palette
ارزیابی و پیش‌بینی روند تغییرات مکانی کاربری زمین در حوزه تالاب انزلی با استفاده از مدل LCM
رضا شاکری, کامران شایسته, مهدی قربانی

چکیده
فعالیت‌های طبیعی و انسانی در مناطق ساحلی، باعث تغییرات پویای کاربری و پوشش زمین می‌شود. رشد سریع جمعیت در این مناطق، باعث تسریع در روند تغییر کاربری‌ها و پوشش طبیعی زمین و انتقال به کاربری‌های مسکونی و توسعه زیرساخت‌ها می‌شود. این پژوهش، به‌منظور بررسی و مدل‌سازی تغییرات کاربری زمین در حوزه تالاب انزلی بین سال‌های 1975 تا 2015، با استفاده از تصاویر ماهواره‌ای و پیش‌بینی تغییرات احتمالی کاربری زمین در سال 2045 با استفاده از مدل LCM انجام شده است. به منظور دستیابی به تغییـرات کمی و كیفـی رخ‌داده در منطقه مورد مطالعه، نقشه‌های کاربری حوزه آبخیز تالاب انزلی از تصاویر ماهواره لندست سال‌های 1975، 1989، 2000 و 2015 استفاده شده است. بر این اساس، شش طبقه كاربری كشاورزی، مرتع، جنگل، اراضی تالابی، اراضی مسكونی و تالاب با استفاده از روش طبقه‌بندی الگوریتم حداکثر احتمال مـدنظـر قـرار گرفـت.  ارزیابی صحت نقشه‌های کاربری زمین مستخرج از تصاویر ماهواره‌ای به دو صورت دقت کلی و ضریب کاپا به ترتیب برابر 87 درصد و 0.71 با استفاده از 323 نقطه از طریق الگوریتم نمونه‌گیری لایه‌ای تصادفی محاسبه شد. تجزیه و تحلیل ماتریس تشخیص تغییرات نشان می‌دهد که در طی دوره زمانی 1975 تا 2015 کل تغییرات و انتقال کاربری‌های مختلف به یکدیگر 76648.14 هکتار است. بیشترین تغییرات بین کاربری‌های مختلف در طی این زمان مربوط به انتقال کاربری‌های مختلف به کاربری کشاورزی به میزان 49827.69 هکتار است که این میزان معادل 65 درصد کل تغییرات کاربری‌های مختلف است. در تغییر کاربری‌های صورت گرفته به کشاورزی، کاربری‌های جنگل (64 درصد)، مرتع(16 درصد)، اراضی تالابی (10 درصد)، تالاب(8 درصد) و مناطق مسکونی (2 درصد) بیشترین سهم را دارند. در طول مدت مطالعه، گسترش کاربری مسکونی همواره روندی مثبت و منطبق بر افزایش جمعیت داشته است. مدل‌سازی پتانسیل انتقال با استفاده از شبکه عصبی مصنوعی و استفاده از 7 متغیر و 8 زیر مدل انجام شد. نتایج مدل‌سازی با استفاده از شبکه عصبی در اکثر سناریوها صحت بالایی (60.14 تا 88.73 درصد) را نشان داد. به منظور بررسی صحت مدل‌سازی ضریب کاپای استاندارد (0.8948) و مقادیر خطای Null Successes  (77.9 درصد), Hits (3.1 درصد), Misses (15.9 درصد), False Alarms (3.1 درصد) محاسبه و وضعیت صحت برای موقعیت و کمیت پیکسل‌های هر طبقه به دست آمد. نسبت Hits به کل پیکسل‌های تغییر کرده (14.2) بیانگر قابل‌قبول بودن نتايج مدل در پیش‌بیني تغییرات کاربری زمین است. مقایســه نتایج حاصــل از تبدیل و تغییر كلاس‌ كـاربری‌هـای زمین در دوره زمـانی 2015 تـا 2045 (پیش‌بینی‌شده) در منطقه، نشـــان می‌دهد اگر روند بهره‌برداری از ســـرزمین با شـــیوه مدیریت فعلی ادامه یابد، 10036.26 هکتار اراضی جنگلی به اراضی کشاورزی (67.69 درصد)، مرتع(32.04 درصد)، مناطق مسکونی(0.16 درصد) و اراضی تالابی تبدیل می شود و با احتساب انتقال سایر کاربری‌ها به کاربری جنگل در مجموع در طول این مدت، شاهد کاهش 9963.36 هکتار جنگل خواهیم بود. به طور کلی در این مدت اراضی کشاورزی، مرتع و مناطق مسکونی افزایش یافته و کاربری‌های جنگل، تالاب و اراضی تالابی کاهش خواهد داشت.
واژگان کلیدی
کاربری زمین، مدل تغییر کاربری زمین (LCM )، پیش‌بینی، تالاب انزلی

