مدل‌سازی تغییرات پوشش سرزمین بر پایه شبکه عصبی مصنوعی و پتانسیل انتقال در روش LCM (مطالعه موردی: جنگل‌های گیلان‌غرب، استان کرمانشاه)

Authors

  • حامد نقوی استادیار، دانشکدة کشاورزی و منابع طبیعی، دانشگاه لرستان، خرم آباد، ایران
  • رحیم ملک نیا استادیار، دانشکدة کشاورزی و منابع طبیعی، دانشگاه لرستان، خرم‌آباد، ایران
  • روح الله پرما دانشجوی دکتری، دانشکدة کشاورزی و منابع طبیعی، دانشگاه لرستان، خرم آباد، ایران
  • شعبان شتایی دانشیار، دانشکدة جنگلداری، دانشگاه علوم کشاورزی و منابع طبیعی، گرگان، ایران
Abstract:

مدل­سازی روند تغییرات پوشش سرزمین در گذر زمان با به‌کارگیری داده­های چندزمانه در محیط سامانة اطلاعات جغرافیایی می­تواند یکی از مهم‌ترین عوامل در مدیریت بهینة این تغییرات باشد. به‌منظور مدل­سازی روند تغییرات پوشش سرزمین و بررسی امکان پیش­بینی آن در آینده، مدل‌ساز تغییر زمین (LCM) به‌کار گرفته شد. داده­های VNIR سنجندة ASTER ماهوارة TERRA با قدرت تفکیک مکانی 15 متر مربوط به سه دورة زمانی 2000، 2007 و 2016 در جنگل­های شهرستان گیلان­ غرب استان کرمانشاه تجزیه‌وتحلیل شد. نقشه­های پوشش سرزمین سال­های یادشده در چهار طبقة پوشش جنگل، اراضی مرتعی، اراضی کشاورزی و مناطق انسان‌ساخت برای هر یک از تصاویر با به‌کارگیری روش حداکثر تشابه استخراج شد. نتایج تجزیه‌وتحلیل داده­ها در دورة اول (2007-2000) و دورة دوم (2016-2007) نشان داد پوشش اراضی کشاورزی بیشترین افزایش، و پوشش اراضی مرتعی بیشترین کاهش مساحت را دارند. بر مبنای این تغییرات و با درنظرگرفتن هشت متغیر مستقل مدل رقومی ارتفاع، شیب، جهت، فاصله از جاده، فاصله از مناطق مسکونی، فاصله از حاشیۀ جنگل، فاصله از اراضی مرتعی، فاصله از اراضی کشاورزی، مدل­سازی پتانسیل انتقال سال 2016 به روش شبکة عصبی پرسپترون چندلایه انجام گرفت. سپس، به‌وسیلة مدل پیش­بینی سخت و تصاویر طبقه­بندی‌شدة دورة اول (2007-2000)، نقشة پوشش سال 2016 با به‌کارگیری مدل­ساز تغییر زمین پیش­بینی شد. پس از ارزیابی مدل، میزان صحت کلی برابر با 09/83 و ضریب کاپای برابر با 79/0 به‌دست آمد که بیان‌کنندة انطباق زیاد بین نقشة پیش‌بینی‌شده و نقشة طبقه­بندی‌شده است. با واردکردن نقشه­های پوشش سرزمین دورة دوم (2016-2007) به مدل­ساز تغییر زمین، نقشة پیش­بینی پوشش سرزمین سال 2025 تهیه شد که نتایج نشان داد 52/1029 هکتار از پوشش جنگل و 92/1686 هکتار از اراضی مرتعی پتانسیل انتقال به اراضی کشاورزی را خواهند داشت.  

