهشی مهندسی اکوسیستم بیابان، سال 5، شماره 10، صفحات 57- 68.
6- راحلی نمین، بهناز؛ مرتضوی، ثمر، (1399). پیش بینی روند تغییرات مکانی کاربری اراضی و توسعه مناطق مسکونی با استفاده از مدل زنجیره‌ای CA مارکوف و روش ژئومد، مطالعة موردی: حوضه آبخیز قره‌سو، استان گلستان، فصلنامه ی علمی-پژوهشی فضای جغرافیایی دانشگاه واحد اهر، سال هجدهم (62)، صفحات 169
7- رستمی‌کیا، شریفی؛ یونس، جابر (1397). فندقلو بزرگ‌ترین ذخیره‌گاه جنگلی صندوق ایران را دریابید. طبیعت ایران، اردبیل، جلد 3، 6(13).
8- رمضانی، جعفری؛ نفیسه، رضا (1393). آشکارسازی تغییرات کاربری و پوشش اراضی در افق 1404 با استفاده از مدل زنجیره‌ای CA مارکوف (مطالعه موردی: اسفراین) فصلنامه تحقیقات جغرافیایی، 29(4)، پیاپی 115، 84- 95.
9- زبردست، جعفری، باده‌­یان، عاشق معلا؛ لعبت، حمید رشا، ضیاالدین، مریم (1389). ارزیابی روند تغییرات پوشش اراضی منطقه حفاظت‌شده ارسباران در فاصله زمانی 2002، 2006 و 2008 میلادی با استفاده از تصاویر ماهواره‌ای، پژوهش‌های محیط‌زیست، شماره 1، صفحات 23- 33.
10- عزیزی قلایی، رنگزن، تقی­‌زاده، احمدی؛ سارا، کاظم، ایوب،  شهرام (1391). مدل‌سازی تغییرات کاربری اراضی با استفاده از سنجش‌ازدور و سیستم اطلاعات جغرافیایی در منطقه کو همره سرخی استان فارس. تحقیقات علمی- پژوهشی جنگل و صنوبر ایران. 3(22)، صفحات 585- 595.
11- فرجی سبکبار، حسنعلی(1389) مکان‌یابی محل دفن بهداشتی زباله روستایی با استفاده از مدل فرایند شبکه‌ای تحلیل (ANP)، فصلنامة مدرس علوم انسانی دورة 14، شمارة 14، بهار، صفحات 127 -149.
12- فلاحتکار، ساره (1387). بررسی توانایی مدل GEOMOD در پیش‌بینی تغییرات کاربری اراضی به بررسی تغییرات رخ‌داده در اکوسیستم دیلمان استان گیلان با استفاده از داده‌های تصاویر ماهواره لندست، دانشگاه تربیت مدرس، دانشکده منابع طبیعی.
13- فیضی‌­زاده، بختیار (1396). ارزیابی تطبیقی تکنیک پردازش پیکسل پایه و شی­‌گراء در طبقه‌­بندی تصاویر ماهواره‌­ای Aster برای استخراج نقشه‌های اراضی کشاورزی باغی در حاشیه شرقی دریاچه ارومیه، فصلنامه علمی پژوهشی سپهر اطلاعات جغرافیایی، 28، (109)، 160-169.
14- قربانیان خیبری، میر سنجری، آرمین؛ وجیهه، میر مهرداد، محسن (1396). پیش‌بینی تغییرات کاربری جنگل در حوضه آبخیز چالوس رود، سنجش‌ازدور و سیستم اطلاعات جغرافیایی در منابع طبیعی، 8(2).
15- کامکار، علیزاده دهکردی، اعلایی باز کیانی، عبدی؛ بهنام، پریسا، پویا، امید (1400). تعیین میزان انطباق اراضی زیر کشت محصول سویا با نقشه‌های تناسب اراضی (مطالعه موردی: استان گلستان)، مهندسی زراعی (مجله علمی کشاورزی) جلد 44، شماره،1، صفحات 122- 139.
16- کیانی، نظری سامانی، فقیهی، علیزاده شعبانی؛ واحد، جهانگیر، علی اکبر، افشین (1387)، آشکارسازی تغییرات پوشش/کاربری منطقه طالقان با استفاده از سنجش از دور، مجله علمی پژوهشی اطلاعات جغرافیایی سپهر، دوره 22(87)، ص 28-35.
17- محمدی لرد، عبدالمحمود(1388) فرآیندهای تحلیل شبکه‌ای، انتشارات البرز فردانش، تهران.
