پيش‌بيني تغيير كاربري اراضي و پوشش زمين با بهره گيري از داده‌هاي ماهواره‌اي و مدل زنجيره‌اي ماركوف (بررسي موردي: حوضة دويرج، استان ايلام)

(Prediicttiion off Land Use and Land Cover Changes iin Ariid and Semii--Ariid Regiions Usiing Sattelllliitte Images and Markov Chaiin Modells (Case sttudy: Doviirajj Basiin, Illam Proviince

پوشش سطح زمين و كاربري آن به دليلي فعاليت‌هاي انساني دست‌خوش تغيير و تحول زيادي مي‌شود. شناسايي و كشف اين تغييرات مي‌تواند به مديران و برنامه‌ريزان كمك‌ كند تا نيروهاي مؤثر در ايجاد اين تغييرات را شناسايي‌ كرده و از آن در سطوح مختلف برنامه‌ريزي استفاده كنند. بررسي مقدار تغير و تخريب منابع در سال‌هاي گذشته و امكان‌سنجي و پيش‌بيني اين تغييرات در سال‌هاي آينده مي‌تواند در برنامه‌ريزي و استفاده بهينه از منابع و كنترل و مهار تغييرات غيراصولي در آينده، نقش قابل توجهي داشته باشد. روش‌هاي متنوعي براي پيش‌بيني تغييرات پوشش و كاربري اراضي وجود دارد كه از جمله آنها مي‌توان به مدل زنجيره‌اي ماركوف اشاره كرد. در اين پژوهش با بهره گيري از داده‌هاي ماهواره لندست، سنجده (1364) TM و (1379 و 1386) ETM+ و اطلاعات جانبي و مدل زنجيره‌اي ماركوف، تغييركاربري اراضي و پوشش زمين طي 22 سال در منطقه دويرج استان ايلام بررسي شده ‌است. پس از انجام تصحيحات لازم بر روي تصاوير ماهواره‌اي و انجام بازديدهاي ميداني، طبقات مختلف كاربري اراضي تعريف و نمونه‌هاي آموزشي انتخاب و نتايج حاصل از ارزيابي دقت طبقه‌بندي‌ها با بهره گيري از ضريب كاپا به دست آمده است. نتايج حاكي از كاهش وسعت پوشش جنگلي و مراتع متوسط حوضه (به ‌ترتيب 2/9 و 17/07 درصد) و روند افزايشي كاربري مرتع فقير، كشاورزي، اراضي مسكوني و اراضي باير (به ترتيب 9/17، 2/96، 0/40 و 7/44 درصد) كه بيانگر تخريب كلي در منطقه و جايگزيني كاربري‌هاي ضعيف‌تر در منطقه است. در پايان با بهره گيري از مدل ماركوف وضعيت طبقه‌‌هاي كاربري اراضي 14 سال آينده (سال1400) مورد پيش‌بيني قرار گرفت. نتايج حاصل از ماتريس پيش‌بيني تغييرات بر مبناي نقشه‌هاي سال‌هاي 1379 و1386 نشان داد كه در فاصلة زماني 1400-1386، احتمال مي‌رود 62% جنگل، 38% مرتع متوسط، 64% مرتع فقير، 72% كشاورزي، 69% اراضي مسكوني و 76% اراضي باير بدون تغيير باقي بمانند، كه مرتع متوسط داراي بالاترين پايداري و از طرف ديگر مرتع فقير كمترين پايداري را خواهند داشت. نقشه‏هاي كاربري شبيه‌سازي شده توسط مدل ماركوف مي‌توانند به عنوان سيستم هشداري براي پيامدها و تأثيرات آينده تغييرات كاربري به خدمت گرفته شود.

Land cover and land use change occurs during the time due to human activities. Identification and detection of these changes can help planners and managers to recognize the effective factors which cause the changes, and use them at different levels of planning. Studying the rate of resources changes and destruction, and prediction and feasibility study of these changes in future years may play a key role in planning and optimal use of resources and controlling undesirable changes in the future. There are various methods for predicting land use and land cover changes, among them the Markov Chain model can be pointed out. In this study, by using the Landsat satellite data of TM (1995) and ETM+ (2000 and 2007) sensors, complementary data of the study area and Markov Chain model the changes occurred in land use and land cover over the past 22 years in Doviraj region of Ilam province are investigated. After performing required corrections on the satellite images and field visits, different land use classes were defined, the training samples were selected and the accuracy of obtained results was evaluated using Kappa coefficient. The results indicate the decreasing trend of forest cover and average rangeland areas of the region (i.e. 2.9 and 17.07 percent , respectively) and increasing trend of poor rangelands, agricultural lands, residential areas and barren land uses (9.17, 2.96, 0.4 and 7.44 percent, correspondingly) which represent total destruction in the region and replacement of weaker land uses. Finally, using Markov Chain model, the status of land use classes in the next 14 years (2021) has been predicted. The results from changes prediction matrix based on the maps of 2000 and 2007 showed that in the time period of 2007-2021 it is probable that 62% of forest lands, 38% of average rangelands, 64% of poor rangelands, 72% of agricultural lands, 69% of residential areas and 76% of barren lands remain unchanged. The average rangelands are of the highest stability and on the other hand poor rangelands have the lowest stability. The calibrated land use maps by Markov Chain model can be employed as an alarming system about the effects and consequences of future land use changes.