پیش‌‌‌‌‌بینی تغییرات مکانی جنگل‌‌های زاگرس با استفاده از تصاویر ماهواره‌‌ای و مدل LCM مطالعۀ‌‌ موردی: حوزۀ‌‌ بسطام شهرستان سلسله

نوع مقاله: مقاله پژوهشی

نویسندگان

1 دانش آموخته کارشناسی‌ارشد مهندسی جنگل‌داری، دانشکده کشاورزی و منابع‌طبیعی، دانشگاه لرستان، خرم‌آباد، ایران

2 استادیار گروه مهندسی جنگل‌داری، دانشکده کشاورزی و منابع طبیعی، دانشگاه لرستان، خرم‌آباد، ایران

3 دانشیار گروه مهندسی جنگل‌داری، دانشکده کشاورزی و منابع طبیعی، دانشگاه لرستان، خرم آباد ایران

4 دانش آموخته دکترای مهندسی جنگل‌داری، دانشگاه گیلان، رشت، ایران

چکیده

در دهه گذشته مشکل کاهش اراضی جنگلی در مقیاس منطقه‌ای و جهانی مورد توجه قرار گرفته است. هدف از این پژوهش، بررسی تغییرات سطح جنگل‌های زاگرس با استفاده از تصاویر ماهواره‌ای و روش‌های شبکه عصب مصنوعی و زنجیره مارکوف است. منطقه بسطام با مساحت9493 هکتار در 25 کیلومتری شمال شهرستان خرم‌آباد واقع شده است. نقشه‌های کاربری اراضی مربوط به سال‌های1364، 1379 و 1394 با استفاده از از روش طبقه‌بندی حداکثر احتمال و تصاویر سنجنده‌های TM و OLI ماهواره لندست تهیه شد. مدل‌سازی تغییر کاربری‌ها با استفاده از مدل LCM بر پایه شبکه عصب مصنوعی و 7 متغیر تاثیرگذار در میزان تغییرات شامل ارتفاع از سطح دریا، فاصله از مناطق مسکونی، شیب، جهت جغرافیایی، فاصله از جاده، فاصله از رودخانه و نقشه کاربری اراضی پیوسته شده، صورت گرفت. در ادامه با استفاده از روش مدل‌سازی زنجیره مارکوف، نقشه کاربری اراضی برای سال 1394 پیش‌بینی و جهت ارزیابی صحت نتایج بدست آمده از مدل، ماتریس خطا بین نقشه پیش‌بینی شده و نقشه واقعیت زمینی مربوط به این سال تشکیل شد. نتایج بررسی تغییرات در دوره اول نشان داد که بیشترین افزایش مساحت در ناحیه کشاورزی و بیشترین کاهش مساحت در ناحیه مناطق جنگلی به ترتیب به میزان 380 و 425 هکتار رخ داده است. با توجه به نتایج بدست آمده نرخ تخریب سالیانه جنگل در دوره اول، دوم و کل دوره به ترتیب 33/28، 13/23 و 73/25 هکتار برآورد گردید. همچنین نتایج این پژوهش نشان داد که متغیرهای ارتفاع و فاصله از مناطق مسکونی به ترتیب با ضریب همبستگی کرامر 47/0 و 43/0 بیشترین میزان تاثیرگذاری را در تغییرات کاربری اراضی و تخریب جنگل‌ها را دارند. در نهایت نتایج ارزیابی حاصل از مقایسه نقشه مدل‌سازی و واقعیت زمینی سال 1394 بیانگر میزان ضریب کاپا 89/0 بود که این مطلب حاکی از کارآیی مناسب مدل LCM در پیش‌بینی تغییرات کاربری اراضی است.

کلیدواژه‌ها


عنوان مقاله [English]

Modeling the spatial changes of Zagros forests using satellite imagery and LCM model (Case study: Bastam, Selseleh)

نویسندگان [English]

  • soheila naseri 1
  • Hamed Naghavi 2
  • javad soosani 3
  • ahmad reza nouredini 4
2 Department of Forestry, Faculty of agriculture and natural resources, Lorestan university
چکیده [English]

During the last decades, the decrement of forest areas has come to attention in regional and global scales. This research aims to investigate the forest changes using satellite imagery, Artificial Neural Network and Markov chain in Bastam area, Lorestan province. Land use maps for the years 1364, 1379, and 1394 were prepared using the Maximum Likelihood Classification and Landsat TM and OLI Sensors. Land use changes modeling was done, using LCM model based on Artificial Neural Network and 7 effective variables include altitude, proximity of the residential areas, slope, direction, proximity of the roads, proximity of the river and land use map. The land use map for the year 1394 was predicted using the Markov chain modeling method. To evaluate the accuracy of the results, the error matrix was formed between the predicted map and the ground reality map for this year. The results of the first period showed that the highest increase in the agricultural area and the largest reduction in the forest area were 380 and 425 hectares respectively. In addition, the variables of altitude and proximity of residential areas with the Cramer correlation coefficient of 0.47 and 0.43 respectively, had the most effect on land use changes and forest degradation. Finally, the comparison of modeling and reality maps of 1394 showed the Kappa coefficient of 0.89, which indicates the proper performance of the LCM model in predicting land use changes.

کلیدواژه‌ها [English]

  • Deforestation
  • Artificial neural network
  • LCM model
  • Markov chain
  • Landsat images

-   پرما، روح‌الله؛ رحیم ملک‌‌نیا؛ شعبان شتایی؛ حامد نقوی (1396). مدل‌‌سازی تغییرات پوشش سرزمین بر پایۀ شبکۀ عصب مصنوعی و پتانسیل انتقال در مدل LCM (مورد مطالعه: جنگل‌‌های گیلان‌غرب، استان کرمانشاه)، آمایش سرزمین. دورۀ نهم. بهار و تابستان 1396. صفحات 151-129.