18- مخدوم، مجید(1370) ارزیابی توان اکولوژیکی منطقة گیلان و مازندران برای توسعة شهری، صنعتی، روستایی و توریسم، محیط‌شناسی، صص. 100 -8
19- مولوی گنابادی، طالعی، جوادی؛ معین، محمد، قاسم، (1398). ارزیابی تناسب اراضی مبتنی بر روش‌های تصمیم‌­گیری چندمعیاره مکانی جهت استقرار نیروگاه‌های بادی در استان خراسان رضوی، سنجش از دور و GIS ایران سال 11، شماره 3، صفحات 60- 78.
20- نوذری، صالحی، آرمین، فرزین؛ فاطمه، علیرضا، محسن، محسن (1399). پیش‌­بینی تغییرات پوشش جنگلی منطقه بویراحمد با استفاده از مدل GEOMOD، فصلنامه علمی پژوهشی جنگل، جلد 6، شماره (3)، صفحات 463- 476.
21- Abedi, H G; Feizizadeh, B. (2017). An integrated approach of analytical network process and fuzzy based spatial decisio making systemsn applied to landslide risk mappin, Journal of African Earth Sciences. 133,PP 15-24.
22- Azareh, A; Rafiei Sardooi, E, Gholami, H; Mosavi, A; Shahdadi, A; Barkhori, S. (2021). Detection and prediction of lake degradation using landscape metrics and remote sensing dataset, Environmental Science and Pollution Research. https://doi.org/10.1007/s11356-021-12522-8. 2012, 1, 3-31.
23- Blaschke,T. (2010). Object based image analysis for remote sensing”, ISPRS Journal of Photogrammetry and Remote Sensing, 65, pp 2-3.
24- Clark Labs. (2009).The Land Change Modeler for ecological Sustainability”, IDRISI Focus Paper, Worcester.
25- Duro, D.C & et al.)2012). A comparison of pixelbased and object-based image analysis with selected machine learning algorithms for the classification of agricultural landscapes using SPOT-5 HRG imagery, Remote Sensing of Environment 118, 259-272.
26- Fan, F; Wang, Y; Wang, Z. (2008). Temporal and spatial change detecting (1998–2003) and predicting of land use and land cover in Core corridor of Pearl River Delta (China) by using TM and ETM+ images, Environmental Monitoring and Assessment, 137 (1), 127-147.
27- Gilmore, C.H. (2006). GEOMOD Modeling, USA: Clark University, P. 44.
28- Lillesand, T; Kiefer, R. W; Chipman, J. (2014). Remote sensing and image interpretation. John Wiley & Sons, New York, PP. 763.
29- Lopez, E; Gerardo, B; Manuel, M; Emilio, D. (2001). Predicting land-cover and land-use change in the urban fringe - A case in Morelia city, Mexico, Landscape and Urban Planning, 55 (4), 271-285.
30- Myint Soe, W; Wang, L. (2006). Multicriteria decision approach for land use land cover change using Markov chain analysis and a cellular automata approach, Canadian Journal of Remote Sensing, 32 (6), pp390-404.
31- Neaupane, K.M; Piantanakulchai, M; (2006). Analytic network process model for landslide hazard zonation. Eng. Geol. 85, 281e294. http://dx.doi.org/10.1016/ j.enggeo.2006.02.003
32- Pontius Jr. R. G; Malanson, J. (2005). Comparison of the structure and accuracy of two land change models, International Journal of Geographical Information Science, 19 (2), pp 243–265.
33- Pontius Jr; Robert G (2000). Quantification error versus location error in comparison of categorical maps, Engineering and Remote Sensing, 66 (8), 1011-1016. 20- Pontius, Robert.
34- Rostami Kia, Y; Little Tabari, M; Ahmadzadeh, A; Rahmani, A. (2017). The effect of growth-promoting bacteria on vegetative traits and nutrients of hazelnut seedlings in Ardabil hazelnut nursery. Iranian Journal of Forest and Poplar Research, 25 (1):116-126.
35- Selvalakshmi, S; Jayakumar, S. (2018). EFFECTIVENESS OF PROTECTED AREAS IN MAINTAINING THE FOREST COVER: A MODELING APPROACH USING GEOMOD.” Sciencia Acta Xaveriana an International Science Journal ISSN. 0976-1152.Vol. 9 No. 1pp. 35-44.
36- Walter, V. (2004). Object-based classification of remote sensing data for change detection. ISPRS Journal of photogrammetry and remote sensing 58(3), PP 225-23.
فصلنامه علمی- پژوهشی اطلاعات جغرافیایی « سپهر»
دوره 32، شماره 125 - شماره پیاپی 125
خرداد 1402
صفحه 179-192
فایل ها
هم رسانی
ارجاع به این مقاله
آمار