مدل‌سازي تغييرات كاربري اراضي با استفاده از مدل ساز تغيير سرزمين (LCM ) مطالعه موردي: شهرستان نكا

land use change modeling using LCM module Case study: NEKA region

تغييرات كاربري به خصوص توسعه شهرها باعث تخريب زيستگاه هاي طبيعي و كاهش تنوع زيستي مي شود. به طور معمول برنامه ريزان شهري جهت كنترل كردن تغييرات كاربري اراضي از روش مدل سازي استفاده مي كنند. در اين مطالعه، هدف مدل سازي تغييرات كاربري اراضي شهرستان نكا، با استفاده از LCM(Land Change Modeler) بوده است. جهت به دست آوردن نقشه كاربري اراضي منطقه از تصاوير ماهواره Landsat سنجنده هاي TM و ETM+ و TIRS_OLI متعلق به سال هاي 1988 و 2002 و 2016 استفاده گرديد. همچنين جهت مدل سازي پتانسيل انتقال با استفاده از شبكه عصبي مصنوعي انجام گرفت. در اين مطالعه 5 زير مدل به همراه 9 متغير استفاده گرديد. سپس جهت پيش بيني تغييرات كاربري سال 2016 از دوره واسنجي 1988تا 2002 و زنجيره ماركف و مدل پيش بيني سخت استفاده شد. در نهايت نيز از نقشه سال هاي 2002 تا 2016 براي پيش بيني تغييرات كاربري اراضي متعلق به سال 2030 استفاده گرديد. صحت مدل‌سازي با استفاده از ماتريس خطا ارزيابي شد. نتايج نشان داد كه در طي سال هاي 1988 تا 2016 اراضي جنگلي 2297 هكتار كاهش داشته و بيشترين تغييرات مربوط به تبديل اراضي جنگلي به كشاورزي بوده است. نتايج مدل سازي با استفاده از شبكه عصبي مصنوعي نيز صحت بالايي بالاي (69 درصد) داشته است. نتيجه مدل سازي براي سال 2030 نيز نشان داد كه مساحت جنگل كاهش ميابد و اراضي كشاورزي و مناطق شهري افزايش پيدا مي كنند.

Land use/cover changes, especially human urbanization Cause destruction of natural habitats and threaten biodiversity. Regularly, Land use/cover models are one the most important methods for evaluating this trend. The objective of this study is the investigation of land use/cover change and modeling in the Neka city using Land Change Modeler (LCM). Landsat TM (1988), ETM+ (2002), and OLI (2016) data was used for land use/cover classification and change. In addition, transition potential modeling was conducted using an artificial neural network. In this method, 5 sub-models and 9 variables were used. Then calibration period (1988-2002) was used by Markov chain and hard prediction for extrapolating the 2016 land use/cover changes. Finally, land use/cover maps for 2002 and 2016 were used for land use/cover map extending prediction to the year 2030. The accuracy assessment of model was conducted by Error Matrix. The results of this study showed the annual rate of decline in the forest was 2297 Hectare during the period 1988-2016. The biggest changes were in the conversion of forest lands to agriculture. Modeling results using artificial neural network also showed acceptable accuracy (69%). The results of modeling for 2030 also showed that the area of the forest is decreasing, Agricultural lands and urban areas are increasing.