انجمن سنجش از دور ایران / دانشگاه شهید بهشتینشریه سنجش از دور و GIS ایران2008-59666220141023Introducing a Method for Replacement of MODIS Measured Radiance Fluxes Using Modified CRTM Model at the Local Scaleپیشنهاد روشی برای جایگزینی دادههای تابشی سنجندة MODIS با استفاده از مدل CRTM تصحیحشده در مقیاس محلی95348FAمجیدرحیمزادگاندانشگاه خواجه نصیرالدین طوسیمحمدرضامباشریدانشگاه خواجه نصیرالدین طوسیJournal Article20150824In this study, a method for replacing MODIS measured flux densities using CRTM is introduced. For this, the Radiosonde measured temperature profiles in Bandar-abbass synoptic station along with night time flux densities measure by MODIS sensor on board of Aqua platform for the deep water region in the Persian Gulf were used. Then, using standard predictors of OPTRAN version VIII which is the main part of CRTM model, it was tried to model the difference between modeled and MODIS measured radiance values. To evaluate the method, the averaged RMSE were used. The RMSE between CRTM calculated and MODIS measured radiation fluxes was found to be 0.47 . This value was improved to 0.39 using modified CRTM. The equivalent brightness temperature for these fluxes was 6.45 and 5.27 (K) respectively. So using the suggested method in this study, the CRTM calculated radiances fairly approaches the MODIS measured values. It is suggested that this method be used whenever there are high noises, cloud overcast and or any possible malfunctioning of MODIS sensor to replace the missing data.Keywords: Temperature Profile, MODIS, CRTM, Satellite. در پژوهش حاضر روشی برای جایگزینکردن چگالیهای شار تصاویر سنجندة MODIS با استفاده از مدل انتقال انرژی مجمع (CRTM) که از مدلهای حل معادلة انتقال انرژی است، ارائه شده است. بدین منظور اندازهگیریهای رادیوساند مربوط به ایستگاه سینوپتیک بندرعباس بههمراه چگالیهای شار اندازهگیریشده از تصاویر شب سنجندة MODIS مستقر بر سکوی Aqua برای آبهای عمیق خلیجفارس مورد استفاده قرار گرفت. بنابراین با استفاده از پیشبینیکنندههای استاندارد نسخة هشتم مدل گذردهی مسیر نوری (OPTRAN) که بخش اصلی مدل CRTM است، اختلاف چگالیهای شار محاسبهشده بهوسیلة مدل CRTM و اندازهگیریشده بهوسیلة سنجندة MODIS مدلسازی شده است. پس از پیادهسازی روش مورد نظر، مقدار میانگین RMSE چگالیهای شار محاسبهشده از مدل CRTM با مقدار اندازهگیریشده برای تصاویر سنجندة MODIS منتخب برای آزمون کارایی روش، در تمام باندها W/(m2.µm.sr) 47/0 محاسبه شد که با اعمال تصحیحات ارائهشده در پژوهش حاضر به 39/0 تغییر یافت. مقدار میانگین RMSE دمای درخشندگی میانگین معادل این چگالیهای شار نیز به ترتیب 45/6 و 27/5 درجة کلوین محاسبه گردید. با استفاده از روش ارائهشده در این پژوهش، مقادیر چگالیهای شار حاصل از مدل CRTM به مقادیر چگالیهای شار سنجندة MODIS نزدیکتر میشود. بنابراین میتوان از این مدل برای ارزیابی چگالیهای شار سنجندة MODIS استفاده کرد و در مواردی نظیر وجود نویز بالا یا وجود ابر در تصاویر یا ازکارافتادن سنجنده، دادههای آن را با دادههای محاسباتی مدل CRTM تصحیحشده جایگزین کرد. کلیدواژهها: پروفایل دما، MODIS، CRTM، ماهواره. https://gisj.sbu.ac.ir/article_95348_69563f5c71ef105b13e73f41987b206a.pdfانجمن سنجش از دور ایران / دانشگاه شهید بهشتینشریه سنجش از دور و GIS ایران2008-59666220141023Assessment and Optimization of Salomonson Etal Method for Snow Cover Estimation in Karaj and Latyan Basinsارزیابی و بهینهسازی روش سالومونسون و همکاران در برآورد سطح پوشش برف حوزههای کرج و لتیان95371FAعلیاکبرمتکاندانشگاه شهید بهشتی0000-0001-5394-4599Journal Article20150824The purpose of presenting this paper is to determine the snow covered area on Karaj and Latyan basins using MODIS Images, and evaluating Salomonson et al method which is applied in this study. The importance of snow cover_ Such as its impact on radiation budget, water balance and modeling_ has led to several researches. In this research, MODIS data for snow cover mapping and LISSIII_IRS image for accuracy assessment have been used. Up to now, various methods have been applied to compute pixels’ snow fraction. We have used Salomonson etal. method. The method has showed proper accuracy in global scale and doesn’t need priori knowledge of surface characteristics. Also, to increase accuracy, the coefficients of the Salomonson et al. model were modified using regional data. And the results were evaluated in a new region.Accuracy assessment results showed that Salomonson et al. method can calculate snow fraction of MODIS pixels with RMSE of 0.20 pixels. Furthermore, Kappa coefficients and overall accuracy of Salomonson et al. method were 0.84 and 92.12 respectively suggesting proper accuracy of the method. Local accuracy assessment showed that in Iran, river margins with low density tree cover and sparsely scattered orchards, this method has got more errors; therefore, it is important to exclude thisarea. Moreover, it is recommended to use proper masks which allow the narrow rivers to be removed. RMSE of the modified model was 0.258 while, RMSE of Salomonson et al. model was 0.266 at the same area. So, the results showed that modifying the coefficient could improve the result slightly. Keywords: NDSI, Salomonson method, Snow fraction, Subpixel. هدف از این مقاله تعیین سهم پوشش برف حوزههای کرج و لتیان با استفاده از تصاویر MODIS، بهروش سالومونسون و همکاران و شناسایی منابع خطای این روش است. اهمیت سطح پوشش برف ـ بهدلیل تأثیرگذاری بر بیلان تابش، بیلان آب و مدلسازی ـ انجام تحقیقات گوناگون را ضروری ساخته است. در این تحقیق برای بررسی سطح برف از دادههای MODIS و برای ارزیابی دقت، از تصاویر LISIII-IRS استفادهشده است. تا کنون روشهای متفاوتی برای استخراج سهم برف پیکسلها بهکار گرفته شده که در تحقیق حاضر از روش سالومونسون و همکاران بهدلیل دقت مناسب و نیازنداشتن به اطلاعات اولیه از منطقه استفادهشده و عوامل ایجاد خطا در آن شناسایی شده است. افزون بر این، ضرایب معادلة سالومونسون و همکاران با استفاده از دادههای منطقهای ایران بهینهسازی شده و دقت حاصل از مدل با ضرایب بهینه، در منطقهای جدید ارزیابی شده است. نتایج ارزیابی دقت نشان دادهاند که روش سالومونسون و همکاران میتواند سهم برف پیکسلهای MODIS را با خطای RMS 20/0 پیکسل برآورد کند. ضرایب کاپا و دقت کلی این روش به ترتیب 84/0، 12/92 است، که دقت مناسب آن را نشان میدهد. نتایج تحقیق نشان میدهند که بهدلیل خطای بالاتر روش سالومونسون و همکاران، باید در نواحی حاشیة رودهای ایران که عموماً دارای پوشش درختی کمتراکم و باغهای پراکندهاند، از این روش صرفنظر شود. لازم است برای حذف مناطق آبی از ماسکهای مناسب استفاده شود. بهینهسازی ضرایب مدل توانسته است دقت برآورد مدل را بهبود بخشد، بهطوریکه مقدار خطای RMS مدل با ضرایب اصلاحشده در منطقهای جدید 258/0 پیکسل بهدست آمده، درحالیکه معادلة