منابع و مآخذ مقاله

اداره کل مهندسی بنادر و سواحل، 1393، ژئومورفولوژی در مدیریت یکپارچه مناطق ساحلی ایران: سواحل دریای خزر: برگرفته از مطالعات طرح مدیریت یکپارچه مناطق ساحلی ایران (ICZM)، جلد اول ( سواحل دریای خزر)، نشر سازمان بنادر و کشتیرانی، 88ص.

بالی.، ع، منوری، س.م، ریاضی، ب.، خراسانی، ن. و خیرخواه م.م، 1391، کاربرد سنجش از راه دور در بررسی روند تغییرات کاربري اراضی با تاکید بر توسعه شهري (تالاب انزلی)، علوم محیطی، 11(1): 73-80 .

بهزادی، ج.، 1390، پایش خشکسالی و تحلیل ویژگی آن در استان گیلان، فصلنامه جغرافیا و آمایش سرزمین، 1(1): 21-36.

پارسامهر، ک. و غلامعلي‌فرد، م.، 1395، معرفي كاربردي مدل‌سازی پروژه‌های REDD: راهكاري براي كاهش پيامدهاي تغيير اقليم، پژوهش‌های محیط‌زیست، 7(13): 189-202.

زبردست، ل و جعفری، 1390، ارزیابی روند تغییرات تالاب انزلی با استفاده از سنجش‌از دور و ارائه راه‌حل مدیریتی، محیط‌شناسی، 37(57): 1-8.

شریفی‌کیا، م.، شایان، س. و ولی.، م.، 1396، تعیین تغییرات دینامیک خط ساحل بخش شرقی دریای خزر به کمک داده‌های چند زمانه/چند سنجده‌ای، برنامه‌ریزی و آمایش فضا، 21(4): 122-139.

طالشی، م.، رحیمی‌پورشیخانی‌نژاد، م.ع.، 1396، الگویابی تخصیص پایدار کاربری‌زمین در نواحی روستایی شرق گیلان، فصلنامه اقتصاد فضا و توسعه روستایی، 6(22): 119-146.

طیفوری، و. و اکبری، ص.، 1396، بررسی جمعیت و گزیده شاخص‌های جمعیت استان گیلان سال‌های 1345-95: سازمان مدیریت و برنامه‌ریزی استان گیلان، معاونت آمار و اطلاعات.

علی‌محمدی، ع.، موسیوند ع.‌ج. و شایان، س.، 1388، پیش‌بینی تغییرات کاربری اراضی و پوشش زمین با استفاده از تصاویر ماهواره‌ای و مدل زنجیره‌ای مارکوف، برنامه‌ریزی و آمایش فضا، 14(3): 117-130.

غلامعلی‌فرد، م.، جورابیان‌شوشتری، ش.، حسینی‌کهنوج، س.ح. و میرزایی م.، 1391، مدل سازي تغييرات کاربري اراضي سواحل استان مازندران با استفاده از LCM در محيط GIS، محیط‌شناسی، 38(4): 109-124.

فلاح، م. و فاخران اصفهانی، س.، 1394، اثرات تغییر کاربری اراضی بر کیفیت آب تالاب بین‌المللی انزلی، اقیانوس‌شناسی، 6(24): 53-59.

فلاحت کار، س.، حسینی، س.م.، ماهینی، ع.س و ایوبی، ش.، 1395، پیش‌بینی تغييرات كاربري اراضي با استفاده از مدل LCM، پژوهش‌های محیط‌زیست، 7(13): 163-174.

جایکا با همکاری سازمان حفاظت از محیط‌زیست و وزارت جهاد کشاورزی،1383، گزارش سالیانه وضعیت محیط‌زیست تالاب انزلی و حوزه آبخیز آن.

مکرونی، س.، سبزقبایی، غ.ر.، یوسفی خانقاه، ش. و سلطانیان، س.، 1395، آشکارسازي روند تغييرات کاربري اراضي تالاب هورالعظيم با استفاده از تکنيک سنجش‌ازدور و سيستم اطلاعات جغرافيايي، سنجش‌ازدور و سامانه اطلاعات جغرافیایی در منابع طبیعی، 7(3): 89-99.

