مجله پژوهش‌های فرسایش محیطی

از آنجاکه تغییر کاربری اراضی بر بسیاری از فرآیندهای طبیعی نظیر فرسایش خاک و تولید رسوب، سیلاب و تخریب خصوصیات فیزیکی شمیایی خاک اثر می­گذارد؛ بنابراین نیاز است تا جنبه­های مختلف تغییر کاربری اراضی و روند گذشته و آینده آن در مطالعات و تصمیم­گیری­های کلان کشور قابل­توجه قرار گیرد. طبقه­بندی کاربری اراضی با استفاده از تصاویر ماهواره­ای، یکی از مهمترین کاربردهای سنجش از دور است و الگوریتم­های زیادی برای این منظور توسعه یافته­­است. این مطالعه ابتدا کارایی الگوریتم­های طبقه­بندی ماشین­بردار پشتیبان (SVM)، شبکه عصبی پرسپترون چندلایه (MLP) و روش شبکه نگاشت خود سازمانده (SOM) را در طبقه­بندی تصاویر ماهواره­ای لندست بررسی می­کند. سپس کارایی این الگوریتم­ها در طبقه­بندی با یکدیگر مقایسه می­شود. نتایج نشان می­دهد که الگوریتم SVM با دقت کل 95/0 و ضریب کاپای 93/0 نسبت به دو روش دیگر برتری دارد. در این تحقیق برای پیش­بینی وضعیت کاربری اراضی آینده (2025)، از مدل LCM بر پایه­ی تحلیل زنجیره­ی مارکوف- سلول­های خودکار استفاده شد؛ بدین منظور از نقشه­های کاربری اراضی 2002- 1993، برای واسنجی و از نقشه­ی 2002- 2014، برای ارزیابی مدل استفاده شد. همچنین برای ایجاد نقشه­ی تناسب اراضی، از متغیرهای مکانی فاصله از جاده، فاصله از مناطق مسکونی، فاصله از آبراهه­ی اصلی، ارتفاع و شیب به­عنوان عوامل مؤثر بر تغییرات کاربری استفاده شد. نتایج حاصل از ارزیابی مدل CA-Markov برای دوره­ی 2002- 2014، با میزان توافق برابر 94/0 و شاخص­ کاپا (K location) ـ که توانایی مدل را در پیش­بینی موقعیت سلول­ها نشان می­دهد ـ برابر 92/0 است و از کارایی مناسب این رویکرد در شبیه­سازی نقشه­ی کاربری اراضی آینده­ی حوضه­ حکایت می­کند. نتایج بررسی تغییرات کاربری تا سال 2025، بیانگر تغییر کاربری باغ­های منطقه به میزان 60 درصد و تبدیل شدن آن به کاربری شهری است؛ به عبارت دیگر، پیش­بینی می­شود که تا سال 2025 ، حدود 420 هکتار از باغ­ها در منطقه­ی مورد مطالعه از بین خواهد رفت. از این رو باتوجه به شرایط خاص این حوضه و قرار گرفتن در محدوده­ی اقلیمی خشک و فراخشک، لزوم تمرکز فعالیت­های مدیریت و اصلاح اراضی بر این نوع کاربری­ها افزایش می­یابد.