سالومونسون و همکاران در همین منطقه خطای RMS عدد 266/0 پیکسل را نشان داده است. کلیدواژهها: روش سالومونسون و همکاران، زیرپیکسل، سطح پوشش برف، شاخص تفاضلی نرمالشدة برف. https://gisj.sbu.ac.ir/article_95371_3228ce036fb22e73fad10a6bddd65642.pdfانجمن سنجش از دور ایران / دانشگاه شهید بهشتینشریه سنجش از دور و GIS ایران2008-59666220141023Simulating Population Dynamics for Modeling Residential Segregation via Agen-based Models & GISشبیهسازی پویایی جمعیت بهمنظور مدلسازی جداییگزینی سکونتی با استفاده از مدلهای عاملمبنا و GIS95384FAنفیسهمحمدیدانشگاه آزاد اسلامیJournal Article20150824In this research, a model for simulating of residential segregation pattern is presented via integration of GIS with agent-based models, and is implemented on real data of an area in north-west of Tehran. For this purpose, at first effective parameters regarding segregation in Tehran that is a mixture of social-economical factors and environment was determined and amount of their effects with AHP method was set. Considering the raster-based approach in modeling, maps related to these parameters was produced in ArcGIS medium. By programming in Netlogo software the mentioned model was developed .In this model, with a primary assumption, people of society were classified in 4 socio-economic groups with specific attributes and behaviors which by their own decisions- micro level actions- affect the segregation pattern- effects in macro level-. The pattern of urban segregation of area was simulated for a period of 20 years between 1986 and 2006. The model was calibrated by changing the important parameters of Schelling model, neighborhood radius and frequency of the same type neighborhoods, and some other parameters as size of pixels, price of parcels, rate of population increase etc. Validation of the proposed model has been done by counting the correct estimated pixels of total pixels. Respectively 62.5 % verifies the accuracy of the models. Keywords: GIS, Residential Segregation, Agent Based Model, Simulation.در مقالة حاضر بهمنظور بررسی کاربرد مدلهای عاملمبنا در شبیهسازی پدیدة جداییگزینی سکونتی، مدلی رستری با ترکیب GIS و تکنیکهای Agent-Based و برمبنای نظریة Schelling ارائه شد و روی دادههای ناحیهای از تهران ارزیابی گردید. با مطالعة سوابق، دلایل و روند شکلگیری این پدیده در شهرهای مختلف دنیا و تهران، نوع غالب جداییگزینی در تهران اجتماعی ـ اقتصادی تشخیص داده شد. در فرض اولیه، افراد جامعه به چهار گروه اجتماعی ـ اقتصادی تقسیم شدند و برای هر یک از آنها ویژگیها و رفتارهایی تعیین شد. پارامترهای مؤثر بر جداییگزینی در قالب مجموعهای از عوامل اقتصادی، اجتماعی و محیطی با روش AHP وزندهی شدند و میزان تأثیر آنها در تصمیمگیریهای هر گروه تعیین گردید. نقشههای مربوط به هر شاخل در محیط ArcGIS تولید و طبق سلسلهمراتب چینش زیرمعیارها با یکدیگر تلفیق شدند. مدل پیشنهادی با برنامهنویسی در محیط Netlogo تکمیل شد. اطلاعات مکانی در قالب نقشههای تولیدشده، در محیط Netlogo فراخوانی و آنالیزهای مربوط به تصمیمگیری عاملها در قالب توابع موجود در این محیط انجام شد. الگوی جداییگزینی در منطقة مطالعهشده در بازة سالهای 1365 تا 1385 شبیهسازی شد. تأثیر دو پارامتر مهم شعاع همسایگی و سطح رضایت عاملها در این الگو بررسی شد و مدل با استفاده از این دو و پارامترهای دیگری چون نرخ رشد جمعیت، اندازة پیکسلها، قیمت املاک، تعداد