-   شجاعیان، علی؛ صادق مختاری‌‌چلچله؛ لیلا کشتکار؛ اسماعیل‌سلیمانی‌‌راد(1393).مقایسۀ کارایی روش‌‌های پارامتریک و ناپارامتریک در طبقه‌‌بندی پوشش اراضی با استفاده از تصاویر ماهواره‌‌ای لندست 8، فصلنامۀ علمی- پژوهشی اطلاعات جغرافیایی. سال 24. شمارۀ 93. بهار 94. صفحات 64-54.

-   طاهری، محمد؛ مهدی غلامعلی‌‌فرد؛ علیرضا ریاحی‌بختیاری؛ شاهین رحیم‌‌اوغلی (1392). مدل‌‌سازی تغییرات پوشش سرزمین شهرستان تبریز با استفاده از شبکۀ عصبی مصنوعی و زنجیرۀ مارکوف، پژوهش‌‌های جغرافیای طبیعی. سال45. شمارۀ چهارم. زمستان 1392. صفحات 121-97.

-      طرح جنگل‌داری چند‌منظوره حوزۀ کاکارضا (1385). ادارۀ کل منابع طبیعی استان لرستان، مهندسان مشاور جهاد سبز. 108 صفحه.

-   عزیزی‌‌قلاتی، سارا؛ کاظم رنگزن؛ ایوب تقی‌‌زاده؛ شهرام احمدی (1395). پیش‌‌بینی روند تغییرات مکانی کاربری اراضی با استفاده از مدل زنجیرۀ مارکوف، سنجش از دور و سامانۀ اطلاعات جغرافیایی در منابع طبیعی.سال 7. شمارۀ اول. بهار 1395. صفحات70-59.

-   عزیزی‌‌قلاتی، سارا؛ کاظم رنگزن؛ ایوب تقی‌‌زاده؛ شهرام احمدی (1393). مدل‌‌سازی تغییرات کاربری اراضی با استفاده از روش رگرسیون لجستیک در مدل LCM، سال 22. شمارۀ 4. صفحات 596-585.

-   میرزایی‌‌زاده، وحید؛ علی مهدوی (1394). بررسی نقش عوامل انسانی و فیزیوگرافی بر کاهش پوشش جنگلی مطالعۀ موردی حوضۀ آبخیز شهر ارکواز ملکشاهی استان ایلام. فصلنامۀ علمی- پژوهشی فضایی جغرافیایی. سال 15. شمارۀ 52. زمستان 1394. صفحات 96-75.

-   وفایی، ساسان؛ علی‌‌اصغر درویش‌‌صفت؛ مهتاب پیروقار (1391). پایش و پیش‌‌بینی روند تغییرات مکانی کاربری اراضی با استفاده از مدل LCM، مجلۀ
جنگل ایران. سال 5. شمارۀ سوم. پاییز 1392. صفحات 336-323.

-   یعقوب‌‌زاده، برزو (1393). تحلیل اقلیمی منطقۀ الشتر شهرستان سلسله لرستان. مجموعه مقالات ارائه‌شده توسط کارکنان هواشناسی استان لرستان. صفحات 17-1.

-    Basse, R.M., Omrani, H., Charif, O., Gerber, P., & Bodis, K. (2014). Land use changes modeling using advanced methods: Cellular automata and artificial neural networks.The spatial and explicit representation of land cover dynamics at the cross-border region scale.Applied Geography, 53:160-171.

-    Bax, V., Francesconi, W & Quintero, M (2016). Spatial modeling of deforestation processes in the Central Peruvian Amazon. Journal for Nature Conservation, 29: 79-88.  

-    Khoi, D. D, & Y, Murayama (2011). Modeling Deforestation Using a Neural Network-Markov Model. Spatial Analysis and Modeling in Geographical Transformation Process, 169-190.

-    Koranteng, A., & Niedzwiecki, T. Z (2015). Modelling forest loss and other land use change dynamics in Ashanti Region of Ghana, Folia Forestalia Polonica, 57(2): 96-111.

-    Linkie, M., Smith, R. J., & Leader Williams, N. (2004). Mapping and predicting deforestation patterns in the lowlands of Sumatra. Biodiversity and Coservation, 13 1809-1818.

-    Merten, B., & Lambin, F. E (1997). Spatial modeling of tropical deforestation in southern Cameroon: Spatial disaggregation of diverse deforestation processes. Applied Geography, 17, 143-162.

-    Quintero, G. V., Moreno, R.S., García, M. P., Guerrero, F. V., Alvarez, C.P., & Alvarez, A. P. (2016). Detection and projection of forest changes by using the Markov Chain Model and cellular automata. Sustainability, 8 (236), 1-13.

-    Schneider, L. C., & Pontius, R. G. (2001). Modeling land-use change in the Ipswich watershed, Massachusetts, USA. Agriculture, Ecosystems & Environment, 85(1), 83-94.

-    Sudhakar Reddy, C., Jha, C. S., Dadhwal, V. K., Hari Krishna, P., Vazeed Pasha, S., Satish, K.V.,  Dutta. K., Saranya, K. R. L., Rakesh, F., Rajashekar, G & Diwakar, P. G (2016). Quantification and monitoring of deforestation in India over eight decades (1930-2013), Biodivers Conservation, 25: 93-116.

-    Sudhakar Reddy, C., Singh, S., Dadhwal, V.K., Jha, C.S., Rao, N.R., & Diwakar, P.G, (2017). Predictive modeling of the spatial pattern of past and feature forest cover changes in India. Earth system Science, 126(8):1-16.

 

 

 

 

 

 

 


-