آشکارسازی و پیش بینی تغییرات کاربری اراضی با استفاده از مدل CA-Markov مطالعه موردی: محور کلان شهر تهران - دماوند

مدل سازی تغییرات کاربری اراضی، ابزاری ضروری برای تجزیه و تحلیل‌های محیط زیستی، برنامه‌ریزی  و مدیریت محسوب می‌گردد. در حال حاضر آشکار سازی و مدلسازی تغییرات کاربری اراضی با استفاده از تصویر ماهواره‌ای ابزاری سودمند برای درک تغییرات زیست محیطی در رابطه با فعالیت‌های انسانی به حساب می‌آیند. ناحیه مورد مطالعه یکی ازمناطق ایران است که هدف تجاوزساخت و ساز‌های بی رویه و بدون برنامه قرار گرفته است.  توسعه شهری و رشد جمعیت منجر به تغییرات الگوی فضایی شده و کاربری بخش زیادی از منابع طبیعی را  تحت تأثیر قرار داده است. در این تحقیق از تصاویر ماهواره لندست در سال‌های ۱۹۸۶، ۲۰۰۲، ۲۰۱۸ برای طبقه‌بندی و آشکارسازی تغییرات کاربری اراضی استفاده شده است.پس از رفع خطاهای تصاویر ماهواره‌ای چهار کلاس عارضه، ساخت و ساز مسکونی و غیر مسکونی، پوشش گیاهی، کوه و مرتع و راه، جهت بررسی تغییرات در نظر گرفته شد. عملیات میدانی و برداشت عوارض نمونه، با گیرنده‌های GPS دو فرکانسه در محدوده مورد مطالعه انجام شد. سپس این عوارض به نرم افزار معرفی و با روش ماشین‌های بردار پشتیبان[1] طبقه‌بندی روی تصاویر سه دوره انجام و میانگین دقت کلی و میانگین ضریب کاپا [2]  در این روش به ترتیب  ۶۲ /۹۶% ، ۳۳/۸۵% محاسبه گردید. بیشترین تغییرات مربوط به کلاس کاربری‌های مسکونی و غیر مسکونی و راه می‌باشد. بیش ترین تغییرات مربوط به ساخت و ساز مسکونی ۰۶/۹ درصد و راه ۱ درصد می‌باشد، که این روند رو به افزایش سبب کاهش دو کلاس عارضه کوه و مرتع و پوشش گیاهی به ترتیب به میزان ۰۷/۹ و۱/۰ درصد شده است. در ناحیه مورد مطالعه اکثر پوشش‌های گیاهی و زمین‌های کشاورزی تبدیل به شهرک‌های صنعتی و ویلاهای تفریحی شده است.  در راستای چنین تغییراتی زنجیره مارکوف توانایی خوبی برای پیش‌بینی احتمال تغییرات را دارد و بر پیش بینی‌های تغییرات کاربری اراضی متمرکز  است در حالی که اتوماتای ​​سلولی به عنوان یک روش قدرتمند در تشخیص تغییرات مؤلفه مکانی فضایی است. به این منظور جهت پیش‌بینی تغییرات در کمیت و فضا  از مدل ترکیبی زنجیره مارکوف و سلول‌های خودکار استفاده گردید و نقشه کاربری اراضی برای سال ۲۰۵۰  شبیه سازی شد. نتایج نشان داد که مدل‌های مارکوف اطلاعات مفیدی در اختیار ما قرار می‌دهد که می‌تواند برای برنامه ریزی کاربری اراضی در آینده  مفید واقع شود. [1]- SVM [2]- Overall Accuracy