عاملها، سهم هر گروه از عاملها از کل جمعیت، مقادیر عدمتجانس گروههای مختلف نسبت به هم و پرستیژ محلهها کالیبره شد. اعتبارسنجی مدل بهروش تعیین درصد پیکسلهای صحیح برآوردشده انجام گرفت و صحتی معادل 5/62 درصد را نشان داد. کلیدواژهها: جداییگزینی سکونتی، مدل عاملمبنا، شبیهسازی. https://gisj.sbu.ac.ir/article_95384_634ec95efb2f89fb6745f542f775f5a5.pdfانجمن سنجش از دور ایران / دانشگاه شهید بهشتینشریه سنجش از دور و GIS ایران2008-59666220141023Spatial Stochastic Forecasting of Snow Cover Using First Order Markov Chainپیشبینی احتمال مکانی وقوع برف با استفاده از دادههای سنجش از دور و زنجیرة مارکوف مرتبة یک95396FAسمیهسیمادانشگاه صنعتی شریفJournal Article20150824Evaluation of snow storage is of high importance in water balance studies and optimum operation of water resources in arid and semi-arid regions like Iran. Particularly in the river basins nearby Zagrous Mountains where surface water flows mainly consist of spring runoffs, stochastic forecasting of the snow storage at the end of the year is necessary. In this study stochastic forecasting of snow in river basins of the Karkheh, Dez, Karun and some parts of the Marun was investigated using the first order Markov Chain model. Snow cover data retrieved from NOAA-AVHRR satellite images between 1989 and 2004 were applied as inputs to the model. Two possible states were defined for each snow cover map including existence (1) and non-existence (0) of snow. Through applying the Markov Chain process, snow cover maps of the study area were predicted for March 2000 to 2004. Results show that stochastic forecasts of snow cover properly consist with satellite derived maximum snow cover maps.So that, not only the area of snow covered lands was successfully estimated, but also the exact location of the snow or dry covers was appropriately predicted in more than 80% of the pixels. The performance of the model was assessed using contingency tables and three measures including: Probability of Detection, False Alarm Ratio and Critical Success Index. Results reveal the promising capability of the first order Markov Chain model to forecast snow covered area. Keywords: Snow Probability, First-Order Markov Chain, State Transition Matrix.ارزیابی و برآورد ذخایر برفی در مطالعات بیلان آب و بهرهبرداری بهینه از منابع آب در مناطق خشک و نیمهخشکی چون ایران که دارای ریزشهای فصلی برف هستند، اهمیت فراوانی دارد. در حوضههای آبریز حوالی دامنههای برفگیر نظیر زاگرس که سیلابهای بهاره سهم عمدة جریانهای سطحی را تشکیل میدهند، پیشبینی احتمالاتی ذخیرة برفی پایان سال ضروری است. در پژوهش حاضر، پیشبینی احتمالی وقوع برف در حوضة آبریز رودخانههای کرخه، دز، کارون و بخشی از حوضة مارون با استفاده از مدل زنجیرة مارکوف مرتبة یک بررسی شد. برای این منظور از دادههای سطح برف استخراجشده از تصاویر ماهوارهای سنجندة NOAA-AVHRR در طول سالهای آبی 1367 تا 1383 استفاده شد. حالتهای ممکن در نقشههای برف بهصورت وجود (عدد یک) و نبود برف (عدد صفر) تعریف شد. سپس با اعمال فرایند زنجیرة مارکوف، پیشبینی احتمال مکانی وقوع برف برای اسفندماه سالهای 83-1379 صورت گرفت. نتایج نشان دادند که پیشبینی احتمالاتی سطح برف در اسفندماه تطبیق مناسبی با نقشههای حداکثر پوشش سطحی برف بهدستآمده از تصاویر ماهوارهای دارد. وضعیت پوشش سطح در بیش از 60 درصد سطح حوضه با احتمال 100 درصد و در 80 درصد سطح