مدلسازی تغییرات کاربری اراضی و پیش بینی های آینده با استفاده از شبیه-سازی CA-ANN در حوضه آبخیز ۲۵ شنرود سیاهکل
سال انتشار: 1402
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 52
فایل این مقاله در 16 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_GESI-12-46_010
تاریخ نمایه سازی: 24 آبان 1402
چکیده مقاله:
در این مطالعه، روندهای مکانی–زمانی پویایی کاربری اراضی برای دوره ۱۴۰۱-۱۳۸۰ با استفاده از داده سنجش از دور مورد تجزیه و تحلیل قرار گرفت. طبقه بندی تصویر بر اساس سه طبقه عمده کاربری اراضی یعنی جنگل، مناطق انسان ساز (کشاورزی و ساخته شده) و سایر مناطق طبیعی (اراضی لخت، علفزار، جنگلکاری، درختچه زار، نواحی آبی و اراضی جنگلی) انجام شد. نقشه های تغییرات کاربری اراضی منطقه در دوره ۱۴۰۱-۱۳۸۰ نشان می دهند که مناطق انسان ساز ۳/۹ درصد افزایش یافته اند. در مقابل، جنگل و سایر مناطق طبیعی به ترتیب ۱/۷ درصد و ۲/۲ درصد کاهش یافتند. علاوه بر این، تکنیک شبکه عصبی مصنوعی-اتوماتای سلولی (CA-ANN) برای پیش بینی تغییرات کاربری اراضی در دوره ۱۴۲۲-۱۴۰۱ استفاده شد. درصد صحت برای شبیه سازی ۹۱ درصد و مقدار کاپا کلی ۸۶/۰ بود. به طور مشابه با نقشه های طبقه بندی شده در دوره ۱۴۰۱-۱۳۸۰، نقشه های پیش بینی شده در دوره ۱۴۲۲-۱۴۰۱ روند افزایشی را در مناطق انسان ساز به میزان ۷/۴ درصد و روند کاهشی در جنگل و سایر مناطق طبیعی به ترتیب به میزان ۳/۴ درصد و ۴/۰ درصد نشان می دهد. در این کار، مدل های رگرسیونی حداقل مربعات معمولی (OLS) برای پیش بینی تغییرات کاربری اراضی در منطقه مورد مطالعه به عنوان تابعی از متغیرهای توصیفی [ارتفاع، شیب و متغیرهای مجاورت مانند فاصله تا مرکز شهر، جاده ها، روستاها و آبراهه ها] اجرا شد. نتایج مدل های OLS عملکرد نسبتا خوبی را برای پیش ینی تغییرات کاربری اراضی با مقدار R۲ بیشتر از ۵/۰ نشان داد. این نتایج دانش مهمی را ارائه می کند که می تواند به توسعه برنامه ریزی و مدیریت پایدار آینده کمک کند و هم چنین به مدیران در تصمیم گیری آگاهانه برای بهبود شرایط محیط زیستی و اکولوژیکی کمک کند.
کلیدواژه ها:
نویسندگان
رقیه جهدی
استادیار علوم و مهندسی جنگل، دانشکده کشاورزی و منابع طبیعی، دانشگاه محقق اردبیلی، اردبیل، ایران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :