Environmental Erosion Research

fa شبیه سازی نقشه کاربری اراضی آینده حوزه آبخیز، با تلفیق مدل های سلول خودکار و زنجیره مارکوف بر مبنای انتخاب بهترین الگوریتم طبقه بندی (مطالعه موردی: حوزه‌ی آبخیز فخرآباد مهریز، یزد) Simulation of Future Land Use Map of the Catchment Area, with the Integration of Cellular Automata and Markov Chain Models Based on Selection of the Best Classification Algorithm: A Case Study of Fakhrabad Basin of Mehriz, Yazd روشهای نوین و دقیق در تهیّه نقشه فرسایش (سنجش از دور و سیستم‌های اطلاعات جغرافیایی) مستخرج از پایان‌نامه / رساله / طرح پژوهشی 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. <ol> <li value="NaN">INTRODUCTION</li> </ol> Since the land use change affects many natural processes including soil erosion and sediment yield, floods and soil degradation and the chemical and physical properties of soil, so, different aspects of land use changes in the past and future should be considered particularly in the planning and decision-making. One of the most important applications of remote sensing is land use classification using satellite images. For this purpose, many algorithms have been developed. Since the generate maps with sufficient efficiency is the main purpose of processing images and thematic maps, therefore, selection of appropriate classification algorithm can play an important role in this regard. In recent years, it has been of interest for researchers to study land use changes, modeling and predicting these changes for the future due to the good performance of GIS systems and satellite data. Markov chain and cellular automata model is one of the current models to simulate land use map. This model, which is a combination of cellular automata model and Markov chain, is able to simulate land use changes with multiple features. 2- THEORETICAL FRAMEWORK To evaluate the effectiveness of algorithms for mapping land use classification for past and present, three of Landsat satellite images were chosen from the years 1993 (TM), 2002 (ETM+) and 2014 (Landsat8) with almost an identical period. In this study, the middle of summer (July) was chosen as the time criterion for the selected images to minimize the effects of cloud cover and snow and also to improve the accuracy of training samples. At this time, the canopy of vegetation is maximum and cloud cover is minimum (Shahkooeei et al., 2014). One of the main steps is the prediction of the future land use map of basin by using Markov-cellular automata. 3- METHODOLOGY In this study, firstly, the efficiencies of support vector machine (SVM), artificial neural network (MLP) and network self-organizing map (SOM) classification algorithms have been evaluated in the classification of Landsat satellite images. In addition, the efficiencies of the mentioned algorithms were compared. In the second step, for the prediction of future land use (2025), LCM model based on Markov chain and cellular automata was used. For this purpose, land use maps of 1993-2002 were applied for the calibration, and the 2002-2014 ones were implemented for model evaluation. Also, for producing the land suitability map, spatial variables involving distance from the road, distance from residential areas, distance from the mainstream, elevation and slope as the effective factors influencing on land use changes, were considered. 4- RESULTS The results showed that SVM algorithm was superior with the total accuracy of 0.95 and kappa coefficient of 0.93 than the other two methods. In addition, the results of CA-Markov model for the period of 2002-2014 with the agreement of the 0.94 and Kappa index (Klocation) which showed the ability of the model to predict the position of the cells equal to 0.92, suggested a good performance of this approach to simulate future land-use map of the basin. 5- CONCLUSIONS & SUGGESTIONS The estimated land use changes in 2025 attributes the exchanging of 60 percent of the gardens to urban areas. In other words, it is anticipated that approximately 420 hectares of orchards areas would be lost by 2025 in the study area. So, due to certain conditions of being in drylands, land management and land use changes must be further considered in comparison to those ones in the past. الگوریتم ماشین بردار, زنجیره مارکوف, سلول های خودکار, تغییر کاربری اراضی support vector machine, Markov chain, cellular automata, land use change 1 22 http://magazine.hormozgan.ac.ir/browse.php?a_code=A-10-459-1&slc_lang=fa&sid=1 Mehdi Hayatzadeh مهدی حیات زاده mhayatzadeh@gmail.com 10031947532846004026 10031947532846004026 Yes دانشگاه اردکان Mohammad Reza Ekhtesasi محمدرضا اختصاصی mr_ekhtesasi@yazd.ac.ir 10031947532846004027 10031947532846004027 No دانشگاه یزد Hossein Malekinezhad حسین ملکی نژاد hmalekinezhad@yazd.ac.ir 10031947532846004028 10031947532846004028 No دانشگاه یزد Ali Fathzadeh علی فتح زاده afathzadeh@yazd.ac.ir 10031947532846004029 10031947532846004029 No دانشگاه اردکان Hamid Reza Azimzadeh حمیدرضا عظیم زاده hazimzadeh@yazd.ac.ir 10031947532846004030 10031947532846004030 No دانشگاه یزد