حوضه، با احتمال 50 تا 90 درصد بهدرستی پیشبینی شده است. افزون بر این، بهمنظور ارزیابی کمی عملکرد مدل پیشبینی از روش جداول وابستگی استفاده شد. نتایج ارزیابی مدل برمبنای سه معیار احتمال ردیابی (POD)، نسبت هشدار غلط (FAR) و موفقیت بحرانی (CSI)، نیز توانمندی مدل زنجیرة مارکوف را در پیشبینی سطوح برفی نشان میدهند. کلیدواژهها: احتمال وقوع برف، زنجیرة مارکوف مرتبة یک، ماتریس احتمالات انتقال. https://gisj.sbu.ac.ir/article_95396_dad08d08e3db31ee4dddf8fe2b081f4e.pdfانجمن سنجش از دور ایران / دانشگاه شهید بهشتینشریه سنجش از دور و GIS ایران2008-59666220141023Using of Morphology Analysis for Precision Improvement of High Resolution Hyper Spectral Images Classificationاستفاده از آنالیزهای مورفولوژی بهمنظور بهبود دقت طبقهبندی تصاویر ابرطیفی با حد تفکیک بالا95402FAسمیهیعقوبیدانشگاه خواجه نصیرالدین طوسیJournal Article20150824Morphology analysis which concentrates on spatial relations analysis between neighborhood pixels provides a better image processing compared to analyses which are only based on spectral signature of a single pixel. The proposed method in this paper integrates spectral and spatial information produced from morphology analysis to improve the final result of hyper spectral image classification. For this reason at first, primary components are extracted using limited training samples. Extended morphological profiles are then produced by applying morphological analysis on each extracted features. Afterwards, Final components are extracted by applying a supervised feature selections on a datasets composed of both the spectral and the extended morphological features. The extracted features are introduced into the Support Vector Machine (SVM) algorithm. The final results are then archived by implementing a majority filter as a post-processing step. The proposed method is implemented on aerial hyper spectral images of Rosis sensor taken from urban and semi-urban areas from. The obtained results proved the efficiency of the proposed method where classification accuracies are improved from 98.86 and 82.70 in conventional method to 99.36 and 95.75 in urban and semi-urban areas respectively. Keywords: Morphological Analysis, Support Vector Machines (SVMS), Feature Extraction (FE), Classification, Majority Vote آنالیز موفولوژی، با تمرکز بر آنالیز روابط مکانی بین پیکسلهای همسایه، پردازش تصویر کاملتری را در مقایسه با آنالیزهایی که بر پایة اثر طیفی یک پیکسل تنها هستند، بهدست میدهد. روش پیشنهادی در این مقاله با استفادة همزمان از اطلاعات طیفی و اطلاعات مکانی حاصل از آنالیز مورفولوژی نتایج نهایی طبقهبندی را در تصاویر ابرطیفی بهبود میبخشد. در این پژوهش ابتدا با استفاده از نمونههای آموزشی محدود، ویژگیهای منتخب اولیه استخراج شدند و پس از اعمال آنالیزهای مورفولوژی روی هر یک از آنها، پروفایلهای مورفولوژی تشکیل شدند و از ترکیب این پروفایلها، پروفایل مورفولوژی گسترده تولید شد. سپس پروفایل مورفولوژی گستردهشده با ویژگیهای منتخب اولیه ترکیب شد و مجدداً استخراج ویژگی نهایی صورت گرفت. ویژگیهای منتخب نهایی با استفاده از طبقهبندیکنندة ماشین بردار پشتیبان طبقهبندی شدند. سپس پسپردازش تصویر نهایی با استفاده از فیلتر رأیگیری اکثریت انجام شد. این روش، روی دادة شهری و نیمهشهری از سنجندة ROSIS تست شد. دقت طبقهبندی نهایی از 86/98 و 70/82 درصد در روشهای معمولی به 36/99 و 75/95 درصد در روش پیشنهادی بهترتیب در تصویر منطقة شهری و نیمهشهری افزایش یافته است. کلیدواژهها: آنالیز مورفولوژی، ماشینبردار پشتیبان، استخراج ویژگی، طبقهبندی، رأیگیری اکثریت. https://gisj.sbu.ac.ir/article_95402_daa994dd255a762e215225c6cbe2bfb8.pdfانجمن سنجش از دور ایران / دانشگاه شهید بهشتینشریه سنجش از دور و GIS ایران2008-59666220141023Estimation of Forest Biomass Using SAR Dataتخمین میزان زیستتودة جنگلها با استفاده از تصاویر رادار با روزنة مجازی مطالعة موردی: جنگل خیرودکنار نوشهر95412FAمحمودرضاصاحبیدانشگاه خواجه نصیرالدین طوسیJournal Article20150824The increasing concentration of greenhouse gases has been identified as a main cause of increase of global mean temperatures since the mid-20th century. The effect of human-induced climate change could be unprecedented and far-reaching. Carbon sequestration into trees and forests is an effective and inexpensive way for mitigating the CO2 level in the atmosphere. Hence, accurate measurement of biomass will be of great importance to global carbon cycle and climate change. This study performed a wavelet-based forest aboveground biomass estimation approach in a temperate deciduous forest, Kheyroud Kenar forest in north part of Iran. Wavelet analysis, specifically two-dimensional discrete wavelet transform (DWT) was applied to ALOS PALSAR images to obtain wavelet coefficients (WCs), which were correlated with forest inventory data using multiple linear regression analysis to investigate the relationship. The results indicate that Db wavelet coefficients correlate better with field biomass data than other parameters. For the first level of the decomposition, the correlation coefficient is 0.5 while for second level, the overall R value increased up to 0.75. This study demonstrates that wavelet-based biomass estimation could be a very promising approach for providing better biomass estimation; however, further research is needed for identifying robust wavelet coefficients and optimizing procedures. Keywords: ALOS PALSAR, Wavelet analysis, Forest biomass, Multiple regression analysis. تجمع گازهای گلخانهای در اتمسفر، مهمترین عامل افزایش دمای کرة زمین از نیمة دوم قرن بیستم به بعد، شناخته شده است. بهدامانداختن کربن در جنگلها و میان درختان راهحلی عملی، کارآمد و ارزان برای کاهش سطح دیاکسیدکربن در اتمسفر است. بنابراین اندازهگیری زیستتوده در بررسی تغییرات آبوهوایی و چرخة کربن جهانی اهمیت ویژهای دارد. در پژوهش حاضر روشی بر پایة تبدیلات موجک بهمنظور تخمین زیستتوده در منطقهای جنگلی با درختان پهنبرگ در شمال ایران ارائه شده است. تبدیلات مختلف موجک (تبدیلات دوبعدی گسسته) روی تصویر رادار با روزنة مجازی سنجندة ALOS PALSAR اعمال شدند و ضرایب بهدستآمده بهعنوان دادههای جداگانه ذخیره شدند. میزان همبستگی هریک از پارامترهای محاسبهشده با مقدار زیستتوده بهوسیلة آنالیز رگرسیون چندگانه بررسی شد. نتایج نشان دادند که ضرایب بهدستآمده از تبدیل موجک Db2 در مقایسه با سایر تبدیلات، همبستگی بیشتری با مقدار زیستتوده دارند. در تجزیة یکمرحلهای، مقدار همبستگی با زیستتوده تقریباً 5/0 و در تجزیة دومرحلهای تصاویر، مقدار همبستگی بهدستآمده برای تصویر مایکروویو به بیش از 75/0 ارتقا پیدا کرد. پژوهش حاضر نشان داد که استفاده از تبدیلات موجک میتواند روش مناسبی برای تخمین زیستتوده ـ بهویژه در مناطقی با ساختار پوشش گیاهی پیچیده ـ باشد. کلیدواژهها: تصاویر آلوس