یوسفی‌روشن، م.ر. و کردوانی، پرویز.، 1392، نوسان سطح آب و کارایی حریم دریای خزر (خط ساحلی محدوده شهرستان بابلسر)، پژوهش‌های دانش زمین، 4(2): 1-16.

Amin A ,Fazal S. 2012. Land transformation analysis using remote sensing and GIS techniques (a case study). Journal of Geographic Information System, 4(229): 229-236, doi:10.4236/jgis.2012.43027

Areendran G, Raj K, Mazumdar S, Sharma A. 2017. Land use and land cover change analysis for Kosi River wildlife corridor in Terai Arc Landscape of Northern India: Implications for future management. Tropical Ecology, 58(1): 139–149, http://tropecol.com/pdf/open/PDF581/13. Areendranetal.pdf

Chen H, Pontius R. G. 2010. Diagnostic tools to evaluate a spatial land change projection along a gradient of an explanatory variable. Landscape Ecology, 25: 1319-1331. https://doi.org/ 10.1007/s10980-010-9519-5

Eastman J. R. 2009. IDRISI Taiga guide to GIS and image processing. Clark Labs Clark University, Worcester, MA.

Estoque R.C, Murayama Y. 2012. Introducing new measures of accuracy for land-use/cover change modeling. Tsukuba geoenviron-mental sciences, 8:3-7. https://www. researchgate. net/ publication/ 261296147

Jain R, Jain K, Ali S. R. 2017. Modeling Urban Land Cover Growth Dynamics Based on Land Change Modeler (LCM) Using Remote Sensing: A Case Study of Gurgaon, India. Advances in Computa-tional Sciences and Technology, 10: 2947-2961.

Joshi R. R, Warthe M, Dwivedi S, Vijay R, Chakrabarti T. 2011. Monitoring changes in land use land cover of Yamuna riverbed in Delhi: a multi-temporal analysis. International journal of remote sensing, 32: 9547-9558.

Kaliraj S, Chandrasekar N, Ramachandran K, Srinivas Y, Saravanan S. 2017. Coastal landuse and land cover change and transformations of Kanyakumari coast, India using remote sensing and GIS. The Egyptian Journal of Remote Sensing and Space Science. 2: 169-185. https:// doi.org /10.1016 /j.ejrs.2017. 04.003

Kawakubo F, Morato R, Nader R, Luchiari A. 2011. Mapping changes in coastline geomorphic features using Landsat TM and ETM+ imagery: examples in southeastern Brazil. International journal of remote sensing, 32: 2547-2562. https://doi.org/ 10.1080/ 0143116 1003698419

Khoi D, Murayama Y. 2010. Forecasting Areas Vulnerable to Forest Conversion in the Tam Dao National Park Region, Vietnam. Remote Sensing, 2 (5): 1249-1272. https://doi.org/10.3390/rs 2051249

Kolb M, Mas J. F, Galicia L. 2013. Evaluating drivers of land-use change and transition potential models in a complex landscape in Southern Mexico. International Journal of Geographical Information Science, 27: 1804-1827. https://doi.org/10.1080/13658816.2013.770517

Kumar A, Jayappa K. 2009. Long and short-term shoreline changes along Mangalore coast, India. International Journal of Environmental Research, 3: 177-188. DOI: 10.22059/IJER.2009.46

Liu J, Li J, Qin K, Zhou Z, Yang X, Li T. 2017. Changes in land-uses and ecosystem services under multi-scenarios simulation. Science of The Total Environment, 586: 522-526. https:// doi.org/10 .1016/j.scitotenv.2017. 02.005

Liu X. H, Skidmore A, Vanoosten H. 2002. Integration of classification methods for improvement of land-cover map accuracy. ISPRS Journal of Photogrammetry and Remote Sensing, 56: 257-268. https://doi.org/ 10.1016/ S0924-2716(02)00061-8

Mas J.F, Kolb M, Paegel0w M, Olmedo M.T.C, Houet T. 2014. Inductive pattern-based land use/cover change models: A comparison of four software packages. Environmental Modelling & Software, 51: 94-111. https://doi.org/10.1016/ j.envsoft.2013.09.010

Mishra V.N, Rai P.K, Mohan K. 2014. Prediction of land use changes based on land change modeler (LCM) using remote sensing: a case study of Muzaffarpur (Bihar), India. Journal of the Geographical Institute" Jovan Cvijic", SASA, 64(1): 111-127. DOI: 10.2298/IJGI1401111M