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

مقایسه الگوریتم‌های رگرسیون لجستیک و شبکه عصبی مصنوعی در مدل‌سازی تجربی پتانسیل انتقال تغییر پوشش سرزمین سواحل استان مازندران

تغییرات پوشش سرزمین و توسعه شهرها سبب تخریب زیستگاه‌های طبیعی و کاهش تنوع زیستی شده است. یکی از روش‌های مورد استفاده برنامه‌‌ریزان جهت کنترل روند تغییرات پوشش سرزمین و کاربری اراضی، مدل‌سازی می‌باشد. این مطالعه، با هدف مقایسه رگرسیون لجستیک و پرسپترون چندلایه شبکه عصبی مصنوعی جهت مدل‌سازی پتانسیل انتقال تغییر پوشش سرزمین سواحل استان مازندران انجام شد. جهت تحلیل تغییرات منطقه از تصاویر ماهواره L...

full text

کاربرد شبکه عصبی مصنوعی و رگرسیون حداقل مربعات معمولی در مدلسازی تغییرات کاربری سرزمین

با توجه به اهمیت بالای اثر تغییرات کاربری سرزمین در آینده، لازم است الگوی رشد و تغییر کاربری‌ها قبل از اتخاذ هر گونه تصمیمی به مسئولان و تصمیم‌گیرندگان امور مربوط ارائه شود. هدف این پژوهش مدل‌سازی تغییرات کاربری سرزمین در منطقة کوهمره سرخی استان فارس با استفاده از روش رگرسیون حداقل مربعات معمولی برای پیش‌پردازش متغیرها و مدل‌سازی با استفاده از شبکة عصبی است. بدین منظور نقشه‌های کاربری سرزمین با...

full text

کاربرد شبکه عصبی مصنوعی و رگرسیون حداقل مربعات معمولی در مدلسازی تغییرات کاربری سرزمین

با توجه به اهمیت بالای اثر تغییرات کاربری سرزمین در آینده، لازم است الگوی رشد و تغییر کاربری ها قبل از اتخاذ هر گونه تصمیمی به مسئولان و تصمیم گیرندگان امور مربوط ارائه شود. هدف این پژوهش مدل سازی تغییرات کاربری سرزمین در منطقة کوهمره سرخی استان فارس با استفاده از روش رگرسیون حداقل مربعات معمولی برای پیش پردازش متغیرها و مدل سازی با استفاده از شبکة عصبی است. بدین منظور نقشه های کاربری سرزمین با...

full text

برآورد رسوبات معلق با استفاده از شبکه عصبی مصنوعی (مطالعه موردی: حوزه آبخیز جامیشان استان کرمانشاه)

full text

بررسی پتانسیل اراضی استان کرمانشاه جهت کشت گندم دیم با استفاده از شبکه عصبی مصنوعی

با افزایش روزافزون جمعیت و نیاز به مواد غذایی، گندم به­عنوان محصولی با بیشترین سطح زیر کشت و تولید سالانه در مقیاس جهانی از اهمیت ویژه‌ای برخوردار بوده است لذا شناسایی و معرفی مناطق مساعد کشت آن در هر منطقه ضروری است. استان کرمانشاه به‌عنوان محدوده مورد مطالعه یکی از مناطق حاصلخیزی است که بیشترین کشت گندم را در بین محصولات زراعی دارد. بدین منظور در این مطالعه از شبکه عصبی پرسپترون چندلایه (MLP)...

full text

مقایسه الگوریتم های رگرسیون لجستیک و شبکه عصبی مصنوعی در مدل سازی تجربی پتانسیل انتقال تغییر پوشش سرزمین سواحل استان مازندران

تغییرات پوشش سرزمین و توسعه شهرها سبب تخریب زیستگاه های طبیعی و کاهش تنوع زیستی شده است. یکی از روش های مورد استفاده برنامه ریزان جهت کنترل روند تغییرات پوشش سرزمین و کاربری اراضی، مدل سازی می باشد. این مطالعه، با هدف مقایسه رگرسیون لجستیک و پرسپترون چندلایه شبکه عصبی مصنوعی جهت مدل سازی پتانسیل انتقال تغییر پوشش سرزمین سواحل استان مازندران انجام شد. جهت تحلیل تغییرات منطقه از تصاویر ماهواره la...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 9  issue 1

pages  129- 151

publication date 2017-03-21

{@ msg @}

By following a journal you will be notified via email when a new issue of this journal is published.

Keywords

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023