پالسار، تبدیل موجک، زیستتودة جنگل، آنالیز رگرسیون چندگانه. https://gisj.sbu.ac.ir/article_95412_87f939a5fa3665e67e38b79c8e604c8e.pdfانجمن سنجش از دور ایران / دانشگاه شهید بهشتینشریه سنجش از دور و GIS ایران2008-59666220141023Investigation of Vegetation Cover Crown Percentage Changes Pridection using Marcov Chain using RS and GISارزیابی دقت زنجیرة مارکوف در پیشبینی تغییرات پوشش گیاهی با استفاده از سنجش از دور و سامانههای اطلاعات جغرافیایی95422FAوحیدراهداریدانشگاه صنعتی اصفهانJournal Article20150824Markov chain is a model that use for prediction future conditions based on the rates of past change. The method is based on probability that a given piece of land will change from one cover to another. These probabilities are generated from past changes and then applied to predict future change. The main objective of this paper is to evaluate the validation of Markov model in vegetation cover crown percentage change simulation. In this study, TM images sensor for 1989, 1998 and LISS III image sensor for 2006 from Landsat and IRS satellite from Mouthe wild life refuge were used to provide maps of vegetation cover percentage. In order to prediction of vegetation cover in 2006, Markov chain model were used by vegetation map of 1989 and 1998, during 9 years. Validation of all maps was evaluated. Finally the map for 2006 that had provided by image was used to evaluate the map from Markov model. Kappa for this map was 53 %. Post classification was used to investigate the area with high accurate prediction and error in prediction. Results have shown because of high decrease in vegetation cover in non-core zone and increase vegetation cover in core zone this model couldn’t predict by high accuracy. But this model is valuable in small scale, in order to general view of future. Keywords: Marcove chain, satellite images, change detection, prediction accuracy. زنجیرة مارکوف مدلی است که از آن برای پیشبینی وضعیت آینده براساس نرخ تغییرات گذشته استفاده میشود. این روش براساس احتمال تبدیل یک نوع پوشش زمین به نوع دیگر است. این احتمالات براساس تغییرات گذشته تولید میشوند و برای پیشبینی آینده بهکار میروند. هدف مقالة حاضر ارزیابی مدل مارکوف برای شبیهسازی تغییرات درصد تاجپوشش گیاهی است. برای تهیة نقشة پوشش گیاهی تصاویر سنجندة TM ماهوارة لندست مربوط به سالهای 1368، سال 1377 و سنجندة LISS III ماهوارة IRS برای سال 1385 از پناهگاه حیاتوحش موته استفاده شد. بهمنظور پیشبینی وضعیت پوشش گیاهی در سال 1385 از مدل زنجیره مارکوف بهوسیله نقشههای تهیهشدة مربوط به سالهای 1368 و 1377 و در بازه زمانی 9ساله استفاده شد. دقت تمامی نقشههای تهیهشده در پژوهش ارزیابی شد. نقشة تهیهشده از تصویر سال 1385 برای مقایسه با نقشة تهیهشده از طریق مدل بهکار گرفته شد. ضریب کاپا برای نقشة پیشبینیشده از زنجیرة مارکوف در حد متوسط 53 درصد بود. برای بررسی مناطق درست پیشبینیشده و قسمتهایی که باعث ایجاد خطای پیشبینیشده گردیدند، از روش مقایسه پس از طبقهبندی استفاده شد. نتایج نشان دادند بهعلت کاهش شدید درصد تاجپوشش گیاهی در اکثر مناطق و افزایش آن در مناطق قرق، این روش نتوانسته است با دقت مناسبی پیشبینی کند. اما این روش در مقیاسهای کوچک، برای درک کلی از وضعیت آینده ارزشمند است. کلیدواژهها: زنجیرة مارکوف، تصاویر ماهواره، بررسی تغییرات، دقت پیشبینی. https://gisj.sbu.ac.ir/article_95422_e7e89d249f13d8787a214dcf5acc74ce.pdf