Olemedo M.T.C, Pontius R G, Paegelow M, Mas J.F. 2015. Comparison of simulation models in terms of quantity and allocation of land change. Environ-mental Modelling & Software, 69: 214-221. https://doi.org/ 10.1016/ j.envsoft. 2015.03.003

Paegelow M, Camacho Olmedo M.T, Mas J.F, Houet T. 2014. Benchmarking of LUCC modelling tools by various validation techniques and error analysis. Cybergeo: European Journal of Geography. DOI: 10.4000/cybergeo. 26610

Paegelow M, Camacho Olmedo M.T, Mas J.F, Houet T, Pontius JR, R. G. J. I. J. O. G. I. S. 2013. Land change modelling: moving beyond projections. International Journal of Geographical Information Science, 27(9): 1691–1695, doi.org /10.1080 /13658816. 2013. 819104

Perez-vega A, Mas J.F, Ligmann-Zielinska A. 2012. Comparing two approaches to land use/cover change modeling and their implications for the assessment of biodiversity loss in a deciduous tropical forest. Environmental Modelling & Software, 29: 11-23. https://doi.org/ 10.1016/ j. envsoft.2011.09.011

Pontius G.R, Malanson J. 2005. Comparison of the structure and accuracy of two land change models. International Journal of Geogra-phical Information Science, 19: 243-265. https://doi.org/10.1080/ 13658810410001713434

Rawat J, Biswas V, Kumar M. 2013. Changes in land use/cover using geospatial techniques: A case study of Ramnagar town area, district Nainital, Uttarakhand, India. The Egyptian Journal of Remote Sensing and Space Science, 16: 111-117. https://doi.org/ 10.1016/ j.ejrs.2013.04.002

Rawat J, Kumar M. 2015. Monitoring land use/cover change using remote sensing and GIS techniques: A case study of Hawalbagh block, district Almora, Uttarakhand, India. The Egyptian Journal of Remote Sensing and Space Science, 18: 77-84.https://doi.org/ 10.1016/j.ejrs .2015.02.002

Reddy C.S, Singh S, Dadhwal V, Jha C, Rao N. R, Diwakar P. 2017. Predictive modelling of the spatial pattern of past and future forest cover changes in India. Journal of Earth System Science, 126)8):1-16. https://doi.org/10.1007/s12040-016-0786-7

Richards J.A, Richards J. 1999. Remote sensing digital image analysis, Springer. https://doi.org /10 .1007/978-3-642-30062-2

Sloan S, Pelletier J. 2012. How accurately may we project tropical forest-cover change? A validation of a forward-looking baseline for REDD. Global Environmental Change, 22:440-453. https://doi.org/10.1016/j.gloenvcha.2012.02.001

Thapa R.B, Murayama A.Y. 2011. Urban growth modeling of Kathmandu metropolitan region, Nepal. Computers, Environment and Urban Systems, 35: 25-34. https:// doi.org/ 10.1016 /j.compenvurbsys .2010.07. 005

Tiwari A, Suresh M, Rai A.K. 2014. Ecological Planning for Sustainable Development with a Green Technology: GIS. International Journal of Advanced Research in Computer Engineering & Technology (IJARCET), 3:2278-1323. http://ijarcet.org/ wp-content/ uploads /IJARCET-VOL-3-ISSUE-3-636-641.pdf

Van Vliet J, Bregt A.K, Hagen-Zanker A. 2011. Revisiting Kappa to account for change in the accuracy assessment of land-use change models. Ecological modelling, 222:1367-1375. https://doi. org /10.1016/ j.ecolmodel. 2011.01.017

Xiuwan C. 2002. Using remote sensing and GIS to analyse land cover change and its impacts on regional sustainable development. International Journal of Remote Sensing, 23:107-124. https:// doi.org/10.1080/01431160010007051

Yagoub M, Kolan G.R. 2006. Monitoring coastal zone land use and land cover changes of Abu Dhabi using remote sensing. Journal of the Indian society of remote sensing, 34:57-68. https:// doi.org/10.1007/BF02990747

Yuan F, Sawaya K.E, Loeffelholz B.C, Bauer M.E. 2005. Land cover classification and change analysis of the Twin Cities (Minnesota) Metropolitan Area by multitemporal Landsat remote sensing. Remote sensing of Environment, 98: 317-328. https:// doi.org/10.1016/j.rse.2005.08.006


ارجاعات
  • در حال حاضر ارجاعی نیست.